Claude Sonnet 5.5 Extra: plotka o routingu oparta na słowie, którego Anthropic już używa

5 listopada 2026 r. o 12:44 po południu konto publikujące na X jako @chetaslua zamieściło w jednym wierszu twierdzenie: „Sonnet 5.5 Extra wygląda na routowanie do następnego modelu Claude”. Oba testy przeprowadzono na konfiguracji, którą post oznacza jako „Sonnet 5.5 Extra”, a która odpowiada Claude Sonnet 5.5 z podniesionym ustawieniem effort. W pierwszym modelowi zadano pytanie — przy wyłączonym przeglądaniu — dokąd w 2026 r. przeszedł Andrej Karpathy, a on odpowiedział, że w maju 2026 r. dołączył do Anthropic do zespołu pretreningowego. W drugim poproszono go o „pelikana jadącego na rowerze, tak realistycznego, jak tylko można, wyłącznie za pomocą kodu”, a model zwrócił — według własnego obliczenia autora posta — 26 599 elementów SVG, 6,5 tys. pociągnięć piór, zero obrazów, zero data URI, zero skryptów i 1860 linii Pythona, co według autora posta „odtwarza bajt po bajcie”.

Najbardziej użyteczną rzeczą, którą należy powiedzieć na początku, jest ta nieefektowna. Claude Sonnet 5.5 nie jest niewydanym modelem — został udostępniony 28 września 2026 r. w cenie 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych, a Amazon Bedrock dokumentuje ten sam model pod identyfikatorem anthropic.claude-sonnet-5-5. Także „Extra" nie jest nową nazwą. To słowo z własnego centrum pomocy Anthropic określające drugie najwyższe ustawienie rozumowania, „Extra high (xhigh)", które API zapisuje jako xhigh, a selektor modelu wyświetla jako Extra high. Pozycja w selektorze o treści „Sonnet 5.5 — Extra high" to model plus poziom wysiłku, a obie części tego ciągu już istnieją w publicznej dokumentacji.

Żadne z tego nie czyni autora posta w błędzie. Czyni jego tezę nieudowodnioną i zawęża to, co mogłoby ją udowodnić. Anthropic niczego nie potwierdziło, żaden identyfikator modelu nie pojawił się na żadnej publicznej liście modeli, a ujęcie w ramy przecieku jest właściwe: to właśnie mówi twierdzenie, co można sprawdzić dziś i co czytelnik powinien z tym zrobić. Przydatna wersja tej historii nie brzmi: „testowany jest nowy Claude”. Polega ona na tym, że trzy przedstawione tu dowody mają trzy konkretne tryby awarii, a każdy z nich można przetestować.

Co właściwie ustala odpowiedź Karpathy’ego

Pierwszy test jest odczytywany jako odcisk palca. Jest bliższy kalendarzowi.

Karpathy ogłosił na X 19 maja 2026 r., że dołączył do Anthropic — „Dołączyłem do Anthropic... cieszę się, że mogę dołączyć do tutejszego zespołu i wrócić do prac badawczo-rozwojowych” — a TechCrunch, Fortune i NY Post poinformowały o tym tego samego dnia, ze szczegółem, że trafił do zespołu pretreningu pod Nickiem Josephem. To fakt obecny w każdym indeksie wiadomości, a model, który odpowiada na to poprawnie przy wyłączonym przeglądaniu, pokazał dokładnie jedną rzecz: jego dane treningowe sięgają po połowie maja 2026 r.

Claude Sonnet 5.5 ukazał się 28 września 2026 r. Informacja o zatrudnieniu, która była globalną wiadomością cztery miesiące przed premierą modelu, jest faktem, który trafia do danych treningowych modelu, więc to, że model przechodzi tę sondę, jest wynikiem oczekiwanym, a nie zaskakującym. Sonda nie potrafi też odróżnić Sonnet 5.5 od Claude Opus 5.5, od Claude Haiku 5.5 ani od żadnego innego checkpointu Claude wydanego po maju. Test, który przechodzi każdy kandydat, nie identyfikuje żadnego z nich.

Ma to znaczenie dla tego, jak należy oceniać to twierdzenie. Wątek odpowiedzi pod postem zawiera ciekawszą połowę dowodów i jest sprzeczny: jedna odpowiedź pyta „masz na myśli sonnet 5.6?”, a inna mówi „to też fable 5.5, od tygodni kieruje użytkowników”. Dwie osoby, interpretując to samo zachowanie, dochodzą do dwóch różnych niezapowiedzianych modeli i żadna nie potrafi podać identyfikatora API. Tak wygląda niejednoznaczna etykieta, gdy społeczność próbuje ją zinterpretować.

26 599 elementów SVG to liczba iteracji pętli

Liczba pelikana robi wrażenie, dopóki nie zauważysz, co właściwie liczy. Element SVG to znacznik. Skrypt w Pythonie, który w pętli umieszcza pióra, może wygenerować ich czterdzieści tysięcy, choć model nigdy nie rozumował o pelikanie — i dokładnie to opisuje plakat: 1860 linii Pythona generujących elementy, a nie 26 599 elementów napisanych ręcznie. Ta liczba mierzy ambicję generatora, nie wierność rysunku.

„Zero obrazów, zero data URI, zero skryptów” to statystyka tego samego rodzaju. Potwierdza, że wynik jest czystym rysunkiem wektorowym, a nie bitmapą przemyconą do pliku. Nie mówi nic o tym, czy ptak wygląda jak ptak. Jeśli chcesz ocenić rysunek, oceń rysunek — załączony przez autora posta film trwa 19 sekund i to jest artefakt, na który warto spojrzeć.

Jest też szczegół dotyczący kolejności, wart poznania, zanim trafi to do akt jako nowe zdarzenie dotyczące możliwości. 22 października 2026 r. to samo konto opublikowało zrzut ekranu „tajemniczego modelu na code arena” z promptem „zakoduj SVG pelikana jadącego na rowerze tak szczegółowo, jak potrafisz”, co przyciągnęło około 63 000 wyświetleń. Prompt z pelikanem to stały detektor routingu tego konta, uruchamiany wielokrotnie. Dwa wyniki z tego samego detektora w odstępie trzech tygodni nie są niezależnymi obserwacjami.

Test pelikana został wycofany przez ludzi, którzy go rozsławili.

Simon Willison 25 października 2024 r. wprowadził polecenie „Wygeneruj SVG pelikana jadącego na rowerze”, wychodząc z założenia, że żaden taki SVG nie mógł prawdopodobnie istnieć w danych treningowych, więc każdy model musiał faktycznie spróbować je wykonać. Stało się to półformalnym benchmarkiem: do czerwca 2025 r. Willison zebrał 34 pelikany i 560 ocen parami.

Następnie Andrej Karpathy, ta sama osoba, której lokalizacja jest przedmiotem pierwszego testu, uznał go za martwy. Na początku sierpnia 2026 r. dał Claude’owi Opus 5 początkowy akapit Władcy Pierścieni z budżetem około miliona tokenów i około 10 dolarów, po czym pozwolił mu działać autonomicznie przez dwie godziny; wygenerował około 5500 linii Three.js, które proceduralnie zbudowały interaktywne Shire w stylu low-poly, „trochę koślawe, ale zabawne”. Jego argument był taki, że test pelikana utracił moc rozróżniającą: modele frontier już go przechodzą, więc nie odróżnia ich już.

Post z 5 listopada używa więc detektora, którego własny twórca wycofał cztery miesiące wcześniej, na rodzinie modeli, która już przeszła tę kontrolę. To nie czyni wyniku złym. Czyni go niediagnostycznym — a to jedyna właściwość, jakiej potrzebuje test routingu.

„Extra” to udokumentowany poziom wysiłku, a nie nazwa modelu

Oto część, którą można sprawdzić w około dziewięćdziesiąt sekund w witrynie pomocy Anthropic. Strona centrum pomocy dotycząca zmiany modelu, poziomu wysiłku i ustawień myślenia wymienia pięć poziomów: Low, Medium, High, „Extra high (xhigh)” i Max. Jej własne objaśnienie poziomu Extra high mówi, że jest on „zaprojektowany do długotrwałych zadań programistycznych i agentowych, oferując głębsze rozumowanie niż High bez pełnego kosztu tokenów poziomu Max”, i dodaje, że poziom ten jest „dostępny w modelach Opus 4.7 i nowszych”. Parametr API zapisuje się jako xhigh; selektor rozwija go słownie.

Claude Sonnet 5.5 ma wszystkie pięć poziomów — low, medium, high, xhigh i max — z myśleniem zawsze włączonym i bez możliwości jego wyłączenia. Jego ustawienie domyślne nie jest takie samo w każdym środowisku — Claude API i Claude Code niekoniecznie domyślnie trafiają na ten sam poziom. Jeśli nic nie ustawisz, możesz już korzystać z innej konfiguracji w zależności od tego, skąd wywołujesz model. Tak więc użytkownik, który otwiera selektor modeli, widzi domyślną pozycję Sonnet 5.5 i przełącza poziom wysiłku na Extra high, tworzy etykietę brzmiącą dokładnie jak „Sonnet 5.5 Extra” — mimo że uruchamia model powszechnie dostępny od trzydziestu dziewięciu dni.

To, co effort robi z rachunkiem, jest tą częścią, którą warto sobie przyswoić, ponieważ prawdopodobnie stąd bierze się wrażenie „następnego modelu”. Cena za token nie zmienia się wraz z effort: 2 USD na wejściu, 10 USD na wyjściu, 0,20 USD za odczyty z cache — na każdym poziomie. Liczba tokenów na zadanie zmienia się ogromnie. Artificial Analysis przeprowadziło pełny zestaw testów w dniu premiery na swoim indeksie pre-v5 i uzyskało taką drabinkę:

• Niski — indeks 36 po 0,41 USD za zadanie

• Średni — indeks 41 po 0,59 USD za zadanie

• Wysoki — indeks 47 po 1,08 USD za zadanie

• Bardzo wysoki (xhigh) — indeks 52 przy $2.74 za zadanie

• Max — indeks 56 po $7.60 za zadanie

Odczytuj to jako krzywą wydatków, a nie krzywą możliwości. Przejście z poziomu high na Extra high więcej niż podwaja koszt ukończonego zadania za pięć punktów indeksu — ten sam model, myślący dłużej. Użytkownik, który przełączy ten przełącznik, a następnie zobaczy, że wynik staje się wyraźnie bardziej rozbudowany, opisałby to jako „inny model”. To te same wagi, którym dano więcej przestrzeni.

Obecny odczyt na żywo jest niższy i mierzony inaczej, więc tych dwóch nie wolno mieszać. Artificial Analysis przebudowało swój indeks do wersji v5.0 27 października 2026 r., zastępując dziewięć ocen składowych i przypisując 60% wagi zbiorom prywatnym lub wydzielonym. W wersji v5.0.1 ten sam Claude Sonnet 5.5 osiąga 55 przy maksymalnym wysiłku, 155 tokenów na sekundę, 10,02 USD na zadanie indeksowe, wygenerowawszy 335 milionów tokenów wyjściowych w całym przebiegu wobec mediany 72,6 miliona. Liczba 56 powyżej to wartość sprzed wersji v5. Odejmowanie jednej od drugiej nie ma sensu.

Wskaźnik gadatliwości jest tym, który przetrwa oba kryteria: około 4,6 razy większa objętość wyjściowa niż mediana w identycznym zestawie zadań. To właśnie zyskuje się dzięki wysiłkowi „Extra” i tyle on kosztuje, a to znacznie bardziej prawdopodobne wyjaśnienie zaskakującego demo niż cicha podmiana modelu.

Co by to właściwie rozstrzygnęło

To twierdzenie jest falsyfikowalne, czego nie można powiedzieć o większości plotek dotyczących przecieków. W przybliżonej kolejności od najmocniejszego:

• Wpis w selektorze modeli, którego nazwa nie występuje na publicznej liście modeli Anthropic — ciąg znaków, a nie zrzut ekranu zachowania.

• Treść odpowiedzi, której pole model wskazuje coś innego niż udokumentowany identyfikator. Każda odpowiedź Claude API odzwierciedla model, który ją obsłużył; cicha podmiana, która przetrwa to pole, to inna, większa historia.

• Wpis w changelogu z datą, karta modelu Bedrock lub Vertex albo udokumentowany limit kontekstu lub danych wyjściowych, który różni się od limitu Claude Sonnet 5.5 wynoszącego 1M na wejściu i 128K na wyjściu.

• Skrypt generatora odpowiadający za pelican, uruchomiony dwukrotnie na dwóch nazwanych konfiguracjach, z porównaniem wyników. Plakat twierdzi, że odtwarza bajt po bajcie; to twierdzenie, które mogłyby rozstrzygnąć dwa uruchomienia.

Dopóki jedno z nich nie ujrzy światła dziennego, uczciwa interpretacja jest taka, że pewien poziom wysiłku wygenerował bardziej imponujący rysunek, a społeczność odczytała to jako nowe wydanie. Anthropic nie opublikował na ten temat niczego, a sam post nie podaje nazwy, którą mógłby poprzeć identyfikatorem — twierdzi, że zachowanie „wygląda na” routing. To opis wrażenia.

Prawdziwym problemem jest ciche routowanie — i można je naprawić.

Odsuńmy na bok nazwę modelu, a pod spodem kryje się uzasadniony niepokój: jeśli dostawca może obsłużyć żądanie pod jedną etykietą, uruchamiając coś innego, każdy przeprowadzany benchmark i każde szacowanie kosztów mierzą ruchomy cel. Odpowiedzią nie jest lepszy folklor. Jest nią przypinanie.

W OrcaRouter, Claude Sonnet 5.5 jest jedną trasą spośród ponad 200 modeli na jednym kluczu, po cenie katalogowej dostawcy z narzutem 0% — więc powyższe 2 USD i 10 USD to kwoty, które faktycznie płacisz, a zmiana ceny przez dostawcę jest u nas widoczna tego samego dnia. W żądaniu podajesz dokładny model; przełączenie awaryjne przenosi Cię do innego dostawcy tylko wtedy, gdy któryś zwróci błąd, i informuje Cię o tym, zamiast po cichu podstawiać inny model. Jeśli chcesz rzetelnie przetestować hipotezę z tego wpisu, nie potrzebujesz zrzutu ekranu: skieruj ten sam prompt do Sonnet 5.5 na poziomie high i Extra high, oznacz obie trasy i sam porównaj wyniki oraz liczby tokenów. To kontrolowany eksperyment. Kosztuje grosze i daje liczbę zamiast wrażenia.

Gdyby pojawił się naprawdę niezapowiedziany model, wychwyci go ta sama dyscyplina — przypięty identyfikator, który nagle przestaje pasować do pola modelu, a nie pelikan, który wygląda lepiej niż ten z zeszłego miesiąca.

Co zrobić, zanim cokolwiek przebudujesz

Jeszcze nic. Twierdzenie ma zaledwie jeden dzień, pochodzi z jednego źródła, a jego najmocniejszym dowodem jest udokumentowany poziom wysiłku. Nie migruj potoku przetwarzania, nie przeprowadzaj ponownego benchmarku modelu ani nie pisz wpisu o premierze na tej podstawie.

To, co możesz zrobić w tym tygodniu, jest tanie i przydatne tak czy inaczej. Sprawdź, na jakim poziomie wysiłku faktycznie działają Twoje własne wywołania, ponieważ wartości domyślne różnią się w zależności od interfejsu i prawie nikt nie ustawia go jawnie. Obserwuj koszt na ukończone zadanie, a nie cenę za token, ponieważ to jest liczba, którą Extra high podwaja. A jeśli porównujesz modele, przypnij ID i rejestruj pole modelu w każdej odpowiedzi — jedyne twierdzenie o routingu, które ma znaczenie, to takie, które potwierdzają Twoje własne logi.

Otwarte pytanie nie brzmi, czy Claude Sonnet 5.5 Extra istnieje. Brzmi ono, czy ktokolwiek wygeneruje dla niego identyfikator przed następnym pelikanem.