Step 5 Preview 対 Claude Sonnet 5.5：インデックス12ポイント差、タスク請求額は10倍

Step 5 Preview と Claude Sonnet 5.5 は、今月読者が実際にどちらを選ぶか比較検討する2つのモデルだ。2026年9月20日に公開された、100万トークンあたり$1.00 / $2.70のStepFunプレビューと、9月28日にリリースされた$2.00 / $10.00のClaude Sonnet 5.5。独立系ボードでは両者は12ポイント差——Artificial Analysis Intelligence Index v4.3.2で44対56——であり、12ポイントは実際の差だ。だがそれは請求額を決める数字ではない。請求額を決めるのは完了タスクあたりのコストであり、そこでは同じボードが$0.71（Step 5 Preview）対$7.60（Claude Sonnet 5.5、最大エフォート時）と示している。金額は10.5倍、差は12ポイント。2枚のカード上のほぼ他のすべての行は、そのトレードオフのどちら側なら受け入れられるかという議論だ。

2つの料金表を、行ごとに

このセクションの内容はすべて、2026年10月9日時点で確認した各ベンダー自身が公表している価格です。

• 入力 — Step 5 Preview は100万トークンあたり$1.00、Claude Sonnet 5.5 は100万トークンあたり$2.00

• 出力 — 100万トークンあたり$2.70 対 $10.00；両方の請求額を左右する行

• キャッシュ入力 — Step 5 Preview は一律95%の入力割引を明示しており、これによりキャッシュヒットは100万トークンあたり約$0.05となり、Claude Sonnet 5.5の$0.20のキャッシュ読み取りと対比されます

• キャッシュ書き込み — Claude Sonnet 5.5 は5分間のキャッシュ書き込みについて100万トークンあたり $2.50 を公表している。StepFun はキャッシュ書き込みの料金を一切公表していないため、比較のその半分は片側が空白となっている

• コンテキストウィンドウ — 両方のカードで100万トークン

• 最大出力 — Claude Sonnet 5.5 は 128,000 トークンと記載しています（ベータヘッダーの背後にある Message Batches API では 300,000）。StepFun は Step 5 Preview の出力上限を公表していません

• モダリティ — どちらもテキストと画像を受け取り、テキストのみを返す

• 推論制御 — Step 5 Preview は拡張思考を公開しているが、公表されたエフォート階層はない。Claude Sonnet 5.5 はエフォートのはしごを公開しており、その最高設定は、タスクあたりの自身のコストがまさに急騰するところにある

• 重み — Step 5 Preview の BF16 チェックポイントは 2026年10月15日 に公開すると約束されているが、まだ登場していない。Claude Sonnet 5.5 はプロプライエタリである

その表のうち2行は、見出し以上に重要な働きをしている。キャッシュの行では、安いカードがさらに安くなる。1ドルに対する95%割引はキャッシュ読み出し5セントであり、Anthropicは20セントだからだ。そして出力上限の行は逆方向に働く。一方のベンダーは自社の限界がどこにあるかを明かし、もう一方は100万トークンのウィンドウを宣伝しながら、そのうちどれだけを返せるのかは語らない。

12のポイントは実際どこから来たのか

以下の2つの数値はいずれもArtificial Analysisによるもので、Intelligence Index v4.3.2に基づいており、どちらもベンダーが用意した表ではなくモデル自身のページから読み取ったものです。

• Intelligence Index — Claude Sonnet 5.5 は 56 で 216 人中 3 位、Step 5 Preview は 44 で 200 人中 45 位。ボードが異なる時点でレンダリングされたためクラスサイズは異なるが、比較できるのはスコアの部分だ。

• インデックスタスクあたりのコスト — $7.60 対 $0.71。Anthropicの金額は、ボードが「Adaptive Reasoning, Max Effort, Default Fallback」とラベル付けしている構成に対するもので、これはそのモデル自身の段階の中でもっとも高価な側に位置します。

• インデックス実行中に生成された出力トークン — 410M 対 160M、ボード中央値は 88M。ボードの基準では、両モデルとも冗長である。一方は中央値の4倍超、もう一方は2倍弱だ。

• 出力速度 — Step 5 Preview は毎秒約100トークンで、平均70トークンに対して。執筆時点で Artificial Analysis は Claude Sonnet 5.5 の出力速度の数値を公表していなかったため、その行は勝利ではなく片側のみの比較となっている。

最初の2行を並べて見ると、意思決定の形が見えてくる。この2つのモデルには12インデックスポイントの差があり、同じ評価を実行するコストには10.5倍の差がある。ポイント差は実在する——ランキングの差によって、一方はボードが採点する上位3モデルに入り、もう一方は上位4分の1に入る——しかし、難しいエージェント的ワークロードでタスクあたり$7.60を支払うチームは、熟考に対して支払っているのであり、問うべきは自分たちのタスクにそれが必要かどうかだ。

ベンダーの比較表ではこれは無理だ、そしてこれがその証拠だ

両社とも Terminal-Bench 4.0 の数値を公表している。Anthropic の Sonnet 5.5 の発表では、同モデルについて 70.6% を主張しており、それが置き換えるモデルは 10.3% とされている。StepFun が自ら公表した Step 5 Preview の Terminal-Bench 4.0 の数値は 33.3% だ。どちらもベンダーが実施したもので、どちらも第三者によって再現されておらず、同じ名称のベンチマークで 37 ポイントの差がある。

その差は、一方のモデルが2倍優れている証拠ではない。それは、同名のハーネスを異なる構成、エージェントスキャフォールド、エフォート設定で実行している2つのラボが、互いに引き算できない数値を生み出しているという証拠だ。これはローンチ当日の比較につきまとう問題であり、本稿でラボ由来の行がすべてそのようにラベル付けされている理由でもある。第三者が両モデルを1つのハーネスで測定している場合は、それを使う。そうでない場合は、ベンダーの数値を意図についての主張として扱う。

Anthropic 自身が Sonnet 5.5 のローンチ時に出した移行メモは、この比較にも持ち込む価値があります。というのも、それはあなたが評価しているあらゆるプレビューエンドポイントに当てはまるからです。ベンダーのガイダンスは、エフォートレベルが Sonnet 5 と 5.5 の間で再調整されたため、チームは設定をそのまま持ち越すのではなく、エフォートスイープを再実行すべきだというものでした。同等の警告は、ここでは逆方向にも当てはまります。Step 5 Preview はプレビューであり、そのサービング構成はまだ流動的で、今週のエンドポイントに合わせて調整した設定は、あなたが所有する設定ではありません。

二人とも話しすぎるが、その度合いはそれぞれ違う。

冗長性は、料金表を請求書に変えてしまう行だ。Step 5 Preview は index スイートを完了するために1億6,000万の出力トークンを生成したが、ボードの中央値モデルは約9,200万トークンであり、中央値のおよそ1.7倍にあたる。Claude Sonnet 5.5 は4億1,000万トークンを生成し、これは中央値の約4.7倍である。

出力トークン100万あたり2.70ドルでは、Step 5 Preview の冗長さは小さな数値の大きな割合を占める。10.00ドルでは、Claude Sonnet 5.5 のそれは非常に大きな数値の大半を占める。どちらのモデルも簡潔ではなく、どちらのベンダーのマーケティングもそのようには説明していない。実用的な帰結は、自社のトラフィックでのタスクあたりトークン測定のほうが、料金表よりも実際のコスト差をよく示してくれるということだ。なぜなら料金表は、両モデルが同じ回答に対して同じ語数を書くと想定しているからだ。実際にはそうではない。

キャッシュ行を、実際のループで解き明かす

40,000トークンの安定したプレフィックス（システムプロンプトとリポジトリコンテキスト）を持つエージェントループが、30ターンにわたって毎ターン再送され、プレフィックスは1回だけ書き込まれて29回ヒットするとします。それはセッションあたり116万のキャッシュ済み入力トークンです。

• Claude Sonnet 5.5 — 1回の書き込みが100万トークンあたり$2.50、およそ$0.10、その後116万読み取りトークンが100万トークンあたり$0.20、およそ$0.23。新規の入力や出力を除けば、1セッションあたり合計およそ$0.33。

• Step 5 Preview — 読み取りは明記されている95%割引で、100万トークンあたり約$0.05、1セッションあたりおよそ$0.06です。書き込み側はコスト未算定です。StepFunがキャッシュ書き込み料金を公表していないためです。

実際に価格を算出できる行では、キャッシュされたトラフィックはAnthropicカードのほうが約5倍高く、注意点として、2つの書き込みレートのうち1つはまだ存在しない。これは両モデルが販売対象としているワークロードであり、だからこそこの行は、見出しの割引率が思わせる以上に重要なのである。

それぞれが実際に呼び出せる場所

Claude Sonnet 5.5 は当社のカタログに anthropic/claude-sonnet-5.5 として掲載されています。価格は Claude Sonnet 5.5 自体の $2.00 と $10.00、キャッシュ読み取り $0.20、コンテキストウィンドウは 1,000,000 トークン、最大出力は 128K — 定価を 0% のマークアップでそのまま通しているため、Anthropic の価格表が変われば当社の価格も同じ日に変わります。Step 5 Preview はそのカタログには含まれておらず、含まれているかのような示唆はいたしません。これは StepFun 自身の API 上で応答するものであり、約束されたチェックポイントが登場するまでは、それ以外のどこでも一切利用できません。

その非対称性には実用的な使い道がある。もし両方のモデルが自動フェイルオーバー付きの1つのキーの背後にあれば、ワークロードを一方から他方へ移すのはモデル文字列の変更だけで、それ以外の何も要らない——これこそ、入口を汎用のままにしておく正直な理由だ。現状では、比較は、既存のルートを通じて呼び出せるモデルと、別途つなぎ込まなければならないモデルの間で行われており、後者は提供用フリートがまだ構築中のプレビュー版だ。未実証のキャパシティを、すでに適格性が確認されたものへのフェイルオーバーを備えたルーターの背後に置くのは安上がりな保険であり、プライマリパスをプレビューエンドポイントへ直接向けるのはそうではない。

何がこの評決を変えるでしょうか

3つのこと、いずれも日付が特定できる。1つ目は、StepFunのBF16チェックポイントが予定される2026年10月15日だ。もしライセンスがファインチューニングを許し、重みが本物なら、12ポイントの差はモデルの固定した性質ではなくなり、チームが自前のデータで攻められるものになる——その時点で、10倍安いカードはもっとずっと興味深い出発点になる。チェックポイントが遅れるか、ライセンスが制限的なら、その差はボードが置いたその場所に正確にとどまる。

2つ目は、Anthropic自身のエフォート再調整の教訓がここで適用されるかどうかだ。Sonnet 5.5のSonnet 5に対するタスクごとの優位性は、低エフォートと中エフォートでは存在するが最大エフォートでは存在せず、最大では逆が当てはまる。Step 5 Previewの購入者でエフォートを一切スイープしない人は、デフォルト設定のモデルとデフォルト設定のモデルを比較していることになり、Anthropic側では、そこは安価で価値の高い作業が行われる場所ではない。

第三は、Anthropicの数値が測定される構成に匹敵する構成での、Step 5 Previewの適切な独立実行である。それが存在するまでは、44は横にラダーがない単一のスコア付き構成であり、56にはその下にエフォート曲線全体がある。この比較は書かれているとおり正直だが、まだ対称ではない。

15日ではなく今日決断するチームにとって：ワークロードが長いコンテキストで、キャッシュを多用し、頻繁に繰り返されるものであれば、このページの計算では安価なカードが桁違いに有利であり、能力の差は入場料である。ワークロードが難しく、短く、44と56の違いに気づく人間によって評価されるものであれば、高価なカードこそが仕事を仕上げるものである。どちらの答えも、両方の性質を持つワークロードに直面すると通用しない。そのためにルーターがあるのだ。

リスト価格を0%の上乗せでそのまま転嫁しているため、Anthropicの料金表が変われば、同じ日に当社の料金表も変わります。

自動フェイルオーバーは、ルーターにおいて、プレビューエンドポイントをプライマリパスとしてではなく、適格なフォールバックの背後で評価できるようにする仕組みです。