Step 5 Preview vs Claude Sonnet 5.5: twaalf indexpunten, tien keer de taakrekening

Step 5 Preview en Claude Sonnet 5.5 zijn de twee modellen die lezers deze maand echt tegen elkaar afwegen: een StepFun-preview van $1,00 / $2,70 per miljoen tokens die op 20 september 2026 opende, en de Claude Sonnet 5.5 van $2,00 / $10,00 die op 28 september verscheen. Op de onafhankelijke ranglijst liggen ze twaalf punten uit elkaar — 44 tegen 56 op de Artificial Analysis Intelligence Index v4.3.2 — en twaalf punten is een echt verschil. Het is ook niet het getal dat de rekening bepaalt. Het getal dat de rekening bepaalt, is de kostprijs per voltooide taak, en daar noteert dezelfde ranglijst $0,71 voor Step 5 Preview tegen $7,60 voor Claude Sonnet 5.5 bij maximale inspanning. Tien en een half keer het geld, voor twaalf punten. Bijna elke andere rij op de twee kaarten is een argument over met welke helft van die ruil je kunt leven.

De twee tariefkaarten, rij voor rij

Alles in dit gedeelte is de eigen gepubliceerde prijsstelling van elke leverancier, gelezen op 9 oktober 2026.

• Invoer — Step 5 Preview $1,00 per miljoen tokens vs Claude Sonnet 5.5 $2,00 per miljoen tokens

• Uitvoer — $2,70 vs $10,00 per miljoen tokens; de rij die beide rekeningen domineert

• Gecachte input — Step 5 Preview vermeldt een vaste korting van 95% op de input, waardoor een cache-hit op ongeveer $0,05 per miljoen tokens uitkomt, tegenover een cache-read van $0,20 bij Claude Sonnet 5.5

• Cacheschrijfactie — Claude Sonnet 5.5 publiceert $2,50 per miljoen tokens voor een cacheschrijfactie van vijf minuten; StepFun heeft helemaal geen tarief voor cacheschrijfacties gepubliceerd, dus die helft van de vergelijking is aan één kant leeg

• Contextvenster — 1M tokens op beide kaarten

• Maximale uitvoer — Claude Sonnet 5.5 documenteert 128.000 tokens (en 300.000 op de Message Batches API achter een bèta-header); StepFun heeft geen uitvoerplafond gepubliceerd voor Step 5 Preview

• Modaliteit — beide accepteren tekst en afbeeldingen en retourneren alleen tekst

• Redeneerbeheer — Step 5 Preview biedt uitgebreid denkvermogen zonder gepubliceerde inspanningsniveaus; Claude Sonnet 5.5 biedt een inspanningsladder waarvan de hoogste instellingen precies daar liggen waar de eigen kosten per taak exploderen

• Gewichten — Het BF16-checkpoint van Step 5 Preview is toegezegd voor 15 oktober 2026 en is nog niet verschenen; Claude Sonnet 5.5 is propriëtair

Twee van die rijen doen meer werk dan de kop. De cache-rij is waar de goedkope kaart nog goedkoper wordt, want een korting van 95% op een dollar is een cache-read van vijf cent en die van Anthropic is twintig cent. En de rij met het outputplafond gaat de andere kant op: de ene leverancier vertelt je waar zijn grens ligt, de andere adverteert met een venster van een miljoen tokens zonder te zeggen hoeveel daarvan er weer uit kan komen.

Waar de twaalf punten echt vandaan komen

Beide onderstaande cijfers zijn van Artificial Analysis, op Intelligence Index v4.3.2, en beide zijn afgelezen van de eigen pagina van het model in plaats van uit een leverancierstabel.

• Intelligence Index — Claude Sonnet 5.5 56, gerangschikt op #3 van 216 tegenover Step 5 Preview 44, gerangschikt op #45 van 200. Twee verschillende groepsgroottes omdat de ranglijsten op verschillende momenten zijn gegenereerd; de scores zijn het deel dat je kunt vergelijken.

• Kosten per indextaak — $7,60 vs $0,71. Het cijfer van Anthropic is voor de configuratie die het bestuur labelt als "Adaptive Reasoning, Max Effort, Default Fallback", het dure einde van de eigen ladder van dat model.

• Outputtokens gegenereerd tijdens de index-run — 410M vs 160M, tegenover een mediaan van 88M op het leaderboard. Beide modellen zijn breedsprakig volgens de maatstaf van het leaderboard. Het ene is meer dan vier keer de mediaan, het andere nog niet twee keer zoveel.

• Uitvoersnelheid — Step 5 Preview leest ongeveer 100 tokens per seconde tegenover een gemiddelde van 70. Artificial Analysis had ten tijde van het schrijven nog geen cijfer voor de uitvoersnelheid van Claude Sonnet 5.5 gepubliceerd, dus die rij is eenzijdig in plaats van gewonnen.

Zet de eerste twee rijen naast elkaar en de vorm van de beslissing wordt zichtbaar. Twaalf indexpunten scheiden deze modellen; een factor tien en een half scheidt wat het kost om dezelfde evaluatie te draaien. De punten zijn reëel — het verschil in rangorde plaatst het ene model in de top drie van de modellen die het bestuur beoordeelt en het andere in het bovenste kwart — maar een team dat $ 7,60 per taak betaalt voor een zware agentische workload, betaalt voor beraad, en de vraag is of hun taken dat nodig hebben.

Leverancierstabellen zullen dit niet beslechten, en hier is het bewijs

Beide labs publiceren een Terminal-Bench 4.0-cijfer. Anthropics aankondiging van Sonnet 5.5 claimt 70,6% daarvoor, tegenover 10,3% voor het model dat het vervangt. StepFuns eigen gepubliceerde Terminal-Bench 4.0-cijfer voor Step 5 Preview is 33,3%. Beide zijn door de leverancier uitgevoerd, geen van beide is door een derde partij gereproduceerd, en ze liggen 37 punten uit elkaar op een benchmark met dezelfde naam.

Die kloof is geen bewijs dat het ene model twee keer zo goed is. Het is bewijs dat twee labs die een gelijknamige harness op verschillende configuraties, agent-scaffolds en effort-instellingen draaien, getallen produceren die niet van elkaar afgetrokken kunnen worden. Dit is het terugkerende probleem bij vergelijkingen op de lanceerdag, en het is de reden dat elke rij in dit stuk die van een lab afkomstig is, als zodanig wordt gelabeld. Waar een derde partij beide modellen op één harness heeft gemeten, gebruik dat. Waar dat niet is gebeurd, behandel het leverancierscijfer als een bewering over een intentie.

Anthropics eigen migratienota bij de lancering van Sonnet 5.5 is het waard om in deze vergelijking mee te nemen, want die geldt voor elke preview-endpoint die je evalueert. De richtlijn van de leverancier was dat effortniveaus opnieuw werden gekalibreerd tussen Sonnet 5 en 5.5 en dat teams hun effort-sweep opnieuw moesten uitvoeren in plaats van een instelling over te nemen. De equivalente waarschuwing geldt hier in omgekeerde richting: Step 5 Preview is een preview, de configuratie waarmee het wordt geserveerd is nog in beweging, en een instelling die op de endpoint van deze week is afgestemd, is geen instelling die je bezit.

Ze praten allebei te veel, in verschillende mate.

Verbositeit is de rij die van een tariefkaart een factuur maakt. Stap 5 Preview genereerde 160 miljoen outputtokens om de indexsuite te voltooien, terwijl het mediane model op het bord ongeveer 92 miljoen genereert — ongeveer 1,7 keer de mediaan. Claude Sonnet 5.5 genereerde 410 miljoen, of ongeveer 4,7 keer de mediaan.

Bij $2,70 per miljoen outputtokens vormt de uitvoerigheid van Step 5 Preview een groot deel van een klein getal. Bij $10,00 is die van Claude Sonnet 5.5 het grootste deel van een heel groot getal. Geen van beide modellen is beknopt, en de marketing van geen van beide leveranciers beschrijft het zo. De praktische consequentie is dat een meting van tokens per taak op je eigen verkeer je meer vertelt over het werkelijke kostenverschil dan de tariefkaarten doen, omdat de tariefkaarten ervan uitgaan dat beide modellen hetzelfde aantal woorden schrijven voor hetzelfde antwoord. Dat doen ze niet.

De cacheregel, uitgewerkt op een echte lus

Neem een agentloop met een stabiele prefix van 40.000 tokens — een systeemprompt plus repositorycontext — die bij elke beurt opnieuw wordt verzonden, dertig beurten lang, waarbij de prefix één keer wordt geschreven en negenentwintig keer wordt geraakt. Dat is 1,16 miljoen gecachte invoertokens per sessie.

• Claude Sonnet 5.5 — één schrijfactie tegen $2,50 per miljoen tokens, ongeveer $0,10, daarna 1,16 mln. leestokens tegen $0,20 per miljoen, ongeveer $0,23. Totaal ongeveer $0,33 per sessie, vóór eventuele nieuwe invoer of uitvoer.

• Step 5 Preview — leesbewerkingen tegen de vermelde korting van 95%, dus ongeveer $0,05 per miljoen en ruwweg $0,06 per sessie. De schrijfhelft is niet gerekend, omdat StepFun geen tarief voor cache-schrijfacties heeft gepubliceerd.

Voor de rijen die we daadwerkelijk kunnen prijzen, kost het cacheverkeer op de Anthropic-kaart ongeveer vijf keer zoveel, en de kanttekening is dat een van de twee schrijftarieven nog niet bestaat. Dit is de workload waarvoor beide modellen worden verkocht, en daarom doet de rij er meer toe dan de opvallende kortingspercentages doen lijken.

Waar elk ervan daadwerkelijk kan worden aangeroepen

Claude Sonnet 5.5 staat in onze catalogus als anthropic/claude-sonnet-5.5, tegen Claude Sonnet 5.5's eigen $2,00 en $10,00 met een cache-read van $0,20, een contextvenster van 1.000.000 tokens en maximaal 128K output — de listprijs wordt tegen 0% markup doorgegeven, dus een wijziging op de kaart van Anthropic is dezelfde dag ook een wijziging op de onze. Step 5 Preview staat niet in die catalogus, en dat willen we ook niet suggereren: het antwoordt op StepFun's eigen API en, tot de beloofde checkpoint er is, helemaal nergens anders.

Die asymmetrie heeft een praktisch nut. Als beide modellen achter één sleutel met automatische failover zaten, zou het verplaatsen van een workload van het ene naar het andere niets meer zijn dan een wijziging van de model-string — en dat is de eerlijke reden om de deur generiek te houden. Zoals het er nu voorstaat, is de vergelijking tussen een model dat je via je bestaande route kunt aanroepen en een model dat je apart moet aansluiten, en de tweede is een preview waarvan de vloot die de service draait nog wordt gebouwd. Onbewezen capaciteit achter een router zetten met failover naar iets dat al gekwalificeerd is, is de goedkope verzekering; een primair pad dat rechtstreeks naar een preview-endpoint wijst, is dat niet.

Wat zou deze uitspraak veranderen?

Drie dingen, allemaal dateerbaar. Het eerste is 15 oktober 2026, wanneer StepFun's BF16-checkpoint verwacht wordt. Als de licentie fine-tuning toestaat en de gewichten echt zijn, is de kloof van twaalf punten niet langer een vaste eigenschap van het model en wordt het iets wat een team op zijn eigen data kan aanpakken — op welk moment de tien keer goedkopere kaart een veel interessanter startpunt wordt. Als het checkpoint vertraagd raakt of de licentie beperkend is, blijft de kloof precies waar het scorebord hem heeft geplaatst.

Het tweede is of Anthropics eigen les over herkalibratie van effort hier wordt toegepast. Het voordeel per taak van Sonnet 5.5 ten opzichte van Sonnet 5 bestaat bij lage en gemiddelde effort, niet bij maximale effort, en bij max geldt het omgekeerde. Een koper van Step 5 Preview die nooit effort-niveaus doorloopt, vergelijkt een model op zijn standaardinstelling met een model op zijn standaardinstelling, wat aan de kant van Anthropic niet is waar het goedkope, hoogwaardige werk gebeurt.

De derde is een echte onafhankelijke run van Step 5 Preview bij een configuratie die vergelijkbaar is met die waarop Anthropic's cijfer wordt gemeten. Zolang die niet bestaat, is de 44 één enkele gescoorde configuratie zonder ladder ernaast, en onder de 56 ligt een volledige inspanningscurve. De vergelijking is eerlijk zoals ze er staat; ze is nog niet symmetrisch.

Voor een team dat vandaag beslist in plaats van op de 15e: als de workload een lange context heeft, cache-intensief is en zich vaak herhaalt, geeft de rekensom op deze pagina de goedkope kaart een voorsprong van een orde van grootte, en is het vermogensverschil de toegangsprijs. Als de workload moeilijk en kort is en wordt beoordeeld door een mens die het verschil tussen 44 en 56 zal opmerken, is de dure kaart degene die de klus klaart. Geen van beide antwoorden overleeft de confrontatie met een workload die beide eigenschappen heeft, en dat is precies waar een router voor dient.

lijstprijs doorgegeven tegen 0% opslag, dus een wijziging op de kaart van Anthropic is dezelfde dag een wijziging op de onze.

Automatische failover op een router zorgt ervoor dat een preview-endpoint achter een gekwalificeerde fallback wordt geëvalueerd in plaats van als het primaire pad.