Step 5 Preview против Claude Sonnet 5.5: двенадцать пунктов индекса, десятикратный счёт за задачу

Step 5 Preview и Claude Sonnet 5.5 — это две модели, которые читатели в этом месяце действительно сравнивают друг с другом: предварительная версия StepFun по цене $1.00 / $2.70 за миллион токенов, вышедшая 20 сентября 2026 года, и Claude Sonnet 5.5 за $2.00 / $10.00, выпущенная 28 сентября. В независимом рейтинге их разделяют двенадцать пунктов — 44 против 56 по Artificial Analysis Intelligence Index v4.3.2, — и двенадцать пунктов это реальный разрыв. Но это ещё и не та цифра, которая определяет счёт. Цифра, определяющая счёт, — это стоимость за выполненную задачу, и здесь тот же рейтинг показывает $0.71 для Step 5 Preview против $7.60 для Claude Sonnet 5.5 при максимальных усилиях. В десять с половиной раз больше денег — за двенадцать пунктов. Почти каждая другая строка на этих двух карточках — это спор о том, с какой половиной такой сделки вы готовы мириться.

Две тарифные карты, строка за строкой

Всё в этом разделе — это собственные опубликованные цены каждого поставщика, прочитанные 9 октября 2026 года.

• Ввод — Step 5 Preview: 1,00 $ за миллион токенов против Claude Sonnet 5.5: 2,00 $ за миллион токенов

• Вывод — $2,70 против $10,00 за миллион токенов; строка, которая доминирует в обоих счетах

• Кэшированный ввод — Step 5 Preview указывает единую 95%-ную скидку на ввод, благодаря чему попадание в кэш стоит примерно $0.05 за миллион токенов против $0.20 за чтение кэша у Claude Sonnet 5.5.

• Запись в кэш — Claude Sonnet 5.5 указывает $2,50 за миллион токенов за запись в кэш на пять минут; StepFun вообще не публиковал тариф на запись в кэш, так что эта половина сравнения пуста с одной стороны

• Контекстное окно — 1 млн токенов на обеих картах

• Максимальный вывод — Claude Sonnet 5.5 заявляет 128 000 токенов (и 300 000 в Message Batches API при использовании бета-заголовка); StepFun не опубликовал ограничений на вывод для Step 5 Preview

• Модальность — обе принимают текст и изображения и возвращают только текст

• Управление рассуждениями — Step 5 Preview предоставляет расширенное мышление без опубликованных уровней усилий; Claude Sonnet 5.5 предлагает лестницу усилий, высшие настройки которой находятся ровно там, где его собственная стоимость за задачу резко взлетает

• Веса — BF16-чекпойнт Step 5 Preview обещан на 15 октября 2026 года, но так и не появился; Claude Sonnet 5.5 — проприетарная модель

Две из этих строк говорят больше, чем заголовок. Именно в строке кэша дешёвая карта становится ещё дешевле, потому что скидка 95% на доллар — это чтение из кэша за пять центов, а у Anthropic — за двадцать. А строка потолка вывода работает в обратную сторону: один поставщик говорит вам, где его предел, а другой рекламирует окно на миллион токенов, не сообщая, сколько из него может вернуться обратно.

Откуда на самом деле берутся двенадцать пунктов

Оба приведённых ниже показателя принадлежат Artificial Analysis, по Intelligence Index v4.3.2, и оба взяты со страницы самой модели, а не из таблицы вендора.

• Intelligence Index — Claude Sonnet 5.5: 56, ранг #3 из 216, против Step 5 Preview: 44, ранг #45 из 200. Два разных размера выборки, потому что таблицы были отрисованы в разные моменты; сопоставимая часть — это баллы.

• Стоимость одной задачи индексирования — $7,60 против $0,71. Показатель Anthropic относится к конфигурации, которую на панели обозначают как «Adaptive Reasoning, Max Effort, Default Fallback», а это самый дорогой вариант в собственной линейке этой модели.

• Выходные токены, сгенерированные во время прогона индекса, — 410M против 160M при медиане по таблице лидеров 88M. По меркам таблицы лидеров обе модели многословны. Одна более чем в четыре раза превышает медиану, другая — чуть меньше чем в два раза.

• Скорость вывода — Step 5 Preview выдаёт около 100 токенов в секунду при среднем значении 70. Artificial Analysis на момент написания не опубликовала показатель скорости вывода для Claude Sonnet 5.5, поэтому эта строка односторонняя, а не выигранная.

Соедините первые две строки — и форма решения проявится. Двенадцать пунктов индекса разделяют эти модели; в десять с половиной раз различается то, во сколько обходится запуск одной и той же оценки. Пункты реальны — разрыв в рейтинге помещает одну в тройку лучших моделей по баллам табло, а другую — в верхнюю четверть — но команда, платящая $7.60 за задачу при сложной агентной нагрузке, платит за обдумывание, и вопрос в том, нуждаются ли их задачи в этом.

Таблицы вендоров этого не решат, и вот доказательство.

Обе лаборатории публикуют показатель Terminal-Bench 4.0. В анонсе Sonnet 5.5 от Anthropic заявлено 70,6% для него против 10,3% для модели, которую он заменяет. Собственный опубликованный StepFun показатель Terminal-Bench 4.0 для Step 5 Preview составляет 33,3%. Оба получены самими вендорами, ни один не воспроизведён какой-либо третьей стороной, и они различаются на 37 пунктов в бенчмарке с одним и тем же названием.

Этот разрыв не доказывает, что одна модель вдвое лучше. Он говорит о том, что две лаборатории, запуская одноимённый тестовый стенд с разными конфигурациями, агентными обвязками и настройками усилий, получают числа, которые нельзя вычитать друг из друга. Это постоянная проблема сравнений в день запуска, и именно поэтому каждая строка в этом материале, взятая из лаборатории, помечена соответствующим образом. Там, где третья сторона измерила обе модели на одном стенде, используйте эти данные. Там, где нет, рассматривайте цифру вендора как заявление о намерении.

Собственное примечание Anthropic о миграции из анонса Sonnet 5.5 стоит перенести в это сравнение, потому что оно применимо к любому preview-эндпоинту, который вы оцениваете. Рекомендация вендора состояла в том, что уровни effort были перекалиброваны между Sonnet 5 и 5.5 и что командам следует заново провести свой перебор уровней effort, а не переносить настройку. Эквивалентное предупреждение применимо здесь в обратную сторону: Step 5 Preview — это preview, его конфигурация обслуживания всё ещё меняется, и настройка, подобранная под эндпоинт этой недели, — это не настройка, которой вы владеете.

Оба они говорят слишком много, но в разной степени.

Многословность — это строка, которая превращает прайс-лист в счёт. Step 5 Preview сгенерировала 160 миллионов выходных токенов, чтобы завершить набор тестов индекса, тогда как медианная модель в рейтинге генерирует около 92 миллионов — примерно в 1,7 раза больше медианы. Claude Sonnet 5.5 сгенерировала 410 миллионов, или примерно в 4,7 раза больше медианы.

При $2,70 за миллион выходных токенов многословность Step 5 Preview составляет большую долю от небольшого числа. При $10,00 многословность Claude Sonnet 5.5 — это большая часть очень большого числа. Ни одна из моделей не является лаконичной, и маркетинг ни одного из вендоров не описывает это так. Практическое следствие: измерение количества токенов на задачу на вашем собственном трафике расскажет вам о реальной разнице в стоимости больше, чем тарифные карты, потому что тарифные карты предполагают, что обе модели пишут одинаковое количество слов для одного и того же ответа. Но это не так.

Строка кэша, отработанная на реальном цикле

Возьмём агентный цикл со стабильным префиксом на 40 000 токенов — системный промпт плюс контекст репозитория, — который переотправляется на каждом ходу в течение тридцати ходов, причём префикс записывается один раз, а попаданий в кэш — двадцать девять. Это 1,16 миллиона кэшированных входных токенов за сессию.

• Claude Sonnet 5.5 — одна запись по $2.50 за миллион токенов, примерно $0.10, затем 1,16 млн токенов чтения по $0.20 за миллион, примерно $0.23. Итого около $0.33 за сессию, без учёта любого нового ввода или вывода.

• Step 5 Preview — чтения тарифицируются с указанной скидкой 95%, то есть около $0,05 за миллион и примерно $0,06 за сессию. Стоимость половины, отвечающей за запись, не указана, поскольку StepFun не опубликовала тариф на запись в кэш.

В тех строках, для которых мы действительно можем рассчитать цену, кэшированный трафик стоит примерно в пять раз дороже на карточке Anthropic, и оговорка в том, что один из двух тарифов на запись пока не существует. Это та рабочая нагрузка, для которой продаются обе модели, поэтому эта строка важнее, чем кажется из-за заявленных процентов скидки.

Где каждое из них действительно можно назвать

Claude Sonnet 5.5 есть в нашем каталоге как anthropic/claude-sonnet-5.5 — по собственным ценам Claude Sonnet 5.5: $2.00 и $10.00 при $0.20 за чтение из кэша, контекстное окно 1 000 000 токенов и максимум вывода 128K. Прайс-лист передаётся без наценки — 0%, так что изменение в прайсе Anthropic — это изменение в нашем в тот же день. Step 5 Preview в этот каталог не входит, и мы не собираемся намекать на обратное: он отвечает на собственном API StepFun и, пока обещанный чекпоинт не появится, вообще больше нигде.

У этой асимметрии есть практическая польза. Если бы обе модели стояли за одним ключом с автоматическим переключением при сбое, перевод рабочей нагрузки с одной на другую был бы изменением строки модели и ничем больше — и это честная причина оставлять точку входа универсальной. В текущем же виде сравнение идёт между моделью, которую можно вызывать через ваш существующий маршрут, и той, которую приходится подключать отдельно, а вторая — это предварительная версия, чей парк обслуживающих серверов всё ещё строится. Разместить непроверенную мощность за маршрутизатором с переключением при сбое на что-то уже проверенное — это дешёвая страховка; а основной маршрут, направленный прямо на эндпоинт предварительной версии, — нет.

Что могло бы изменить этот вердикт?

Три вещи, и все можно датировать. Первая — 15 октября 2026 года, когда намечен выход BF16-чекпоинта StepFun. Если лицензия допускает дообучение, а веса настоящие, разрыв в двенадцать пунктов перестаёт быть фиксированным свойством модели и становится тем, что команда может атаковать на собственных данных — и тогда карта, которая в десять раз дешевле, становится гораздо более интересной отправной точкой. Если чекпоинт задержится или лицензия окажется ограничительной, разрыв останется ровно там, куда его поместил лидерборд.

Второй вопрос — применяется ли здесь собственный урок Anthropic о перекалибровке усилий. Преимущество Sonnet 5.5 по каждой задаче перед Sonnet 5 существует при низком и среднем уровне усилий, а не при максимальном, и при максимуме верно обратное. Покупатель Step 5 Preview, который никогда не перебирает уровни усилий, сравнивает модель на её настройках по умолчанию с моделью на её настройках по умолчанию, а на стороне Anthropic это не то место, где происходит дешёвая, высокоценная работа.

Третий — это полноценный независимый прогон Step 5 Preview в конфигурации, сопоставимой с той, в которой измеряется показатель Anthropic. Пока этого нет, 44 — это единственная конфигурация с оценкой, рядом с которой нет лестницы, а под 56 — целая кривая усилий. Сравнение честно в том виде, как оно написано; но пока не симметрично.

Для команды, которая решает сегодня, а не 15-го числа: если рабочая нагрузка отличается длинным контекстом, активно использует кэш и часто повторяется, арифметика на этой странице отдаёт предпочтение дешёвой карте с преимуществом на порядок величины, а разрыв в возможностях — это плата за вход. Если нагрузка сложная, короткая и оценивается человеком, который заметит разницу между 44 и 56, дорогая карта — та, что доводит дело до конца. Ни один из этих ответов не выдерживает столкновения с нагрузкой, которая сочетает и то и другое, — для этого и нужен маршрутизатор.

цена по прайс-листу передаётся без наценки — 0 %, поэтому изменение в карточке Anthropic — это изменение в нашей карточке в тот же день.

автоматическое переключение при сбое на маршрутизаторе — это то, что позволяет оценивать эндпоинт предварительного просмотра за квалифицированным резервным вариантом, а не в качестве основного пути.