Anteprima di Step 5 contro Claude Sonnet 5.5: dodici punti indice, dieci volte il conto del compito

Step 5 Preview e Claude Sonnet 5.5 sono i due modelli che i lettori confrontano davvero tra loro questo mese: un'anteprima StepFun da $1,00 / $2,70 per milione di token che è stata lanciata il 20 settembre 2026, e il Claude Sonnet 5.5 da $2,00 / $10,00 che è stato rilasciato il 28 settembre. Sulla classifica indipendente sono distanti dodici punti — 44 contro 56 sull'Artificial Analysis Intelligence Index v4.3.2 — e dodici punti sono un divario reale. Inoltre, non è il numero che decide il conto. Il numero che decide il conto è il costo per attività completata, e lì la stessa classifica riporta $0,71 per Step 5 Preview contro $7,60 per Claude Sonnet 5.5 al massimo sforzo. Dieci volte e mezzo la spesa, per dodici punti. Quasi ogni altra riga sulle due schede è una discussione su quale metà di quello scambio puoi sopportare.

Le due schede tariffarie, riga per riga

Tutto ciò che compare in questa sezione è il prezzo pubblicato da ciascun fornitore, rilevato il 9 ottobre 2026.

• Input — Step 5 Preview 1,00 $ per milione di token rispetto a Claude Sonnet 5.5 2,00 $ per milione di token

• Output — 2,70 $ vs 10,00 $ per milione di token; la riga che domina entrambe le bollette

• Input in cache — Step 5 Preview indica uno sconto fisso del 95% sull'input, il che porta un cache hit a circa $0,05 per milione di token, rispetto ai $0,20 di lettura cache di Claude Sonnet 5.5

• Scrittura in cache — Claude Sonnet 5.5 pubblica 2,50 $ per milione di token per una scrittura in cache di cinque minuti; StepFun non ha pubblicato alcuna tariffa di scrittura in cache, quindi quella metà del confronto resta vuota da un lato

• Finestra di contesto — 1M token su entrambe le schede

• Output massimo — Claude Sonnet 5.5 documenta 128.000 token (e 300.000 sulla Message Batches API dietro un header beta); StepFun non ha pubblicato alcun tetto di output per Step 5 Preview

• Modalità — entrambi accettano testo e immagini e restituiscono solo testo

• Controllo del ragionamento — Step 5 Preview espone il pensiero esteso senza livelli di effort pubblicati; Claude Sonnet 5.5 espone una scala di effort i cui valori più alti sono esattamente il punto in cui il suo costo per attività esplode

• Pesi — il checkpoint BF16 di Step 5 Preview è promesso per il 15 ottobre 2026 e non è ancora arrivato; Claude Sonnet 5.5 è proprietario

Due di quelle righe fanno più lavoro di quanto dica il titolo. La riga della cache è dove la scheda economica diventa ancora più economica, perché uno sconto del 95% su un dollaro significa una lettura dalla cache da cinque centesimi, mentre quella di Anthropic è di venti. E la riga del tetto di output va nella direzione opposta: un fornitore ti dice dove sta il suo vantaggio, l'altro pubblicizza una finestra da un milione di token senza dire quanto di essa può tornare fuori.

Da dove vengono realmente i dodici punti

Entrambi i valori riportati di seguito sono di Artificial Analysis, sull'Intelligence Index v4.3.2, ed entrambi sono tratti dalla pagina del modello stesso anziché da una tabella del fornitore.

• Indice di Intelligenza — Claude Sonnet 5.5 56, classificato #3 su 216 contro Step 5 Preview 44, classificato #45 su 200. Due dimensioni di classe diverse perché le classifiche sono state generate in momenti diversi; i punteggi sono la parte comparabile.

• Costo per task di indicizzazione — $7,60 vs $0,71. Il dato di Anthropic si riferisce alla configurazione che il pannello etichetta "Adaptive Reasoning, Max Effort, Default Fallback", che è l'estremità costosa della scala di quel modello.

• Token di output generati durante l'esecuzione dell'indice — 410M contro 160M, rispetto a una mediana della board di 88M. Entrambi i modelli sono verbosi secondo la metrica della board. Uno è più di quattro volte la mediana, l'altro non arriva a due volte.

• Velocità di output — Step 5 Preview legge circa 100 token al secondo rispetto a una media di 70. Al momento della stesura, Artificial Analysis non aveva pubblicato un dato sulla velocità di output per Claude Sonnet 5.5, quindi quella riga è a senso unico anziché vinta.

Se si mettono insieme le prime due righe, emerge la forma della decisione. Dodici punti indice separano questi modelli; un fattore di dieci e mezzo separa quanto costa eseguire la stessa valutazione. I punti sono reali — il divario in classifica colloca uno tra i primi tre modelli valutati dalla board e l'altro nel quarto superiore — ma un team che paga 7,60 $ per attività per un carico di lavoro agentico difficile sta pagando per la deliberazione, e la domanda è se le sue attività ne hanno bisogno.

Le tabelle dei fornitori non risolveranno la questione, ed ecco la prova

Entrambi i laboratori pubblicano un numero per Terminal-Bench 4.0. L'annuncio di Sonnet 5.5 di Anthropic ne rivendica il 70,6%, contro il 10,3% del modello che sostituisce. La cifra Terminal-Bench 4.0 pubblicata da StepFun stessa per Step 5 Preview è 33,3%. Entrambi sono eseguiti dai fornitori, entrambi non sono stati riprodotti da terze parti, e distano 37 punti su un benchmark con lo stesso nome.

Quel divario non è prova che un modello sia due volte migliore. È prova che due laboratori che eseguono un harness con lo stesso nome su configurazioni, scaffold di agenti e impostazioni di effort diversi producono numeri che non possono essere sottratti l'uno dall'altro. Questo è il problema ricorrente dei confronti del giorno di lancio, ed è il motivo per cui ogni riga di questo articolo che proviene da un laboratorio è etichettata come tale. Dove una terza parte ha misurato entrambi i modelli su un unico harness, usa quello. Dove non l'ha fatto, considera il dato del fornitore come un'affermazione su un'intenzione.

Vale la pena riprendere in questo confronto la nota di migrazione di Anthropic relativa al lancio di Sonnet 5.5, perché si applica a qualsiasi endpoint di anteprima tu stia valutando. L'indicazione del fornitore era che i livelli di effort erano stati ricalibrati tra Sonnet 5 e 5.5 e che i team avrebbero dovuto rieseguire la loro sweep dei livelli di effort invece di riutilizzare un'impostazione. L'avvertimento equivalente vale qui nella direzione opposta: Step 5 Preview è un'anteprima, la sua configurazione di serving è ancora in evoluzione, e un'impostazione messa a punto sull'endpoint di questa settimana non è un'impostazione che possiedi.

Entrambi parlano troppo, ma in misura diversa.

La verbosità è la riga che trasforma un tariffario in una fattura. Step 5 Preview ha generato 160 milioni di token di output per completare la suite di indici, mentre il modello mediano della classifica ne genera circa 92 milioni — all'incirca 1,7 volte la mediana. Claude Sonnet 5.5 ne ha generati 410 milioni, ossia circa 4,7 volte la mediana.

A 2,70 $ per milione di token di output, la verbosità di Step 5 Preview rappresenta una gran parte di un numero piccolo. A 10,00 $, quella di Claude Sonnet 5.5 costituisce la maggior parte di un numero molto grande. Nessuno dei due modelli è conciso, e il marketing di nessuno dei due fornitori lo descrive in questi termini. La conseguenza pratica è che una misurazione di token per attività sul tuo traffico ti dirà di più sulla differenza di costo reale di quanto facciano i listini tariffari, perché i listini presuppongono che entrambi i modelli scrivano lo stesso numero di parole per la stessa risposta. Non è così.

La riga della cache, calcolata su un ciclo reale

Prendi un loop di un agente con un prefisso stabile da 40.000 token — un prompt di sistema più il contesto del repository — reinviato a ogni turno per trenta turni, con il prefisso scritto una volta e recuperato ventinove volte dalla cache. Sono 1,16 milioni di token di input in cache per sessione.

• Claude Sonnet 5.5 — una scrittura a $2,50 per milione di token, circa $0,10, poi 1,16M di token in lettura a $0,20 per milione, circa $0,23. Totale circa $0,33 per sessione, prima di qualsiasi input o output nuovo.

• Step 5 Preview — le letture usufruiscono dello sconto dichiarato del 95%, quindi circa $0,05 per milione e all’incirca $0,06 per sessione. La parte di scrittura non è conteggiata nei costi perché StepFun non ha pubblicato una tariffa di scrittura della cache.

Sulle righe che possiamo effettivamente prezzare, il traffico in cache costa circa cinque volte di più sulla scheda Anthropic, e l'avvertenza è che una delle due tariffe di scrittura non esiste ancora. Questo è il carico di lavoro per cui vengono venduti entrambi i modelli, ed è per questo che la riga conta più di quanto lascino pensare le percentuali di sconto in evidenza.

Dove ciascuno può effettivamente essere chiamato

Claude Sonnet 5.5 è nel nostro catalogo come anthropic/claude-sonnet-5.5, ai prezzi di Claude Sonnet 5.5 stesso, $2.00 e $10.00 con $0.20 per la lettura della cache, una finestra di contesto di 1.000.000 di token e un output massimo di 128K — prezzo di listino passato con markup allo 0%, quindi un cambiamento sulla scheda di Anthropic è un cambiamento sulla nostra lo stesso giorno. Step 5 Preview non è in quel catalogo, e non abbiamo intenzione di lasciar intendere il contrario: risponde sull'API di StepFun e, finché non arriva il checkpoint promesso, da nessun'altra parte.

Quell'asimmetria ha un uso pratico. Se entrambi i modelli fossero dietro un'unica chiave con failover automatico, spostare un carico di lavoro da uno all'altro sarebbe un cambio della stringa del modello e nient'altro — che è la ragione onesta per mantenere la porta generica. Allo stato attuale, il confronto è tra un modello che puoi chiamare tramite la tua rotta esistente e uno che devi collegare separatamente, e il secondo è un'anteprima la cui flotta di servizio è ancora in costruzione. Mettere capacità non provata dietro un router con failover verso qualcosa già qualificato è l'assicurazione a basso costo; un percorso primario puntato direttamente a un endpoint di anteprima non lo è.

Che cosa cambierebbe questo verdetto?

Tre cose, tutte databili. La prima è il 15 ottobre 2026, quando è previsto il checkpoint BF16 di StepFun. Se la licenza consente il fine-tuning e i pesi sono reali, il divario di dodici punti smette di essere una proprietà fissa del modello e diventa qualcosa che un team può attaccare sui propri dati — a quel punto la scheda dieci volte più economica diventa un punto di partenza molto più interessante. Se il checkpoint slitta o la licenza è restrittiva, il divario resta esattamente dove l'ha messo la classifica.

Il secondo è se la lezione di ricalibrazione dello sforzo della stessa Anthropic venga applicata qui. Il vantaggio per attività di Sonnet 5.5 rispetto a Sonnet 5 esiste a sforzo basso e medio, non al massimo, e al massimo vale il contrario. Un acquirente di Step 5 Preview che non esplora mai i livelli di sforzo confronta un modello al suo valore predefinito con un modello al suo valore predefinito, il che, sul fronte Anthropic, non è dove avviene il lavoro a basso costo e ad alto valore.

Il terzo è una vera e propria esecuzione indipendente di Step 5 Preview a una configurazione paragonabile a quella alla quale viene misurato il numero di Anthropic. Finché non esisterà, il 44 è un'unica configurazione con punteggio, senza alcuna scala accanto, e il 56 ha sotto di sé un'intera curva di sforzo. Il confronto è onesto così com'è scritto; non è ancora simmetrico.

Per un team che decide oggi invece che il 15: se il carico di lavoro è a contesto lungo, fortemente dipendente dalla cache e ripetuto di frequente, l'aritmetica su questa pagina favorisce la scheda economica di un ordine di grandezza e il divario di capacità è il prezzo d'ingresso. Se il carico di lavoro è difficile, breve e valutato da una persona che noterà la differenza tra 44 e 56, la scheda costosa è quella che porta a termine il lavoro. Nessuna delle due risposte regge il confronto con un carico di lavoro che è entrambe le cose, ed è proprio per questo che esiste un router.

prezzo di listino trasferito con 0% di ricarico , quindi una modifica sulla scheda di Anthropic è una modifica sulla nostra lo stesso giorno.

Il failover automatico su un router è ciò che consente di valutare un endpoint di anteprima dietro un fallback qualificato invece che come percorso primario.