Claude Sonnet 5 é o modelo mais capaz da classe Sonnet da Anthropic — desempenho de nível fronteiriço em codificação, fluxos de trabalho agentivos e trabalho profissional de conhecimento, por uma fração do custo do nível Opus. Ele oferece uma janela de contexto de 1 milhão de tokens com até 128 mil tokens de saída, aceita entradas de texto, imagem e arquivos com saída de texto, e suporta pensamento adaptativo com esforço de raciocínio selecionável (baixo, médio, alto, máximo) para que os chamadores possam ajustar a troca entre inteligência / latência / custo por requisição. Construído como o Sonnet mais agentivo da Anthropic até agora, apresenta grandes ganhos em relação ao Sonnet 4.6 em codificação agentiva e uso de computador, e reduz grande parte da lacuna para o Opus 4.8 — 63,2% no SWE-bench Pro, 80,4% no Terminal-Bench 2.1 e 81,2% no OSWorld-Verified — enquanto tem preços muito abaixo do Opus 4.8, GPT-5.5 e Gemini 3.1 Pro. É uma opção padrão forte para agentes sensíveis a custo, assistentes de codificação e cargas de trabalho de produção de alto volume que ainda exigem raciocínio de fronteira.
Claude Sonnet 5 é um modelo da Anthropic projetado para tarefas multimodais e de contexto longo. Ele suporta até 1.000.000 tokens de entrada — o suficiente para cobrir bases de código inteiras,…
Claude Sonnet 5 se destaca em tarefas relacionadas a código, desde a leitura de bases de código inteiras até a geração de algoritmos complexos. Com um contexto de 1 milhão de tokens, é capaz de ingerir vários arquivos em um único prompt, entender dependências entre arquivos e produzir código refatorado, explicações de depuração ou testes unitários. Ele suporta linguagens populares como Python, JavaScript, Java, C++, Go, Rust e muitas outras, respondendo no idioma escolhido pelo usuário. O modelo também pode raciocinar sobre caminhos de execução de código, identificar erros lógicos e sugerir otimizações. Para tarefas como gerar uma REST API a partir de uma especificação, converter uma base de código monolítica em microsserviços ou revisar um pull request analisando todos os arquivos alterados de uma só vez, o Claude Sonnet 5 oferece uma solução poderosa de chamada única. Sua pontuação OSWorld-Verified de 81,2 indica um forte desempenho em benchmarks de nível de sistema operacional, refletindo ainda mais sua proficiência em código e comandos.
Claude Sonnet 5 pode aceitar imagens como entrada — seja diretamente enviadas (como base64 ou via URL) ou incorporadas em documentos — e raciocinar sobre seu conteúdo. Ele pode descrever cenas, identificar objetos, ler texto em imagens e responder perguntas visuais. A compreensão de imagens não se limita a fotos estáticas; pode processar gráficos, diagramas, capturas de tela, notas manuscritas e até frames de vídeos (se fornecidos como imagens sequenciais). Devido à grande janela de contexto, muitas imagens podem ser incluídas em um único prompt para tarefas como comparação visual, análise de documentos com várias páginas ou detecção de mudanças em uma série de capturas de tela. O modelo trata as imagens como parte do histórico da conversa, combinando pistas visuais com instruções textuais. Observe que a tokenização de imagens consome tokens proporcionalmente à resolução; o OrcaRouter lida automaticamente com a codificação e envia os dados no formato esperado pela Anthropic.
Embora o Claude Sonnet 5 seja econômico por token em relação às suas capacidades, há situações em que um modelo mais leve pode ser mais adequado. Para geração de texto simples — e-mails curtos, postagens em redes sociais ou perguntas e respostas básicas — um modelo menor e mais barato como o Claude Haiku ou o GPT-4o-mini pode fornecer resultados adequados por uma fração do custo. Da mesma forma, se seu fluxo de trabalho envolver tarefas extremamente previsíveis e de baixa complexidade (por exemplo, extração de palavras-chave, tradução sem nuances), a sobrecarga de um modelo de contexto grande é desnecessária. Para tarefas de visão que exigem apenas OCR sem raciocínio profundo, uma API de visão dedicada pode ser mais barata. Além disso, se o contexto de entrada permanecer consistentemente abaixo de 32 mil tokens, talvez você não precise da janela de 1 milhão e possa usar um modelo com contexto menor, mas com preço por token mais baixo. Sempre compare custo versus qualidade para seu caso de uso específico.
Claude Sonnet 5 brilha em cenários de alto contexto e multimodais, onde uma única chamada de modelo precisa processar dados grandes ou mistos. Casos de uso ideais incluem: analisar um repositório de código inteiro em busca de vulnerabilidades de segurança, gerar documentação abrangente a partir de um conjunto de documentos de design e capturas de tela, revisão de contratos legais em centenas de páginas, análise de relatórios médicos combinando dados de imagem e notas clínicas, e assistentes interativos que mantêm longos históricos de conversa (ex.: diário pessoal, terapia, pesquisa). Suas fortes capacidades de raciocínio também o tornam adequado para resolução de problemas científicos, extração complexa de dados de PDFs e construção de agentes inteligentes que gerenciam tarefas multi-etapas com anexos de arquivos. Para escrita criativa que exige uma voz consistente ao longo de muitos capítulos, o grande limite de saída ajuda a produzir rascunhos completos de uma só vez. Quando acessado via OrcaRouter, o preço sem margem de lucro reduz ainda mais o custo desses casos de uso de alto volume.
Claude Sonnet 5 alcançou uma pontuação de 81,2 no OSWorld-Verified, um benchmark projetado para medir a capacidade de um modelo de realizar tarefas do sistema operacional — como operações de arquivos, execução de comandos, multitarefa e uso de linha de comando — usando instruções em linguagem natural. Uma pontuação de 81,2 indica que o modelo interpreta e executa de forma confiável uma ampla gama de comandos e cenários de nível de sistema operacional. Isso é relevante para desenvolvedores que criam ferramentas de automação, pipelines DevOps assistidos por IA e qualquer aplicação que exija que o modelo funcione como um assistente competente para interações com o sistema operacional. O benchmark testa tanto a geração de scripts quanto a capacidade de entender conceitos de SO como caminhos, permissões e processos. Embora não seja um proxy perfeito para o desempenho no mundo real, essa pontuação sugere que o Claude Sonnet 5 está entre os modelos de melhor desempenho para execução de código agentivo e tarefas de nível de sistema.
Os principais pontos fortes do Claude Sonnet 5 são sua grande janela de contexto (1M tokens), alto limite de saída (128K tokens), forte raciocínio multimodal e competência em nível de SO (81.2 OSWorld-Verified). Ele lida com documentos longos, bases de código complexas e entradas mistas com alta coerência. No entanto, como todos os modelos, tem limitações. O contexto efetivo pode ter degradação de desempenho no final da janela; a Anthropic recomenda permanecer abaixo de ~900K tokens para melhores resultados. O modelo pode ter dificuldades com referências culturais altamente matizadas, geração de dados factuais (pode alucinar números) e tarefas que exigem conhecimento em tempo real além de sua data de corte de treinamento (a Anthropic não divulgou a data exata de corte, mas é aproximadamente início de 2025). As capacidades de visão são boas, mas não são estado da arte para detecção de objetos de granulação fina. O preço, embora sem margem de lucro, ainda é mais alto do que modelos menores. A latência é típica de um modelo grande — as respostas podem ser mais lentas devido ao processamento do grande contexto.
A latência do Claude Sonnet 5 depende fortemente do tamanho da entrada e da extensão da saída. Com um contexto de 1 milhão de tokens, o processamento inicial do prompt pode levar de vários segundos a minutos, já que o modelo precisa atender a toda a janela. Assim que o processamento começa, a velocidade de geração de tokens normalmente fica na faixa de 20 a 40 tokens por segundo (dependendo da carga e da infraestrutura do provedor). Entradas menores (por exemplo, algumas centenas de tokens) terão latência no primeiro token mais rápida, geralmente abaixo de um segundo. O streaming é ativado por padrão através da API da OrcaRouter, permitindo que você veja os tokens de saída à medida que são gerados. Para aplicações sensíveis à latência (por exemplo, chat em tempo real), talvez seja melhor usar um modelo menor ou reduzir o contexto. A OrcaRouter não adiciona latência significativa além da própria API da Anthropic — a sobrecarga é insignificante, pois ela intermedeia a solicitação para os endpoints da Anthropic.
Anthropic não divulgou publicamente um conjunto abrangente de benchmarks para o Claude Sonnet 5 até o momento desta escrita. O único dado fornecido é 81.2 no OSWorld-Verified. Para raciocínio geral, o modelo provavelmente tem desempenho alinhado com outros modelos Claude Sonnet em benchmarks NLP padrão como MMLU, HumanEval e GSM8K, mas pontuações exatas não estão disponíveis pelo provedor. Na prática, relatos iniciais de usuários sugerem forte desempenho em geração de código, QA de documentos e tarefas de recuperação de contexto longo. Recomendamos realizar sua própria avaliação para seu caso de uso específico, pois benchmarks podem ser enganosos. O OrcaRouter permite testar o modelo rapidamente através de sua API sem custo inicial — basta definir o id do modelo como "anthropic/claude-sonnet-5" e começar a fazer perguntas para avaliar o desempenho para seus dados.
Claude Sonnet 5 no OrcaRouter é cobrado pela taxa do provedor Anthropic sem margem de lucro: $2,00 por 1 milhão de tokens de entrada e $10,00 por 1 milhão de tokens de saída. Tanto os tokens de entrada quanto os de saída são contados como tokens de texto padrão (imagens e arquivos são tokenizados de acordo com o esquema da Anthropic). Não há taxas adicionais para autenticação, limites de taxa ou transferência de dados. O OrcaRouter cobra com base na contagem bruta de tokens informada pela Anthropic; isso inclui qualquer prompt do sistema, mensagens do usuário, tokens de imagem e resposta gerada. A cobrança é baseada no uso e você paga apenas pelo que consome. Para usuários intensivos, esse modelo transparente evita taxas surpresa. Não há valor mínimo de gasto ou contrato necessário — você simplesmente adiciona créditos ou configura a cobrança no painel do OrcaRouter, e seu uso é debitado nas taxas acima.
O preço do Claude Sonnet 5 ($2/$10 por 1M tokens) está entre os modelos mais baratos da Anthropic (como Haiku a $0.25/$1.25) e seus modelos premium (como Claude Opus a $15/$75). Para tarefas de contexto longo, o custo por milhão de tokens é relativamente baixo, dada a capacidade de 1M. No entanto, se você usar toda a janela de contexto, o custo absoluto por consulta pode aumentar—uma solicitação completa de 1M tokens de entrada custa $2.00 apenas pela entrada. Compare isso com o uso de um modelo de contexto menor, como GPT-4o-mini ($0.15/$0.60), para consultas curtas. A troca: Claude Sonnet 5 oferece maior qualidade de raciocínio e maior capacidade, mas a um preço mais alto por token. Para tarefas que realmente exigem contexto grande ou raciocínio multimodal, o modelo pode ser mais eficiente do que dividir o trabalho em várias chamadas de API. A margem zero do OrcaRouter garante que você não pague a mais com taxas de intermediário, portanto, a comparação é diretamente com outros provedores.
O OrcaRouter atualmente não oferece uma camada separada de cache de prompt para o Claude Sonnet 5; todos os tokens são cobrados pela taxa de entrada padrão. Embora a própria API da Anthropic possa suportar cache de prompt para alguns modelos (reduzindo o custo para prefixos repetidos), o OrcaRouter repassa os tokens pelo mesmo preço, independentemente da repetição. Na prática, se você enviar exatamente o mesmo prompt grande de sistema repetidamente, ainda será cobrado pelos tokens de entrada a cada vez. Não há desconto para contexto em cache. Isso é importante considerar se seu fluxo de trabalho envolve instruções estáticas e longas — pode ser mais econômico executar um modelo menor ou usar uma arquitetura diferente. No entanto, o markup zero do OrcaRouter significa que você não está pagando custos extras; o custo é puramente o preço listado pela Anthropic. Recursos futuros de cache podem ser adicionados, mas, por enquanto, o preço é por chamada com base na contagem total de tokens.
Se você enviar uma entrada que exceda a janela de contexto de 1,000,000 tokens, o OrcaRouter retornará um erro (normalmente um status 400 com uma mensagem sobre o comprimento do contexto). O modelo não truncará a entrada; você deve gerenciar manualmente as contagens de tokens. Para a saída, se o modelo atingir o máximo de 128,000 tokens antes de terminar, ele irá parar de gerar e retornar um finish_reason de "length" (na resposta da API). Você pode então continuar a conversa enviando uma nova requisição com a saída acumulada como histórico. O OrcaRouter não tenta novamente nem divide sua requisição automaticamente; é sua responsabilidade permanecer dentro dos limites. Ferramentas como tiktoken podem ajudar a estimar as contagens de tokens para seus prompts. Para entradas muito longas, considere dividir a entrada em partes ou usar uma abordagem de janela deslizante, embora o grande contexto do Claude Sonnet 5 muitas vezes elimine a necessidade de dividir.
Para usar o Claude Sonnet 5 através do OrcaRouter, defina a URL base como https://api.orcarouter.ai/v1 e use o ID do modelo "anthropic/claude-sonnet-5". A API é totalmente compatível com o formato de chat completions da OpenAI, então você pode usar bibliotecas cliente existentes da OpenAI. Por exemplo, em Python com o pacote openai: defina api_key como sua chave OrcaRouter, base_url como o endpoint OrcaRouter e model como "anthropic/claude-sonnet-5". Você pode enviar mensagens com role, content (partes text e/ou image_url para visão). A resposta conterá campos padrão: id, object, choices, usage (prompt_tokens, completion_tokens). O streaming é suportado definindo stream=True. O OrcaRouter lida com autenticação e roteia sua solicitação para o backend da Anthropic. Nenhuma configuração adicional é necessária — apenas sua chave de API e o identificador correto do modelo.
Você pode usar os parâmetros padrão compatíveis com OpenAI com o OrcaRouter: messages (obrigatório), model (obrigatório, definido como "anthropic/claude-sonnet-5"), temperature (0-2, padrão 1), top_p (0-1, padrão 1), max_tokens (padrão 4096, até 128000), stop sequences (array de strings), frequency_penalty, presence_penalty (ambos -2 a 2) e stream (booleano). Além disso, você pode passar parâmetros específicos da Anthropic através do campo extra_headers — por exemplo, anthropic-version para especificar a versão da API. O OrcaRouter adiciona automaticamente os cabeçalhos Anthropic necessários. Para mensagens multimodais, inclua o conteúdo como uma lista de partes com tipo text ou image_url. Observe que o modelo suporta ferramentas/funções (chamada paralela de ferramentas). A resposta inclui finish_reason, estatísticas de uso e choices. Não há parâmetro separado para o tamanho da janela de contexto; o modelo usa inerentemente sua capacidade de 1M.
A migração é simples porque o OrcaRouter oferece uma API compatível com a OpenAI. Se você já utiliza a API da OpenAI, basta alterar a base_url para https://api.orcarouter.ai/v1 e modificar o parâmetro model para "anthropic/claude-sonnet-5". Seu código existente para construir mensagens, lidar com streaming e analisar respostas deve funcionar sem alterações — o OrcaRouter retorna respostas padrão compatíveis com a OpenAPI. Se você estava usando um provedor diferente, como a API nativa da Anthropic (que usa um formato diferente), pode ser necessário adaptar seu esquema de mensagens para o formato OpenAI (roles: system, user, assistant). A documentação do OrcaRouter fornece guias de migração. Principais diferenças: o Claude Sonnet 5 suporta mensagens de sistema, ferramentas e partes multimodais. Certifique-se de que sua entrada não exceda o limite de 1 milhão de tokens. Comece com uma pequena chamada de teste para confirmar a conectividade e entender a latência antes de escalar.
O Claude Sonnet 5 melhora em relação ao seu antecessor principalmente no tamanho da janela de contexto (1M vs. 200K tokens) e no limite de saída (128K vs. 8K), tornando-o muito mais adequado para análise de documentos longos e bases de código. Ele também introduz suporte para entrada de arquivos, além de texto e imagem, enquanto o Sonnet 4 era limitado a texto e imagens. Benchmarks comparativos entre os dois não são publicados diretamente, mas a pontuação OSWorld-Verified de 81.2 para o Sonnet 5 indica um avanço significativo na execução de tarefas no nível do sistema operacional. O preço aumentou—o custo de entrada do Sonnet 4 era $3/M tokens, o Sonnet 5 é $2/M—então, na verdade, é mais barato por token de entrada. A saída é $10/M contra $15/M do Sonnet 4, uma redução de 33%. No geral, o Sonnet 5 oferece melhor custo-benefício para a maioria dos casos de uso, especialmente aqueles que exigem contexto grande. No entanto, o Sonnet 4 ainda pode estar disponível e ser mais barato para tarefas curtas onde o contexto grande não é necessário.
Claude Sonnet 5 e o GPT-4o da OpenAI são ambos modelos multimodais com forte raciocínio, mas diferem nas janelas de contexto (Sonnet 5: 1M tokens; GPT-4o: 128K tokens) e nos limites de saída (Sonnet 5: 128K; GPT-4o: 16K). O Sonnet 5 oferece capacidade significativamente maior, tornando-o melhor para tarefas como processar bases de código inteiras ou livros extensos. O GPT-4o tem latência típica mais rápida e integração mais ampla com o ecossistema da OpenAI (plugins, DALL-E, etc.). Preços: GPT-4o custa $2.50/$10 por 1M tokens (entrada/saída), similar ao Sonnet 5. Ambos alcançam altas pontuações de raciocínio, mas o 81.2 OSWorld-Verified do Sonnet 5 não é diretamente comparável a nenhum benchmark do GPT-4o. Para automação em nível de SO, o Sonnet 5 parece mais forte. Para escrita criativa ou chat geral, o GPT-4o pode ser ligeiramente mais versátil devido aos seus dados de treinamento maiores e uso de ferramentas. A escolha depende das necessidades de contexto; através do OrcaRouter, você pode alternar facilmente entre eles.
O Gemini 1.5 Pro do Google oferece um contexto de 1M tokens (equivalente ao Sonnet 5) e capacidades multimodais, mas a saída do Gemini é limitada a 8K tokens, muito menos que os 128K do Sonnet 5. O preço do Gemini é de $3,50/$10,50 por 1M tokens (entrada/saída), tornando o Sonnet 5 ligeiramente mais barato para entrada. Ambos obtêm boas pontuações em benchmarks de raciocínio, mas a pontuação de 81,2 do Sonnet 5 no OSWorld é um diferencial importante—o desempenho do Gemini em nível de SO não é destacado da mesma forma. O Gemini 1.5 Pro é compatível com execução nativa de código e pode gerar código com execução, enquanto o Sonnet 5 depende de sandboxing externo. Para geração de texto puro em escala, o limite de saída maior do Sonnet 5 é uma vantagem clara. Ambos os modelos suportam anexos de arquivos e imagens. A qualidade de recuperação de contexto longo é competitiva; diferenças menores podem aparecer em domínios específicos. Pelo OrcaRouter, você pode comparar ambos os modelos simplesmente alterando o ID do modelo.
Compatível com OpenAI — mantenha seu SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="anthropic/claude-sonnet-5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatstopstructured_outputstool_choicetoolsverbosity| Entrada / 1M tokens | $2.00 |
| Saída / 1M tokens | $10.00 |
| Leitura de cache / 1M | $0.200 |
| Escrita de cache / 1M | $2.50 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
GET /api/public/models/anthropic/claude-sonnet-5Abrir @misc{orcarouter_claude_sonnet_5,
title = {Claude Sonnet 5 API},
author = {Anthropic},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-sonnet-5}
}Anthropic. (2026). Claude Sonnet 5 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-sonnet-5