Claude Sonnet 5 è il modello Sonnet più capace di Anthropic — prestazioni di livello avanzato in ambito coding, flussi di lavoro agentici e lavoro professionale di conoscenza, a una frazione del costo del tier Opus. Offre una finestra di contesto da 1 milione di token con fino a 128.000 token in output, accetta input di testo, immagini e file con output testuale, e supporta il pensiero adattivo con sforzo ragionativo selezionabile (basso, medio, alto, massimo), così che i chiamanti possano dosare il tradeoff tra intelligenza, latenza e costo per ogni richiesta. Costruito come il Sonnet più agentico di Anthropic finora, registra grandi progressi rispetto a Sonnet 4.6 nel coding agentico e nell'uso del computer, e colma gran parte del divario con Opus 4.8 — 63,2% su SWE-bench Pro, 80,4% su Terminal-Bench 2.1 e 81,2% su OSWorld-Verified — pur mantenendo un prezzo nettamente inferiore a Opus 4.8, GPT-5.5 e Gemini 3.1 Pro. È un'impostazione predefinita solida per agenti sensibili al costo, assistenti di codifica e carichi di lavoro produttivi ad alto volume che richiedono comunque un ragionamento avanzato.
Claude Sonnet 5 è un modello Anthropic progettato per attività multimodali e di contesto lungo. Supporta fino a 1.000.000 di token di input—sufficienti per coprire interi codebase, documenti lunghi o…
Claude Sonnet 5 eccelle nelle attività legate al codice, dalla lettura di interi codebase alla generazione di algoritmi complessi. Con un contesto di 1 milione di token, può inglobare più file in un singolo prompt, comprendere le dipendenze tra file e produrre codice rifattorizzato, spiegazioni di debug o test unitari. Supporta linguaggi popolari come Python, JavaScript, Java, C++, Go, Rust e molti altri, rispondendo nella lingua scelta dall'utente. Il modello può anche ragionare sui percorsi di esecuzione del codice, individuare errori logici e suggerire ottimizzazioni. Per attività come generare un'API REST da una specifica, convertire un codebase monolitico in microservizi o revisionare una pull request esaminando tutti i file modificati contemporaneamente, Claude Sonnet 5 offre una potente soluzione a singola chiamata. Il suo punteggio OSWorld-Verified di 81.2 indica prestazioni elevate nei benchmark a livello di sistema operativo, riflettendo ulteriormente la sua competenza in codice e comandi.
Claude Sonnet 5 può accettare immagini come input—caricate direttamente (come base64 o tramite URL) o incorporate in documenti—e ragionare sul loro contenuto. Può descrivere scene, identificare oggetti, leggere testo da immagini e rispondere a domande visive. La comprensione delle immagini non si limita a foto statiche; può elaborare grafici, diagrammi, screenshot, appunti scritti a mano e persino fotogrammi video (se forniti come immagini sequenziali). Poiché la finestra di contesto è ampia, è possibile includere molte immagini in un unico prompt per attività come il confronto visivo, l'analisi di documenti multipagina o il rilevamento di modifiche in una serie di screenshot. Il modello tratta le immagini come parte della cronologia della conversazione, quindi può combinare indizi visivi con istruzioni testuali. Si noti che la tokenizzazione delle immagini consuma token in proporzione alla risoluzione; OrcaRouter gestisce automaticamente la codifica e invia i dati nel formato previsto da Anthropic.
Mentre Claude Sonnet 5 è conveniente per token per le sue capacità, ci sono situazioni in cui un modello più leggero può essere più appropriato. Per la generazione di testo semplice—email brevi, post sui social media o domande e risposte di base—un modello più piccolo ed economico come Claude Haiku o GPT-4o-mini può fornire risultati adeguati a una frazione del costo. Allo stesso modo, se il tuo flusso di lavoro coinvolge compiti estremamente prevedibili e a bassa complessità (ad es., estrazione di parole chiave, traduzione senza sfumature), l'overhead di un modello con contesto ampio è inutile. Per compiti di visione che richiedono solo OCR senza ragionamento approfondito, un'API di visione dedicata potrebbe essere più economica. Inoltre, se il tuo contesto di input rimane costantemente sotto i 32K token, potresti non aver bisogno della finestra da 1M e potresti usare un modello con contesto più piccolo ma prezzo per token inferiore. Confronta sempre costo vs. qualità per il tuo caso d'uso specifico.
Claude Sonnet 5 brilla in scenari ad alto contesto e multimodali in cui una singola chiamata al modello deve elaborare dati grandi o misti. I casi d’uso ideali includono: analizzare un intero repository di codice per vulnerabilità di sicurezza, generare documentazione completa da un insieme di documenti di progettazione e screenshot, revisione di contratti legali su centinaia di pagine, analisi di referti medici che combinano dati di imaging e note cliniche, e assistenti interattivi che mantengono lunghe cronologie di conversazioni (ad esempio, journaling, terapia, ricerca). Le sue forti capacità di ragionamento lo rendono inoltre adatto alla risoluzione di problemi scientifici, all’estrazione di dati complessi da PDF e alla creazione di agenti intelligenti che gestiscono attività multi-step con allegati. Per la scrittura creativa che richiede una voce coerente su molti capitoli, il grande limite di output aiuta a produrre bozze complete in un colpo solo. Quando si accede tramite OrcaRouter, il prezzo senza margine di ricarico abbassa ulteriormente il costo di questi casi d’uso ad alto volume.
Claude Sonnet 5 ha raggiunto un punteggio di 81.2 su OSWorld-Verified, un benchmark progettato per misurare la capacità di un modello di eseguire compiti del sistema operativo—come operazioni sui file, esecuzione di comandi, multitasking e utilizzo della riga di comando—usando istruzioni in linguaggio naturale. Un punteggio di 81.2 indica che il modello interpreta ed esegue in modo affidabile un'ampia gamma di comandi e scenari a livello di sistema operativo. Questo è rilevante per gli sviluppatori che creano strumenti di automazione, pipeline DevOps assistite da IA e qualsiasi applicazione che richieda al modello di funzionare come un assistente competente per le interazioni con il sistema operativo. Il benchmark testa sia la generazione di script sia la capacità di comprendere concetti del sistema operativo come percorsi, permessi e processi. Sebbene non sia un indicatore perfetto delle prestazioni nel mondo reale, questo punteggio suggerisce che Claude Sonnet 5 è tra i modelli con le migliori prestazioni per l'esecuzione agentica di codice e compiti a livello di sistema.
I punti di forza principali di Claude Sonnet 5 sono l'ampia finestra di contesto (1 milione di token), l'elevato limite di output (128K token), la solida capacità di ragionamento multimodale e la competenza a livello di sistema operativo (81.2 OSWorld-Verified). Gestisce documenti lunghi, codebase complessi e input misti con elevata coerenza. Tuttavia, come tutti i modelli, presenta dei limiti. Il contesto effettivo può subire un degrado delle prestazioni verso la fine della finestra; Anthropic consiglia di rimanere sotto i ~900K token per ottenere risultati ottimali. Il modello potrebbe avere difficoltà con riferimenti culturali molto sfumati, nella generazione di dati fattuali (può allucinare numeri) e in attività che richiedono conoscenze in tempo reale oltre la sua data di cutoff (Anthropic non ha rivelato la data esatta, ma è circa l'inizio del 2025). Le capacità visive sono buone ma non allo stato dell'arte per il riconoscimento fine di oggetti. I prezzi, sebbene senza ricarico, sono ancora più alti rispetto a modelli più piccoli. La latenza è tipica di un modello grande: le risposte possono essere più lente a causa dell'elaborazione di un contesto ampio.
La latenza per Claude Sonnet 5 dipende fortemente dalla dimensione dell'input e dalla lunghezza dell'output. Con un contesto di 1 milione di token, l'elaborazione iniziale del prompt può richiedere da diversi secondi a minuti, poiché il modello deve prestare attenzione all'intera finestra. Una volta iniziata l'elaborazione, la velocità di generazione dei token è tipicamente nell'intervallo di 20-40 token al secondo (a seconda del carico e dell'infrastruttura del provider). Input più piccoli (ad esempio, poche centinaia di token) vedranno una latenza del primo token più rapida, spesso inferiore a un secondo. Lo streaming è abilitato per impostazione predefinita tramite l'API di OrcaRouter, permettendoti di vedere i token di output mentre vengono generati. Per applicazioni sensibili alla latenza (ad esempio, chat in tempo reale), potresti voler utilizzare un modello più piccolo o ridurre il contesto. OrcaRouter non aggiunge una latenza significativa oltre all'API di Anthropic stessa: l'overhead è trascurabile poiché instrada la richiesta agli endpoint di Anthropic.
Anthropic non ha rilasciato pubblicamente una suite completa di benchmark per Claude Sonnet 5 al momento della scrittura. L'unico dato fornito è 81.2 su OSWorld-Verified. Per il ragionamento generale, il modello probabilmente si comporta in linea con altri modelli Claude Sonnet sui benchmark NLP standard come MMLU, HumanEval e GSM8K, ma i punteggi esatti non sono disponibili da parte del fornitore. In pratica, i primi report degli utenti suggeriscono prestazioni elevate nella generazione di codice, nel question answering su documenti e nelle attività di recupero su contesti lunghi. Ti consigliamo di eseguire la tua valutazione sul tuo caso d'uso specifico, poiché i benchmark possono essere fuorvianti. OrcaRouter ti permette di testare il modello rapidamente tramite la sua API senza costi iniziali: basta impostare l'ID del modello su "anthropic/claude-sonnet-5" e iniziare a fornire prompt per valutare le prestazioni sui tuoi dati.
Claude Sonnet 5 su OrcaRouter viene fatturato alla tariffa del fornitore Anthropic senza alcun margine: $2.00 per 1 milione di token in input e $10.00 per 1 milione di token in output. Sia i token di input che quelli di output vengono conteggiati come token di testo standard (immagini e file vengono tokenizzati secondo lo schema di Anthropic). Non sono previsti costi aggiuntivi per autenticazione, limiti di frequenza o trasferimento dati. OrcaRouter addebita in base al conteggio grezzo dei token riportato da Anthropic; questo include qualsiasi prompt di sistema, messaggi utente, token di immagini e risposta generata. La fatturazione è basata sull'utilizzo e paghi solo per ciò che consumi. Per gli utenti pesanti, questo modello trasparente evita costi a sorpresa. Non è richiesto un importo minimo di spesa o un contratto: ti basta aggiungere crediti o impostare la fatturazione nel pannello di controllo di OrcaRouter, e il tuo utilizzo viene detratto alle tariffe sopra indicate.
Il prezzo di Claude Sonnet 5 ($2/$10 per 1M di token) si colloca tra i modelli più economici di Anthropic (come Haiku a $0,25/$1,25) e quelli premium (come Claude Opus a $15/$75). Per attività con contesto lungo, il costo per milione di token è relativamente basso considerando la capacità di 1M. Tuttavia, se si utilizza l'intera finestra di contesto, il costo assoluto per query può aumentare: una richiesta completa di 1M di token di input costa $2,00 solo per l'input. Confrontalo con l'uso di un modello con contesto più piccolo come GPT-4o-mini ($0,15/$0,60) per query brevi. Il compromesso: Claude Sonnet 5 offre una qualità di ragionamento superiore e una capacità maggiore, ma a un prezzo per token più elevato. Per attività che richiedono realmente un contesto ampio o un ragionamento multimodale, il modello può essere più efficiente rispetto a suddividere il lavoro tra più chiamate API. Il margine zero di OrcaRouter garantisce che non si paghino commissioni di intermediazione aggiuntive, quindi il confronto è direttamente con altri provider.
OrcaRouter al momento non offre un livello separato di caching dei prompt per Claude Sonnet 5; tutti i token vengono fatturati alla tariffa standard di input. Mentre l'API di Anthropic può supportare il caching dei prompt per alcuni modelli (riducendo il costo per prefissi ripetuti), OrcaRouter trasmette i token allo stesso prezzo indipendentemente dalla ripetizione. In pratica, se invii ripetutamente lo stesso identico prompt di sistema di grandi dimensioni, ti verranno comunque addebitati i token di input ogni volta. Non è previsto alcuno sconto per il contesto in cache. È importante tenerlo in considerazione se il tuo flusso di lavoro prevede istruzioni statiche e lunghe: potrebbe essere più conveniente eseguire un modello più piccolo o utilizzare un'architettura diversa. Tuttavia, il margine zero di OrcaRouter significa che non paghi costi aggiuntivi; il costo è puramente il prezzo indicato da Anthropic. Potrebbero essere aggiunte future funzionalità di caching, ma al momento il prezzo è per chiamata in base al conteggio totale dei token.
Se invii un input che supera la finestra di contesto di 1.000.000 di token, OrcaRouter restituirà un errore (tipicamente uno stato 400 con un messaggio relativo alla lunghezza del contesto). Il modello non troncherà l'input; devi gestire manualmente il conteggio dei token. Per l'output, se il modello raggiunge il massimo di 128.000 token prima di terminare, interromperà la generazione e restituirà un finish_reason di "length" (nella risposta API). Puoi quindi continuare la conversazione inviando una nuova richiesta con l'output accumulato come cronologia. OrcaRouter non ritenta né suddivide automaticamente la tua richiesta; è tua responsabilità rimanere entro i limiti. Strumenti come tiktoken possono aiutare a stimare il conteggio dei token per i tuoi prompt. Per input molto lunghi, considera la suddivisione in blocchi (chunking) o l'uso di un approccio a finestra scorrevole (sliding window), anche se l'ampio contesto di Claude Sonnet 5 spesso elimina la necessità di suddividere.
Per utilizzare Claude Sonnet 5 tramite OrcaRouter, imposta l'URL di base su https://api.orcarouter.ai/v1 e usa l'ID modello "anthropic/claude-sonnet-5". L'API è pienamente compatibile con il formato di completamento chat di OpenAI, quindi puoi utilizzare le librerie client esistenti di OpenAI. Ad esempio, in Python con il pacchetto openai: imposta api_key sulla tua chiave OrcaRouter, base_url sull'endpoint OrcaRouter e model su "anthropic/claude-sonnet-5". Puoi inviare messaggi con role, content (parti text e/o image_url per la visione). La risposta conterrà i campi standard: id, object, choices, usage (prompt_tokens, completion_tokens). Lo streaming è supportato impostando stream=True. OrcaRouter gestisce l'autenticazione e instrada la tua richiesta al backend di Anthropic. Non è necessaria alcuna configurazione aggiuntiva: solo la tua chiave API e l'identificatore corretto del modello.
Puoi utilizzare i parametri standard compatibili con OpenAI con OrcaRouter: messages (obbligatorio), model (obbligatorio, impostato su "anthropic/claude-sonnet-5"), temperature (0-2, default 1), top_p (0-1, default 1), max_tokens (default 4096, fino a 128000), stop sequences (array di stringhe), frequency_penalty, presence_penalty (entrambi da -2 a 2) e stream (booleano). Inoltre, puoi passare parametri specifici di Anthropic tramite il campo extra_headers—ad esempio, anthropic-version per specificare la versione dell'API. OrcaRouter aggiunge automaticamente le intestazioni Anthropic richieste. Per messaggi multimodali, includi content come una lista di parti con type text o image_url. Nota che il modello supporta strumenti/funzioni (chiamate parallele a strumenti). La risposta include finish_reason, statistiche di utilizzo e choices. Non esiste un parametro separato per la dimensione della finestra di contesto; il modello utilizza intrinsecamente la sua capacità di 1M.
La migrazione è semplice perché OrcaRouter fornisce un'API compatibile con OpenAI. Se stai già utilizzando l'API di OpenAI, basta cambiare il base_url in https://api.orcarouter.ai/v1 e modificare il parametro model in "anthropic/claude-sonnet-5". Il codice esistente per costruire messaggi, gestire lo streaming e analizzare le risposte dovrebbe funzionare senza modifiche: OrcaRouter restituisce risposte standard conformi a OpenAPI. Se utilizzavi un provider diverso come l'API nativa di Anthropic (che usa un formato differente), potresti dover adattare lo schema dei messaggi al formato OpenAI (ruoli: system, user, assistant). La documentazione di OrcaRouter fornisce guide alla migrazione. Differenze chiave: Claude Sonnet 5 supporta messaggi di sistema, strumenti e parti multimodali. Assicurati che il tuo input non superi il limite di 1 milione di token. Inizia con una piccola chiamata di test per confermare la connettività e capire la latenza prima di scalare.
Claude Sonnet 5 migliora rispetto al suo predecessore principalmente nella dimensione della finestra di contesto (1M vs. 200K token) e nel limite di output (128K vs. 8K), rendendolo molto più adatto per l'analisi di documenti lunghi e codebase. Introduce inoltre il supporto per input di file oltre a testo e immagini, mentre Sonnet 4 era limitato a testo e immagini. I benchmark tra i due non sono pubblicati direttamente, ma il punteggio OSWorld-Verified di 81.2 per Sonnet 5 indica un significativo passo avanti nell'esecuzione di compiti a livello di sistema operativo. I prezzi sono aumentati—il costo di input di Sonnet 4 era $3/M token, Sonnet 5 è $2/M—quindi è in realtà più economico per token di input. L'output è $10/M rispetto ai $15/M di Sonnet 4, una riduzione del 33%. Nel complesso, Sonnet 5 offre un miglior rapporto qualità-prezzo per la maggior parte dei casi d'uso, specialmente quelli che richiedono un contesto ampio. Tuttavia, Sonnet 4 potrebbe essere ancora disponibile e più economico per compiti brevi in cui non è necessario un contesto ampio.
Claude Sonnet 5 e GPT-4o di OpenAI sono entrambi modelli multimodali con un forte ragionamento, ma differiscono per finestre di contesto (Sonnet 5: 1 milione di token; GPT-4o: 128 mila token) e limiti di output (Sonnet 5: 128 mila; GPT-4o: 16 mila). Sonnet 5 offre una capacità significativamente maggiore, rendendolo più adatto per attività come l'elaborazione di interi codebase o libri lunghi. GPT-4o ha una latenza tipica più rapida e una più ampia integrazione con l'ecosistema OpenAI (plugin, DALL-E, ecc.). Prezzi: GPT-4o costa $2,50/$10 per milione di token (input/output), simile a Sonnet 5. Entrambi ottengono punteggi di ragionamento elevati, ma l'81,2 di OSWorld-Verified di Sonnet 5 non è direttamente confrontabile con alcun benchmark di GPT-4o. Per l'automazione a livello di sistema operativo, Sonnet 5 sembra più forte. Per la scrittura creativa o la chat generica, GPT-4o potrebbe essere leggermente più versatile grazie al suo set di dati di addestramento più ampio e all'uso di strumenti. La scelta dipende dalle esigenze di contesto; tramite OrcaRouter, puoi passare facilmente da uno all'altro.
Google's Gemini 1.5 Pro offre un contesto di 1 milione di token (in linea con Sonnet 5) e capacità multimodali, ma l'output di Gemini è limitato a 8K token, ben al di sotto dei 128K di Sonnet 5. Il prezzo di Gemini è $3,50/$10,50 per 1 milione di token (input/output), rendendo Sonnet 5 leggermente più economico per l'input. Entrambi ottengono buoni risultati nei benchmark di ragionamento, ma il punteggio OSWorld di 81,2 di Sonnet 5 rappresenta un elemento distintivo fondamentale — le prestazioni a livello OS di Gemini non sono messe in risalto in modo simile. Gemini 1.5 Pro supporta l'esecuzione nativa di codice e può generare codice con esecuzione, mentre Sonnet 5 si basa su sandboxing esterno. Per la generazione di testo puro su larga scala, il limite di output più elevato di Sonnet 5 è un chiaro vantaggio. Entrambi i modelli supportano allegati file e immagini. La qualità del recupero di contesto lungo è competitiva; possono emergere differenze minori in domini specifici. Tramite OrcaRouter, puoi confrontare entrambi i modelli semplicemente cambiando l'ID del modello.
Compatibile con OpenAI: mantieni il tuo SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="anthropic/claude-sonnet-5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatstopstructured_outputstool_choicetoolsverbosity| Input / 1M token | $2.00 |
| Output / 1M token | $10.00 |
| Lettura cache / 1M | $0.200 |
| Scrittura cache / 1M | $2.50 |
| Valuta | USD |
Stima basata sul prezzo di listino
Solo una stima — il numero effettivo di token dipende dal tokenizzatore del provider.
GET /api/public/models/anthropic/claude-sonnet-5Apri @misc{orcarouter_claude_sonnet_5,
title = {Claude Sonnet 5 API},
author = {Anthropic},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-sonnet-5}
}Anthropic. (2026). Claude Sonnet 5 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-sonnet-5