Step 5 Preview kontra Claude Sonnet 5.5: dwanaście punktów indeksu, dziesięć razy wyższy rachunek za zadanie

Step 5 Preview i Claude Sonnet 5.5 to dwa modele, które czytelnicy w tym miesiącu rzeczywiście porównują ze sobą: StepFun w wersji zapoznawczej za 1,00 / 2,70 USD za milion tokenów, udostępniony 20 września 2026 r., oraz Claude Sonnet 5.5 za 2,00 / 10,00 USD, wydany 28 września. Na niezależnej tablicy dzieli je dwanaście punktów — 44 przeciwko 56 w Artificial Analysis Intelligence Index v4.3.2 — a dwanaście punktów to realna różnica. To także nie jest liczba, która decyduje o rachunku. Liczbą, która decyduje o rachunku, jest koszt na ukończone zadanie, a tam ta sama tablica wskazuje 0,71 USD dla Step 5 Preview w porównaniu z 7,60 USD dla Claude Sonnet 5.5 przy maksymalnym wysiłku. Dziesięć i pół razy więcej pieniędzy za dwanaście punktów. Prawie każdy inny wiersz na obu kartach to argument o to, z którą połową tego kompromisu możesz żyć.

Dwie karty stawek, wiersz po wierszu

Wszystko w tej sekcji to własne publikowane cenniki każdego dostawcy, odczytane 9 października 2026 r.

• Wejście — Step 5 Preview 1,00 USD za milion tokenów vs Claude Sonnet 5.5 2,00 USD za milion tokenów

• Dane wyjściowe — 2,70 USD vs 10,00 USD za milion tokenów; wiersz, który dominuje w obu rachunkach

• Wejście z pamięci podręcznej — Step 5 Preview podaje stały 95% rabat na wejście, co sprawia, że trafienie w pamięć podręczną kosztuje około 0,05 USD za milion tokenów, w porównaniu z 0,20 USD za odczyt z pamięci podręcznej w Claude Sonnet 5.5

• Zapis do pamięci podręcznej — Claude Sonnet 5.5 podaje 2,50 USD za milion tokenów za pięciominutowy zapis do pamięci podręcznej; StepFun nie opublikował żadnej stawki za zapis do pamięci podręcznej, więc ta połowa porównania jest pusta po jednej stronie

• Okno kontekstu — 1 mln tokenów na obu kartach

• Maksymalna liczba tokenów wyjściowych — Claude Sonnet 5.5 dokumentuje 128 000 tokenów (a 300 000 w Message Batches API po ustawieniu nagłówka beta); StepFun nie opublikował żadnego limitu wyjściowego dla Step 5 Preview

• Modalność — oba przyjmują tekst i obrazy, a zwracają wyłącznie tekst

• Kontrola rozumowania — Step 5 Preview udostępnia rozszerzone myślenie bez opublikowanych poziomów wysiłku; Claude Sonnet 5.5 udostępnia drabinę wysiłku, której najwyższe ustawienia są dokładnie tam, gdzie jego własny koszt na zadanie gwałtownie rośnie

• Wagi — checkpoint BF16 w Step 5 Preview jest obiecany na 15 października 2026 r. i wciąż się nie pojawił; Claude Sonnet 5.5 jest własnościowy

Dwa z tych wierszy robią więcej niż nagłówek. Wiersz pamięci podręcznej sprawia, że tania karta staje się jeszcze tańsza, bo 95% zniżki od dolara to pięciocentowy odczyt z pamięci podręcznej, a Anthropic ma dwadzieścia centów. A wiersz pułapu wyjściowego działa w drugą stronę: jeden dostawca mówi, gdzie jest jego granica, a drugi reklamuje okno miliona tokenów, nie mówiąc, ile z niego może wrócić.

Skąd tak naprawdę pochodzi dwanaście punktów

Obie poniższe liczby pochodzą od Artificial Analysis, opierają się na Intelligence Index v4.3.2 i obie odczytano z własnej strony modelu, a nie z tabeli dostawcy.

• Indeks Inteligencji — Claude Sonnet 5.5: 56, miejsce #3 z 216 vs Step 5 Preview: 44, miejsce #45 z 200. Dwie różne liczebności grup, ponieważ rankingi zostały wygenerowane w różnych momentach; porównywalne są wyniki.

• Koszt na zadanie indeksowania — 7,60 USD vs 0,71 USD. Wartość podana przez Anthropic dotyczy konfiguracji, której tablica przypisuje etykietę „Adaptive Reasoning, Max Effort, Default Fallback”, czyli najdroższego skraju własnej hierarchii tego modelu.

• Tokeny wyjściowe wygenerowane podczas przebiegu indeksu — 410M vs 160M, wobec mediany rankingu wynoszącej 88M. Oba modele są gadatliwe według miary rankingu. Jeden to ponad czterokrotność mediany, drugi niecałe dwukrotność.

• Szybkość generowania — Step 5 Preview osiąga około 100 tokenów na sekundę w porównaniu ze średnią 70. Artificial Analysis nie opublikował w momencie pisania danych dotyczących szybkości generowania dla Claude Sonnet 5.5, więc ten wiersz jest jednostronny, a nie wygrany.

Zestaw dwa pierwsze wiersze razem, a kształt decyzji się wyłoni. Dwanaście punktów indeksu dzieli te modele; współczynnik dziesięć i pół dzieli koszt przeprowadzenia tej samej ewaluacji. Te punkty są realne — luka w rankingu plasuje jeden z nich w pierwszej trójce modeli ocenianych przez board, a drugi w najlepszej ćwiartce — ale zespół płacący 7,60 USD za zadanie przy trudnym obciążeniu agentowym płaci za namysł, a pytanie brzmi, czy jego zadania tego potrzebują.

Tabele dostawców tego nie rozstrzygną, a oto dowód

Oba laboratoria publikują wynik Terminal-Bench 4.0. W ogłoszeniu Anthropic o Sonnet 5.5 podano dla niego 70,6% w porównaniu z 10,3% dla modelu, który zastępuje. Opublikowany przez StepFun wynik Terminal-Bench 4.0 dla Step 5 Preview to 33,3%. Oba zostały przeprowadzone przez dostawców, żadnego nie odtworzyła żadna strona trzecia, a różnią się o 37 punktów na benchmarku o tej samej nazwie.

Ta różnica nie jest dowodem, że jeden model jest dwa razy lepszy. Jest dowodem, że dwa laboratoria uruchamiające zestaw testowy o tej samej nazwie na różnych konfiguracjach, szkieletach agentów i ustawieniach wysiłku generują liczby, których nie można odjąć od siebie. To powracający problem przy porównaniach w dniu premiery i dlatego każdy wiersz w tym tekście, który pochodzi od laboratorium, jest tak oznaczony. Tam, gdzie strona trzecia zmierzyła oba modele na jednym zestawie testowym, użyj tego. A tam, gdzie tego nie zrobiła, traktuj liczbę podaną przez dostawcę jako deklarację zamiaru.

Własna nota migracyjna Anthropic z premiery Sonnet 5.5 jest warta uwzględnienia w tym porównaniu, ponieważ dotyczy każdego punktu końcowego w wersji zapoznawczej, który oceniasz. Wskazówka dostawcy była taka, że poziomy wysiłku zostały ponownie skalibrowane między Sonnet 5 a 5.5 oraz że zespoły powinny ponownie przeprowadzić przegląd poziomów wysiłku, zamiast przenosić ustawienie. Równoważne ostrzeżenie ma tu zastosowanie w drugą stronę: Step 5 Preview to wersja zapoznawcza, jego konfiguracja obsługi wciąż się zmienia, a ustawienie dostrojone względem punktu końcowego z tego tygodnia nie jest ustawieniem, które posiadasz.

Oboje mówią za dużo, w różnym stopniu.

Gadatliwość to wiersz, który zamienia cennik w fakturę. Step 5 Preview wygenerował 160 milionów tokenów wyjściowych, aby ukończyć zestaw indeksów, podczas gdy model medianowy w rankingu generuje około 92 milionów — około 1,7 razy tyle, ile mediana. Claude Sonnet 5.5 wygenerował 410 milionów, czyli około 4,7 razy tyle, ile mediana.

Przy 2,70 USD za milion tokenów wyjściowych rozwlekłość modelu Step 5 Preview to duża część małej liczby. Przy 10,00 USD rozwlekłość modelu Claude Sonnet 5.5 to większość bardzo dużej liczby. Żaden z modeli nie jest zwięzły, a marketing żadnego z dostawców nie opisuje tego w ten sposób. Praktyczna konsekwencja jest taka, że pomiar liczby tokenów na zadanie na własnym ruchu powie ci więcej o rzeczywistej różnicy kosztów niż cenniki, ponieważ cenniki zakładają, że oba modele piszą tę samą liczbę słów dla tej samej odpowiedzi. A tak nie jest.

Wiersz pamięci podręcznej, rozpracowany na rzeczywistej pętli

Rozważ pętlę agenta ze stabilnym prefiksem o rozmiarze 40 000 tokenów — prompt systemowy plus kontekst repozytorium — wysyłanym ponownie w każdej turze przez trzydzieści tur, przy czym prefiks jest zapisywany raz i trafiany dwadzieścia dziewięć razy. To 1,16 miliona tokenów wejściowych z pamięci podręcznej na sesję.

• Claude Sonnet 5.5 — jeden zapis po 2,50 USD za milion tokenów, około 0,10 USD, następnie 1,16 mln tokenów odczytu po 0,20 USD za milion, około 0,23 USD. Razem około 0,33 USD na sesję, przed uwzględnieniem jakichkolwiek nowych danych wejściowych lub wyjściowych.

• Step 5 Preview — odczyty są objęte podanym 95% rabatem, a więc kosztują około 0,05 USD za milion i około 0,06 USD za sesję. Część zapisowa nie jest wyceniona, ponieważ StepFun nie opublikował stawki za zapis do pamięci podręcznej.

W wierszach, które faktycznie możemy wycenić, ruch z pamięci podręcznej kosztuje około pięć razy więcej na karcie Anthropic, a zastrzeżenie jest takie, że jedna z dwóch stawek za zapis jeszcze nie istnieje. To obciążenie, dla którego sprzedaje się oba modele, dlatego ten wiersz ma większe znaczenie, niż sugerują podane w nagłówku wartości procentowe rabatów.

Gdzie każdy z nich faktycznie może zostać wywołany

Claude Sonnet 5.5 znajduje się w naszym katalogu jako anthropic/claude-sonnet-5.5, w cenie własnej Claude Sonnet 5.5 wynoszącej 2,00 i 10,00 USD, z odczytem z pamięci podręcznej za 0,20 USD, oknem kontekstowym 1 000 000 tokenów i maksymalnym wyjściem 128K — cena katalogowa przekazywana z 0% marżą, więc zmiana na cenniku Anthropic to zmiana u nas tego samego dnia. Step 5 Preview nie ma w tym katalogu i nie zamierzamy sugerować inaczej: odpowiada przez własne API StepFun i, dopóki obiecany checkpoint się nie pojawi, nigdzie indziej.

Ta asymetria ma praktyczne zastosowanie. Gdyby oba modele były dostępne za jednym kluczem z automatycznym przełączaniem awaryjnym, przeniesienie obciążenia z jednego na drugi byłoby zmianą ciągu znaków modelu i niczym więcej — i to jest uczciwy powód, by zachować ogólny charakter tego wejścia. W obecnej sytuacji porównanie dotyczy modelu, który możesz wywołać przez swoją istniejącą trasę, oraz takiego, który musisz podłączyć osobno, a ten drugi to wersja zapoznawcza, której flota obsługująca wciąż jest budowana. Umieszczenie nieprzetestowanych zasobów za routerem z przełączaniem awaryjnym na coś już sprawdzonego to tanie ubezpieczenie; ścieżka główna skierowana bezpośrednio na punkt końcowy wersji zapoznawczej nią nie jest.

Co zmieniłoby ten werdykt?

Trzy rzeczy, wszystkie z możliwą do ustalenia datą. Pierwsza to 15 października 2026 r., kiedy ma pojawić się checkpoint BF16 firmy StepFun. Jeśli licencja pozwala na dostrajanie, a wagi są prawdziwe, dwunastopunktowa różnica przestaje być stałą właściwością modelu i staje się czymś, co zespół może zaatakować na własnych danych — wtedy dziesięciokrotnie tańsza karta staje się znacznie ciekawszym punktem wyjścia. Jeśli checkpoint się opóźni albo licencja będzie restrykcyjna, różnica pozostanie dokładnie tam, gdzie umieścił ją ranking.

Drugą kwestią jest to, czy zastosowana zostanie tu lekcja Anthropic o ponownej kalibracji wysiłku. Przewaga Sonnet 5.5 na zadanie nad Sonnet 5 istnieje przy niskim i średnim wysiłku, ale nie przy maksymalnym, a przy maksymalnym jest odwrotnie. Nabywca Step 5 Preview, który nigdy nie sprawdza różnych poziomów wysiłku, porównuje model w jego ustawieniu domyślnym z modelem w jego ustawieniu domyślnym, co po stronie Anthropic nie jest miejscem, w którym dzieje się tania praca o wysokiej wartości.

Trzeci to właściwy niezależny przebieg Step 5 Preview w konfiguracji porównywalnej z tą, w której mierzony jest wynik Anthropic. Dopóki taki przebieg nie istnieje, 44 to pojedyncza oceniona konfiguracja, obok której nie ma żadnej drabinki, a 56 ma pod sobą całą krzywą wysiłku. Porównanie jest uczciwe w takiej postaci, w jakiej je zapisano; nie jest jeszcze symetryczne.

Dla zespołu, który decyduje dziś, a nie piętnastego: jeśli obciążenie ma długi kontekst, w dużym stopniu korzysta z cache i często się powtarza, arytmetyka na tej stronie daje taniej karcie przewagę o rząd wielkości, a różnica w możliwościach to cena wejścia. Jeśli obciążenie jest trudne, krótkie i oceniane przez człowieka, który zauważy różnicę między 44 a 56, to droga karta doprowadza zadanie do końca. Żadna z tych odpowiedzi nie przetrwa kontaktu z obciążeniem, które jest jednym i drugim — i właśnie do tego służy router.

cena katalogowa przekazywana z 0% narzutem, więc zmiana na karcie Anthropic oznacza zmianę na naszej tego samego dnia.

Automatyczne przełączanie awaryjne na routerze to mechanizm, który pozwala oceniać punkt końcowy podglądu za kwalifikowanym fallbackiem, a nie jako ścieżkę podstawową.