Step 5 Preview vs Claude Sonnet 5.5: Doze Pontos de Índice, Dez Vezes o Custo da Tarefa

Step 5 Preview e Claude Sonnet 5.5 são os dois modelos que os leitores realmente colocam um contra o outro neste mês: uma prévia StepFun a US$ 1,00 / US$ 2,70 por milhão de tokens, lançada em 20 de setembro de 2026, e o Claude Sonnet 5.5 de US$ 2,00 / US$ 10,00, lançado em 28 de setembro. No ranking independente, eles estão a doze pontos de distância — 44 contra 56 no Artificial Analysis Intelligence Index v4.3.2 — e doze pontos é uma diferença real. Também não é o número que decide a conta. O número que decide a conta é o custo por tarefa concluída, e aí o mesmo ranking mostra $0,71 para o Step 5 Preview contra $7,60 para o Claude Sonnet 5.5 com esforço máximo. Dez vezes e meia o dinheiro, por doze pontos. Quase todas as outras linhas das duas fichas são um argumento sobre com qual metade dessa troca você consegue conviver.

Os dois cartões de tarifas, linha por linha

Tudo nesta seção é o preço publicado por cada fornecedor, consultado em 9 de outubro de 2026.

• Entrada — Step 5 Preview US$ 1,00 por milhão de tokens vs Claude Sonnet 5.5 US$ 2,00 por milhão de tokens

• Saída — $2.70 vs $10.00 por milhão de tokens; a linha que domina ambas as faturas

• Entrada em cache — o Step 5 Preview indica um desconto uniforme de 95% na entrada, o que coloca um acerto de cache em aproximadamente US$ 0,05 por milhão de tokens, em comparação com os US$ 0,20 de leitura de cache do Claude Sonnet 5.5

• Gravação em cache — Claude Sonnet 5.5 publica $2,50 por milhão de tokens para uma gravação em cache de cinco minutos; a StepFun não publicou nenhuma tarifa de gravação em cache, então essa metade da comparação fica em branco de um lado

• Janela de contexto — 1M tokens em ambas as placas

• Saída máxima — Claude Sonnet 5.5 documenta 128.000 tokens (e 300.000 na API Message Batches, atrás de um cabeçalho beta); a StepFun não publicou nenhum limite de saída para o Step 5 Preview

• Modalidade — ambos aceitam texto e imagens e retornam apenas texto

• Controle de raciocínio — Step 5 Preview expõe pensamento estendido sem níveis de esforço publicados; Claude Sonnet 5.5 expõe uma escala de esforço cujas configurações mais altas estão exatamente onde seu próprio custo por tarefa explode

• Pesos — o checkpoint BF16 do Step 5 Preview está prometido para 15 de outubro de 2026 e ainda não chegou; o Claude Sonnet 5.5 é proprietário

Duas dessas linhas têm mais peso do que a manchete. A linha de cache é onde o cartão barato fica ainda mais barato, porque um desconto de 95% sobre um dólar é uma leitura de cache de cinco centavos, e a da Anthropic é de vinte. E a linha do teto de saída vai na direção oposta: um fornecedor diz onde está seu diferencial, o outro anuncia uma janela de um milhão de tokens sem dizer quanto dela pode voltar a sair.

De onde os doze pontos realmente vêm

Ambos os números abaixo são da Artificial Analysis, no Intelligence Index v4.3.2, e ambos foram lidos da própria página do modelo, e não de uma tabela de fornecedor.

• Índice de Inteligência — Claude Sonnet 5.5 56, em 3.º lugar entre 216, vs. Step 5 Preview 44, em 45.º lugar entre 200. Dois tamanhos de conjunto diferentes porque as tabelas foram geradas em momentos distintos; a parte comparável são as pontuações.

• Custo por tarefa de indexação — $7,60 vs $0,71. O valor da Anthropic refere-se à configuração que o painel rotula como "Adaptive Reasoning, Max Effort, Default Fallback", que é a extremidade cara da própria escala desse modelo.

• Tokens de saída gerados durante a execução do índice — 410M vs 160M, em comparação com uma mediana de 88M no ranking. Ambos os modelos são verbosos segundo a métrica do ranking. Um é mais de quatro vezes a mediana, o outro não chega ao dobro.

• Velocidade de saída — O Step 5 Preview registra cerca de 100 tokens por segundo, contra uma média de 70. A Artificial Analysis não havia publicado um número de velocidade de saída para o Claude Sonnet 5.5 no momento em que este texto foi escrito, então essa linha é unilateral em vez de vencida.

Junte as duas primeiras linhas e a forma da decisão aparece. Doze pontos de índice separam esses modelos; um fator de dez e meio separa o custo de executar a mesma avaliação. Os pontos são reais — a diferença de classificação coloca um entre os três modelos mais bem pontuados pelo board e o outro no quartil superior —, mas uma equipe que paga US$ 7,60 por tarefa numa carga de trabalho agêntica difícil está pagando por deliberação, e a questão é se as tarefas dessa equipe precisam disso.

As tabelas de fornecedores não vão resolver isto, e aqui está a prova

Os dois laboratórios publicam um número do Terminal-Bench 4.0. O anúncio do Sonnet 5.5 da Anthropic afirma 70,6% para ele, contra 10,3% para o modelo que ele substitui. O número do Terminal-Bench 4.0 publicado pela própria StepFun para o Step 5 Preview é 33,3%. Ambos são executados pelos fornecedores, nenhum terceiro os reproduziu, e estão separados por 37 pontos em um benchmark com o mesmo nome.

Essa diferença não é evidência de que um modelo seja duas vezes melhor. É evidência de que dois laboratórios executando um harness com o mesmo nome em configurações, scaffolds de agente e definições de esforço diferentes produzem números que não podem ser subtraídos uns dos outros. Esse é o problema recorrente das comparações no dia de lançamento, e é por isso que cada linha deste artigo que vem de um laboratório é rotulada como tal. Onde um terceiro mediu ambos os modelos em um único harness, use essa medição. Onde não o fez, trate o número do fornecedor como uma alegação sobre uma intenção.

A própria nota de migração da Anthropic do lançamento do Sonnet 5.5 merece ser trazida para esta comparação, porque se aplica a qualquer endpoint de pré-visualização que você esteja avaliando. A orientação do fornecedor era de que os níveis de esforço foram recalibrados entre o Sonnet 5 e o 5.5, e que as equipes deveriam refazer sua varredura de esforço em vez de simplesmente transportar uma configuração. O aviso equivalente se aplica aqui na direção oposta: o Step 5 Preview é uma pré-visualização, sua configuração de serviço ainda está mudando, e uma configuração ajustada para o endpoint desta semana não é uma configuração que você domina.

Os dois falam demais, em quantidades diferentes.

A verbosidade é a linha que transforma uma tabela de preços numa fatura. O Step 5 Preview gerou 160 milhões de tokens de saída para completar a suíte de índices, enquanto o modelo mediano do painel gera cerca de 92 milhões — aproximadamente 1,7 vez a mediana. O Claude Sonnet 5.5 gerou 410 milhões, ou cerca de 4,7 vezes a mediana.

A $2.70 por milhão de tokens de saída, a verbosidade do Step 5 Preview é uma grande parte de um número pequeno. A $10.00, a do Claude Sonnet 5.5 é a maior parte de um número muito grande. Nenhum dos modelos é conciso, e o marketing de nenhum dos fornecedores o descreve dessa forma. A consequência prática é que uma medição de tokens por tarefa no seu próprio tráfego dirá mais sobre a diferença real de custo do que as tabelas de preços, porque as tabelas de preços assumem que ambos os modelos escrevem o mesmo número de palavras para a mesma resposta. Mas não é o que acontece.

A linha de cache, calculada em um loop real

Considere um loop de agente com um prefixo estável de 40.000 tokens — um prompt de sistema mais contexto do repositório — reenviado a cada turno por trinta turnos, com o prefixo gravado uma vez e acessado vinte e nove vezes. Isso dá 1,16 milhão de tokens de entrada em cache por sessão.

• Claude Sonnet 5.5 — uma escrita a $2.50 por milhão de tokens, aproximadamente $0.10, depois 1,16M tokens de leitura a $0.20 por milhão, aproximadamente $0.23. Total de cerca de $0.33 por sessão, antes de qualquer entrada ou saída nova.

• Step 5 Preview — as leituras têm o desconto indicado de 95%, portanto cerca de $0,05 por milhão e aproximadamente $0,06 por sessão. A parte de escrita não tem custo calculado porque a StepFun não publicou uma tarifa de escrita em cache.

Nas linhas que conseguimos realmente precificar, o tráfego em cache custa cerca de cinco vezes mais no cartão da Anthropic, e a ressalva é que uma das duas tarifas de escrita ainda não existe. Esta é a carga de trabalho para a qual ambos os modelos são vendidos, e é por isso que a linha importa mais do que os percentuais de desconto anunciados fazem parecer.

Onde cada um pode realmente ser chamado

O Claude Sonnet 5.5 está no nosso catálogo como anthropic/claude-sonnet-5.5, pelos próprios US$ 2,00 e US$ 10,00 do Claude Sonnet 5.5, com leitura de cache a US$ 0,20, uma janela de contexto de 1.000.000 de tokens e saída máxima de 128K — preço de tabela repassado com 0% de margem, então uma mudança na tabela de preços da Anthropic é uma mudança na nossa no mesmo dia. O Step 5 Preview não está nesse catálogo, e não vamos dar a entender o contrário: ele responde na própria API da StepFun e, até que o checkpoint prometido chegue, em absolutamente nenhum outro lugar.

Essa assimetria tem um uso prático. Se ambos os modelos estivessem atrás de uma única chave com failover automático, mover uma carga de trabalho de um para o outro seria apenas uma mudança na string do modelo e nada mais — que é a razão honesta para manter a porta genérica. Como está, a comparação é entre um modelo que você pode chamar pela sua rota existente e um que você precisa conectar separadamente, e o segundo é um preview cuja frota de serviço ainda está sendo construída. Colocar capacidade não comprovada atrás de um roteador com failover para algo já qualificado é o seguro barato; um caminho primário apontado diretamente para um endpoint de preview não é.

O que mudaria este veredito?

Três coisas, todas datáveis. A primeira é 15 de outubro de 2026, quando o checkpoint BF16 da StepFun está previsto. Se a licença permitir ajuste fino e os pesos forem reais, a lacuna de doze pontos deixa de ser uma propriedade fixa do modelo e passa a ser algo que uma equipe pode atacar com seus próprios dados — e nesse ponto a placa dez vezes mais barata se torna um ponto de partida muito mais interessante. Se o checkpoint atrasar ou a licença for restritiva, a lacuna permanece exatamente onde o placar a colocou.

A segunda é se a própria lição de recalibração de esforço da Anthropic se aplica aqui. A vantagem por tarefa do Sonnet 5.5 sobre o Sonnet 5 existe em esforço baixo e médio, não no máximo, e o inverso é verdadeiro no máximo. Um comprador do Step 5 Preview que nunca percorre diferentes níveis de esforço está comparando um modelo em seu padrão com um modelo em seu padrão, o que, do lado da Anthropic, não é onde o trabalho barato e de alto valor acontece.

O terceiro é uma execução independente adequada do Step 5 Preview numa configuração comparável àquela em que o número da Anthropic é medido. Enquanto isso não existir, o 44 é uma única configuração pontuada, sem nenhuma escada ao lado, e o 56 tem toda uma curva de esforço por baixo. A comparação é honesta como está escrita; ainda não é simétrica.

Para uma equipe que decide hoje, e não no dia 15: se a carga de trabalho é de contexto longo, pesada em cache e repetida com frequência, a aritmética desta página favorece a placa barata em uma ordem de magnitude, e a lacuna de capacidade é o preço de entrada. Se a carga de trabalho é difícil, curta e avaliada por um humano que vai notar a diferença entre 44 e 56, a placa cara é a que dá conta do trabalho. Nenhuma das respostas sobrevive ao contato com uma carga de trabalho que seja as duas coisas, e é exatamente para isso que serve um roteador.

preço de tabela repassado com 0% de markup, então uma mudança no card da Anthropic é uma mudança no nosso no mesmo dia.

failover automático em um roteador é o que permite que um endpoint de pré-visualização seja avaliado atrás de um fallback qualificado em vez de como o caminho primário.