Step 5 Preview เทียบกับ Claude Sonnet 5.5: คะแนนดัชนีสิบสองจุด กับค่าบิลงานที่มากกว่าสิบเท่า

Step 5 PreviewและClaude Sonnet 5.5คือสองโมเดลที่ผู้อ่านนำมาชั่งน้ำหนักเทียบกันจริง ๆ ในเดือนนี้: พรีวิวจาก StepFun ราคา $1.00 / $2.70 ต่อล้านโทเค็นที่เปิดตัวเมื่อวันที่ 20 กันยายน 2026 กับ Claude Sonnet 5.5 ราคา $2.00 / $10.00 ที่วางจำหน่ายเมื่อวันที่ 28 กันยายน บนบอร์ดอิสระ ทั้งสองห่างกันสิบสองคะแนน — 44 ต่อ 56 บน Artificial Analysis Intelligence Index v4.3.2 — และสิบสองคะแนนก็เป็นช่องว่างที่มีนัยสำคัญจริง แต่ก็ไม่ใช่ตัวเลขที่กำหนดค่าใช้จ่าย ตัวเลขที่กำหนดค่าใช้จ่ายคือต้นทุนต่องานที่ทำสำเร็จ และในจุดนั้นบอร์ดเดียวกันอ่านค่าได้เป็น $0.71สำหรับ$7.60สำหรับ Claude Sonnet 5.5 ที่ความพยายามสูงสุด เงินมากกว่าสิบเท่าครึ่ง เพื่อแลกกับสิบสองคะแนน เกือบทุกแถวอื่น ๆ บนการ์ดทั้งสองใบคือการถกเถียงว่าครึ่งไหนของข้อแลกเปลี่ยนนั้นที่คุณพออยู่ด้วยได้

เรทการ์ดทั้งสอง ทีละแถว

ทุกอย่างในส่วนนี้คือราคาที่ผู้ขายแต่ละรายเผยแพร่เอง โดยอ่านเมื่อวันที่ 9 ตุลาคม 2026

อินพุต — Step 5 Preview $1.00 ต่อล้านโทเคน เทียบกับ Claude Sonnet 5.5 $2.00 ต่อล้านโทเคน

• เอาต์พุต — $2.70 เทียบกับ $10.00 ต่อล้านโทเคน; แถวที่ครองสัดส่วนค่าใช้จ่ายในบิลทั้งสอง

• อินพุตที่แคชไว้ — Step 5 Preview ระบุส่วนลดอินพุตแบบคงที่ 95% ซึ่งทำให้การแคชฮิตอยู่ที่ประมาณ $0.05 ต่อล้านโทเค็น เทียบกับ $0.20 ต่อการอ่านแคชของ Claude Sonnet 5.5

• การเขียนแคช — Claude Sonnet 5.5 เผยแพร่ราคา $2.50 ต่อล้านโทเคนสำหรับการเขียนแคชระยะห้านาที; StepFun ไม่ได้ประกาศอัตราการเขียนแคชเลย ดังนั้นครึ่งหนึ่งของการเปรียบเทียบจึงว่างเปล่าในฝั่งหนึ่ง

• หน้าต่างบริบท — 1M โทเค็นบนการ์ดทั้งสองใบ

• เอาต์พุตสูงสุด — Claude Sonnet 5.5 ระบุไว้ที่ 128,000 โทเค็น (และ 300,000 โทเค็นบน Message Batches API ภายใต้เฮดเดอร์เบต้า) ส่วน StepFun ยังไม่เปิดเผยเพดานเอาต์พุตสำหรับ Step 5 Preview

• โมดัลลิตี — ทั้งคู่รับข้อความและรูปภาพ และคืนค่าเฉพาะข้อความ

• การควบคุมการใช้เหตุผล — Step 5 Preview เปิดให้ใช้ extended thinking โดยไม่มีระดับความพยายามที่เผยแพร่; Claude Sonnet 5.5 เปิดเผยระดับความพยายามแบบขั้นบันได ซึ่งการตั้งค่าสูงสุดอยู่ตรงจุดที่ต้นทุนต่องานของมันเองพุ่งสูงขึ้นพอดี

• น้ำหนักโมเดล — เช็กพอยต์ BF16 ของ Step 5 Preview มีกำหนดการสัญญาไว้ในวันที่ 15 ตุลาคม 2026 และยังไม่เปิดให้ใช้งาน; Claude Sonnet 5.5 เป็นซอฟต์แวร์ปิด

สองแถวในนั้นทำงานมากกว่าพาดหัวข่าว แถวแคชคือจุดที่การ์ดราคาถูกยิ่งถูกลงไปอีก เพราะส่วนลด 95% จากหนึ่งดอลลาร์คือการอ่านแคชราคาห้าเซนต์ และของ Anthropic อยู่ที่ยี่สิบ และแถวเพดานเอาต์พุตก็ไปในทางตรงกันข้าม: ผู้ขายรายหนึ่งบอกคุณว่าขอบเขตของมันอยู่ตรงไหน อีกรายโฆษณาหน้าต่างหนึ่งล้านโทเคนโดยไม่บอกว่ามีมากแค่ไหนที่ส่งกลับออกมาได้

ที่มาที่แท้จริงของสิบสองข้อ

ตัวเลขทั้งสองด้านล่างเป็นของ Artificial Analysis บน Intelligence Index v4.3.2 และทั้งคู่อ่านมาจากหน้าของโมเดลเอง แทนที่จะมาจากตารางของผู้ขาย

• Intelligence Index — Claude Sonnet 5.5 56 จัดอันดับ #3 จาก 216 เทียบกับ Step 5 Preview 44 จัดอันดับ #45 จาก 200 ขนาดกลุ่มที่แตกต่างกันสองแบบเนื่องจากบอร์ดถูกเรนเดอร์ ณ ช่วงเวลาที่ต่างกัน ส่วนที่เปรียบเทียบกันได้คือคะแนน

• ต้นทุนต่องานจัดทำดัชนี — $7.60 เทียบกับ $0.71 ตัวเลขของ Anthropic เป็นของการตั้งค่าที่บอร์ดกำหนดป้ายชื่อว่า “Adaptive Reasoning, Max Effort, Default Fallback” ซึ่งเป็นปลายด้านที่มีค่าใช้จ่ายสูงของระดับขั้นในโมเดลนั้นเอง

• จำนวนโทเค็นเอาต์พุตที่สร้างขึ้นระหว่างการรันดัชนี — 410M เทียบกับ 160M เมื่อเทียบกับค่ามัธยฐานของบอร์ดที่ 88M ทั้งสองโมเดลถือว่ายาวเกินไปตามมาตรวัดของบอร์ด โมเดลหนึ่งมากกว่าค่ามัธยฐานเกินสี่เท่า ส่วนอีกโมเดลหนึ่งยังไม่ถึงสองเท่า

• ความเร็วเอาต์พุต — Step 5 Preview ทำได้ประมาณ 100 โทเคนต่อวินาที เทียบกับค่าเฉลี่ยที่ 70 ณ เวลาที่เขียน Artificial Analysis ยังไม่ได้เผยแพร่ตัวเลขความเร็วเอาต์พุตสำหรับ Claude Sonnet 5.5 ดังนั้นแถวนั้นจึงเป็นข้อมูลเพียงฝ่ายเดียวมากกว่าจะเป็นการชนะ

นำสองแถวแรกมาเทียบกัน แล้วรูปร่างของการตัดสินใจก็ปรากฏขึ้น มี 12 คะแนนดัชนีที่แยกโมเดลเหล่านี้จากกัน และมีปัจจัย 10.5 เท่าที่แยกค่าใช้จ่ายในการรันการประเมินเดียวกัน คะแนนเหล่านี้เป็นของจริง — ช่องว่างของการจัดอันดับทำให้โมเดลหนึ่งอยู่ในสามอันดับแรกของโมเดลที่บอร์ดให้คะแนน และอีกโมเดลหนึ่งอยู่ในกลุ่ม 25% แรก — แต่ทีมที่จ่าย $7.60 ต่อหนึ่งงานสำหรับภาระงานแบบเอเจนต์ที่ยากลำบากกำลังจ่ายเพื่อแลกกับการคิดใคร่ครวญ และคำถามก็คือว่างานของพวกเขาจำเป็นต้องใช้มันหรือไม่

ตารางของผู้ขายจะไม่ตัดสินเรื่องนี้ และนี่คือหลักฐาน

ทั้งสองแล็บเผยแพร่ตัวเลข Terminal-Bench 4.0 ประกาศของ Anthropic เกี่ยวกับ Sonnet 5.5 อ้างว่าได้ 70.6% เทียบกับ 10.3% สำหรับโมเดลที่มันมาแทน ตัวเลข Terminal-Bench 4.0 ที่ StepFun เผยแพร่เองสำหรับ Step 5 Preview อยู่ที่ 33.3% ทั้งคู่เป็นการทดสอบที่ผู้ขายเป็นผู้ดำเนินการ ทั้งคู่ยังไม่มีบุคคลที่สามรายใดทำซ้ำได้ และทั้งสองห่างกัน 37 จุดบนเบนช์มาร์กที่ใช้ชื่อเดียวกัน

ช่องว่างนั้นไม่ใช่หลักฐานว่าโมเดลหนึ่งดีเป็นสองเท่า แต่เป็นหลักฐานว่าสองแล็บที่รันฮาร์เนสชื่อเดียวกันบนคอนฟิกูเรชัน โครงสร้างเอเจนต์ และการตั้งค่าระดับความพยายามที่ต่างกัน ให้ตัวเลขที่ไม่สามารถนำมาลบกันได้ นี่คือปัญหาที่เกิดซ้ำ ๆ กับการเปรียบเทียบในวันเปิดตัว และเป็นเหตุผลที่ทุกแถวในบทความนี้ที่มาจากแล็บถูกกำกับไว้ว่าเป็นเช่นนั้น ที่ใดมีบุคคลที่สามวัดทั้งสองโมเดลบนฮาร์เนสเดียวกัน ให้ใช้ค่านั้น ที่ใดไม่มี ให้ถือว่าตัวเลขจากผู้ขายเป็นข้อกล่าวอ้างเกี่ยวกับเจตนา

บันทึกการย้ายเวอร์ชันของ Anthropic เองจากการเปิดตัว Sonnet 5.5 นั้นคุ้มค่าที่จะนำเข้าสู่การเปรียบเทียบนี้ เพราะมันใช้ได้กับ endpoint พรีวิวใดก็ตามที่คุณกำลังประเมินอยู่ คำแนะนำของผู้ให้บริการระบุว่า ระดับ effort ได้รับการปรับเทียบใหม่ระหว่าง Sonnet 5 และ 5.5 และทีมควรรัน effort sweep ของตนใหม่ แทนที่จะยกการตั้งค่าเดิมมาใช้ คำเตือนที่เทียบเท่ากันใช้กับที่นี่ในทิศทางตรงกันข้าม: Step 5 Preview เป็นพรีวิว การกำหนดค่าการให้บริการของมันยังไม่นิ่ง และการตั้งค่าที่จูนกับ endpoint ของสัปดาห์นี้ไม่ใช่การตั้งค่าที่คุณเป็นเจ้าของ

ทั้งคู่พูดมากเกินไป แต่ปริมาณไม่เท่ากัน

ความยาวคำตอบที่เกินจำเป็นคือแถวที่เปลี่ยนตารางอัตราค่าบริการให้กลายเป็นใบแจ้งหนี้ Step 5 Preview สร้างโทเค็นเอาต์พุต 160 ล้านโทเค็นเพื่อทำชุดดัชนีให้เสร็จสมบูรณ์ โดยที่โมเดลค่ามัธยฐานของบอร์ดสร้างประมาณ 92 ล้าน — คิดเป็นประมาณ 1.7 เท่าของค่ามัธยฐาน Claude Sonnet 5.5 สร้าง 410 ล้าน หรือประมาณ 4.7 เท่าของค่ามัธยฐาน

ที่ราคา 2.70 ดอลลาร์ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน ความเยิ่นเย้อของ Step 5 Preview คิดเป็นสัดส่วนที่มากของตัวเลขที่น้อยนิด ส่วนที่ราคา 10.00 ดอลลาร์ ความเยิ่นเย้อของ Claude Sonnet 5.5 กลับกินพื้นที่เกือบทั้งหมดของตัวเลขที่มากอยู่แล้ว ทั้งสองโมเดลไม่กระชับ และการตลาดของทั้งสองเจ้าก็ไม่ได้บรรยายไว้แบบนั้น ผลในทางปฏิบัติก็คือ การวัดจำนวนโทเคนต่อหนึ่งงานบนทราฟฟิกของคุณเองจะบอกความแตกต่างของต้นทุนที่แท้จริงได้มากกว่าที่การ์ดราคาระบุ เพราะการ์ดราคาตั้งสมมติฐานว่าทั้งสองโมเดลเขียนจำนวนคำเท่ากันสำหรับคำตอบเดียวกัน ซึ่งไม่จริง

แถวแคช ซึ่งคำนวณออกมาบนลูปจริง

ลองนึกถึงลูปของเอเจนต์ที่มีคำนำหน้าคงที่ขนาด 40,000 โทเคน — ซึ่งประกอบด้วยพรอมป์ระบบบวกกับบริบทของรีโพซิทอรี — ถูกส่งซ้ำใหม่ในทุกเทิร์นเป็นจำนวน 30 เทิร์น โดยคำนำหน้านั้นถูกเขียนเพียงครั้งเดียวและถูกเรียกใช้ซ้ำ 29 ครั้ง นั่นคิดเป็นโทเคนอินพุตที่แคชไว้ 1.16 ล้านโทเคนต่อหนึ่งเซสชัน

• Claude Sonnet 5.5 — การเขียนหนึ่งครั้งที่ $2.50 ต่อล้านโทเค็น ประมาณ $0.10 จากนั้นอ่าน 1.16M โทเค็นที่ $0.20 ต่อล้าน ประมาณ $0.23 รวมประมาณ $0.33 ต่อเซสชัน ก่อนจะมีอินพุตหรือเอาต์พุตใหม่ใด ๆ

• Step 5 Preview — ฝั่งอ่านคิดราคาตามส่วนลด 95% ที่ระบุไว้ ดังนั้นประมาณ $0.05 ต่อล้าน และราว $0.06 ต่อเซสชัน ฝั่งเขียนยังไม่คิดต้นทุนเนื่องจาก StepFun ยังไม่ได้ประกาศอัตราการเขียนแคช

ในแถวที่เราสามารถกำหนดราคาได้จริง ทราฟฟิกที่แคชไว้มีค่าใช้จ่ายสูงกว่าประมาณห้าเท่าบนการ์ด Anthropic และข้อแม้ก็คืออัตราการเขียนหนึ่งในสองอัตรานั้นยังไม่มีอยู่จริง นี่คือปริมาณงานที่ทั้งสองโมเดลถูกขายให้ ซึ่งเป็นเหตุผลว่าทำไมแถวนี้จึงสำคัญมากกว่าที่เปอร์เซ็นต์ส่วนลดในพาดหัวทำให้ดูเหมือน

ที่ซึ่งแต่ละรายการสามารถถูกเรียกได้จริง

Claude Sonnet 5.5 อยู่ในแค็ตตาล็อกของเราในชื่อ anthropic/claude-sonnet-5.5 ในราคา $2.00 และ $10.00 ของ Claude Sonnet 5.5 เอง พร้อมค่าอ่านแคช $0.20 หน้าต่างบริบท 1,000,000 โทเคน และเอาต์พุตสูงสุด 128K — เป็นราคาตามรายการที่ส่งผ่านมาด้วยมาร์กอัป 0% ดังนั้นหากการ์ดของ Anthropic เปลี่ยน ราคาของเราก็เปลี่ยนตามในวันเดียวกัน Step 5 Preview ไม่ได้อยู่ในแค็ตตาล็อกนั้น และเราจะไม่ทำให้เข้าใจเป็นอย่างอื่น: มันตอบผ่าน API ของ StepFun เอง และจนกว่า checkpoint ที่สัญญาไว้จะเปิดให้ใช้ ก็ไม่มีที่อื่นเลยแม้แต่แห่งเดียว

ความไม่สมมาตรนั้นมีประโยชน์ในทางปฏิบัติ หากโมเดลทั้งสองอยู่หลังคีย์เดียวที่มี automatic failover การย้าย workload จากตัวหนึ่งไปอีกตัวจะเป็นเพียงการเปลี่ยนสตริงชื่อโมเดลและไม่มีอย่างอื่น — นั่นคือเหตุผลตรงไปตรงมาที่ควรคงประตูให้เป็นแบบทั่วไป ในสถานะปัจจุบัน การเปรียบเทียบคือระหว่างโมเดลที่คุณเรียกผ่านเส้นทางที่มีอยู่แล้ว กับอีกตัวที่คุณต้องต่อเชื่อมแยกต่างหาก และตัวที่สองเป็นพรีวิวที่ฟลีตให้บริการยังอยู่ระหว่างการสร้าง การวางความจุที่ยังไม่ผ่านการพิสูจน์ไว้หลังเราเตอร์ที่มี failover ไปยังสิ่งที่ผ่านการรับรองแล้วคือประกันราคาถูก ส่วนเส้นทางหลักที่ชี้ตรงไปยังปลายทางพรีวิวไม่ใช่

อะไรจะทำให้คำตัดสินนี้เปลี่ยนไปได้

สามเรื่อง ทั้งหมดระบุวันที่ได้ เรื่องแรกคือวันที่ 15 ตุลาคม 2026 ซึ่งเป็นกำหนดที่เช็กพอยต์ BF16 ของ StepFun จะออก หากสัญญาอนุญาตเปิดให้ปรับละเอียดได้ และน้ำหนักเป็นของจริง ช่องว่าง 12 คะแนนก็จะไม่ใช่คุณสมบัติตายตัวของโมเดลอีกต่อไป แต่กลายเป็นสิ่งที่ทีมสามารถลงมือจัดการได้บนข้อมูลของตัวเอง — เมื่อถึงจุดนั้น การ์ดที่ถูกกว่าสิบเท่าก็จะกลายเป็นจุดเริ่มต้นที่น่าสนใจยิ่งขึ้นมาก หากเช็กพอยต์ล่าช้าออกไป หรือสัญญาอนุญาตมีข้อจำกัด ช่องว่างก็จะยังคงอยู่ตรงที่ลีดเดอร์บอร์ดวางไว้เป๊ะ ๆ

ข้อที่สองคือว่า บทเรียนเรื่องการปรับเทียบ effort ของ Anthropic เองจะถูกนำมาใช้ตรงนี้หรือไม่ ข้อได้เปรียบต่อแต่ละงานของ Sonnet 5.5 เหนือ Sonnet 5 มีอยู่ที่ effort ต่ำและปานกลาง ไม่ใช่ที่สูงสุด และที่ max กลับเป็นตรงกันข้าม ผู้ซื้อ Step 5 Preview ที่ไม่เคยไล่กวาดค่า effort กำลังเปรียบเทียบโมเดลที่ค่าตั้งต้นของมัน กับโมเดลที่ค่าตั้งต้นของมัน ซึ่งในฝั่ง Anthropic นั่นไม่ใช่จุดที่งานต้นทุนต่ำแต่มูลค่าสูงเกิดขึ้น

ตัวที่สามคือการรัน Step 5 Preview แบบอิสระอย่างแท้จริงที่การตั้งค่าซึ่งเทียบเคียงได้กับค่าที่ใช้วัดตัวเลขของ Anthropic จนกว่าสิ่งนั้นจะมีอยู่ ค่า 44 จึงเป็นการตั้งค่าที่ได้คะแนนเพียงค่าเดียวโดยไม่มีบันไดเทียบเคียงอยู่ข้าง ๆ และค่า 56 มีเส้นโค้งความพยายามทั้งหมดรองรับอยู่ข้างใต้ การเปรียบเทียบนี้ตรงไปตรงมาตามที่เขียนไว้ แต่ยังไม่สมมาตร

สำหรับทีมที่ตัดสินใจวันนี้แทนที่จะรอถึงวันที่ 15: หากเวิร์กโหลดเป็นแบบบริบทขนาดยาว ใช้แคชหนัก และทำซ้ำบ่อย การคำนวณบนหน้านี้จะเข้าข้างการ์ดราคาถูกกว่าถึงหนึ่งอันดับขนาด และช่องว่างด้านความสามารถคือค่าผ่านประตู หากเวิร์กโหลดยาก สั้น และถูกให้คะแนนโดยมนุษย์ที่จะสังเกตความแตกต่างระหว่าง 44 กับ 56 การ์ดราคาแพงคือใบที่ทำงานนั้นให้เสร็จ ไม่มีคำตอบใดอยู่รอดเมื่อเจอกับเวิร์กโหลดที่เป็นทั้งสองแบบ ซึ่งนั่นคือสิ่งที่เราเตอร์มีไว้สำหรับ

ราคาตั้งที่ส่งผ่านโดยบวกเพิ่ม 0% ดังนั้นเมื่อบัตรของ Anthropic เปลี่ยน บัตรของเราก็เปลี่ยนในวันเดียวกัน

การสลับไปใช้ระบบสำรองอัตโนมัติบนเราเตอร์คือสิ่งที่ทำให้เอนด์พอยต์พรีวิวถูกประเมินอยู่เบื้องหลังเส้นทางสำรองที่ผ่านการรับรอง แทนที่จะเป็นเส้นทางหลัก