Claude Sonnet 5.5 Extra: Một tin đồn về định tuyến dựa trên một từ mà Anthropic đã dùng

Lúc 12:44 chiều ngày 5 tháng 11 năm 2026, một tài khoản đăng với tên @chetaslua trên X đưa ra một tuyên bố trong một dòng: "Sonnet 5.5 Extra có vẻ như đang định tuyến đến mô hình claude tiếp theo." Cả hai bài kiểm tra đều được chạy trên cấu hình mà bài đăng gọi là "Sonnet 5.5 Extra", cấu hình này tương ứng với Claude Sonnet 5.5 với thiết lập effort được tăng lên. Trong bài đầu tiên, mô hình được hỏi — với tính năng duyệt web đã tắt — rằng Andrej Karpathy đã đi đâu vào năm 2026, và trả lời rằng ông gia nhập Anthropic vào tháng 5 năm 2026 trong nhóm pretraining. Trong bài thứ hai, mô hình được yêu cầu "vẽ chim bồ nông đi xe đạp chân thực nhất có thể chỉ bằng mã", và trả về, theo cách đếm của chính người đăng, 26.599 phần tử SVG, 6,5k nét lông, không hình ảnh, không data URI, không script và 1.860 dòng Python, mà người đăng nói rằng "dựng lại chính xác đến từng byte".

Điều hữu ích nhất để nói trước tiên lại là điều không hào nhoáng. Claude Sonnet 5.5 không phải là một mô hình chưa phát hành — nó đã ra mắt vào ngày 28 tháng 9 năm 2026 với giá 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra, và Amazon Bedrock ghi nhận cùng mô hình này dưới ID anthropic.claude-sonnet-5-5. Và "Extra" cũng không phải là một cái tên mới. Đó là từ trong chính trung tâm trợ giúp của Anthropic để chỉ mức suy luận cao thứ hai, "Extra high (xhigh)", mà API viết là xhigh và bộ chọn mô hình hiển thị là Extra high. Một mục trong trình chọn ghi "Sonnet 5.5 — Extra high" là một mô hình cộng với một mức nỗ lực, và cả hai phần của chuỗi đó đều đã tồn tại trong tài liệu công khai.

Không điều nào trong số đó khiến người đăng bài sai. Nó khiến người đăng bài chưa được chứng minh, và thu hẹp những gì sẽ chứng minh được điều đó. Anthropic chưa xác nhận gì, chưa có ID mô hình nào xuất hiện trong bất kỳ danh sách mô hình công khai nào, và khung rò rỉ là khung đúng: đây là điều tuyên bố nói, điều có thể kiểm tra hôm nay, và điều người đọc nên làm với nó. Phiên bản hữu ích của câu chuyện này không phải là "một Claude mới đang được thử nghiệm." Mà là ba mảnh bằng chứng được đưa ra ở đây có ba kiểu thất bại cụ thể, và mỗi kiểu đều có thể kiểm tra được.

Câu trả lời của Karpathy thực sự xác lập điều gì

Bài kiểm tra đầu tiên đang được đọc như một dấu vân tay. Nó gần giống một cuốn lịch hơn.

Karpathy đã thông báo trên X vào ngày 19 tháng 5 năm 2026 rằng ông đã gia nhập Anthropic — "Tôi đã gia nhập Anthropic... rất hào hứng được tham gia đội ngũ ở đây và quay lại với R&D" — và TechCrunch, Fortune cùng NY Post đều đưa tin trong cùng ngày, kèm chi tiết rằng ông đã vào nhóm pretraining dưới quyền Nick Joseph. Đó là một sự thật có trong mọi chỉ mục tin tức, và một mô hình trả lời đúng điều đó khi bị tắt tính năng duyệt web đã chứng minh đúng một điều: dữ liệu huấn luyện của nó kéo dài qua giữa tháng 5 năm 2026.

Claude Sonnet 5.5 ra mắt ngày 28 tháng 9 năm 2026. Một thông tin tuyển dụng từng là tin tức toàn cầu bốn tháng trước khi một mô hình ra mắt chính là kiểu dữ kiện thường nằm trong dữ liệu huấn luyện của nó, nên việc mô hình vượt qua phép thử này là kết quả đương nhiên chứ chẳng có gì đáng ngạc nhiên. Phép thử cũng không thể phân biệt Sonnet 5.5 với Claude Opus 5.5, với Claude Haiku 5.5, hay với bất kỳ bản Claude nào khác phát hành sau tháng 5. Một bài kiểm tra mà mọi ứng viên đều vượt qua thì không nhận diện được ai trong số họ.

Điều này quan trọng đối với cách đánh giá tuyên bố. Chuỗi trả lời dưới bài đăng chứa nửa thú vị hơn của bằng chứng, và nó mâu thuẫn: một câu trả lời hỏi “ý bạn là sonnet 5.6?”, một câu khác nói “đó cũng là fable 5.5, đã định tuyến cho người dùng trong nhiều tuần nay rồi.” Hai người đọc cùng một hành vi lại đi đến hai mô hình chưa công bố khác nhau, và cả hai đều không thể nêu tên một API ID. Đó là hình ảnh của một nhãn mơ hồ khi một cộng đồng cố gắng diễn giải nó.

26,599 phần tử SVG là số lần lặp

Con số chim bồ nông thì ấn tượng cho đến khi bạn nhận ra nó đang đếm cái gì. Một phần tử SVG chỉ là một thẻ. Một đoạn script Python đặt lông chim trong một vòng lặp có thể tạo ra bốn mươi nghìn phần tử như vậy mà mô hình chưa từng suy luận về một con chim bồ nông, và đó chính xác là điều mà tấm áp phích mô tả: 1,860 dòng Python tạo ra các phần tử, thay vì 26,599 phần tử được viết bằng tay. Con số đo lường tham vọng của trình tạo, chứ không phải độ trung thực của bức vẽ.

“Không hình ảnh, không data URI, không script” cũng là kiểu thống kê tương tự. Nó xác nhận đầu ra là một bản vẽ vector thuần túy chứ không phải ảnh bitmap bị tuồn vào tệp. Nó không nói gì về việc con chim có trông ra con chim hay không. Nếu bạn muốn đánh giá bản vẽ, hãy đánh giá bản vẽ — tệp video đính kèm của chính người đăng dài 19 giây, và đó mới là thứ đáng xem.

Cũng có một chi tiết về trình tự đáng biết trước khi điều này được ghi nhận là một sự kiện năng lực mới. Vào ngày 22 tháng 10 năm 2026, cùng tài khoản đó đã đăng ảnh chụp màn hình về một "mô hình bí ẩn trên code arena" với lời nhắc "code an svg of pelican riding bike as detailed as you can", thu hút khoảng 63.000 lượt xem. Lời nhắc con bồ nông là công cụ dò định tuyến thường trực của tài khoản này, được chạy lặp đi lặp lại. Hai kết quả từ cùng một công cụ dò cách nhau ba tuần không phải là những quan sát độc lập.

Bài kiểm tra pelican đã bị gỡ bỏ bởi chính những người đã làm nó nổi tiếng.

Simon Willison đã giới thiệu "Tạo một SVG về một con bồ nông đang đạp xe" vào ngày 25 tháng 10 năm 2024, với lý do rằng không thể có một SVG như vậy tồn tại một cách hợp lý trong dữ liệu huấn luyện, nên mọi mô hình đều phải thực sự thử làm. Nó đã trở thành một chuẩn đánh giá bán chính thức: đến tháng 6 năm 2025, Willison đã thu thập được 34 con bồ nông và 560 đánh giá theo cặp.

Sau đó Andrej Karpathy, chính người có vị trí là chủ đề của bài kiểm tra đầu tiên, tuyên bố nó đã chết. Đầu tháng 8 năm 2026, ông giao cho Claude Opus 5 đoạn mở đầu của The Lord of the Rings với ngân sách khoảng một triệu token và khoảng 10 đô la, rồi để nó tự vận hành trong hai giờ; nó tạo ra khoảng 5.500 dòng Three.js để dựng theo quy trình một Shire low-poly tương tác, "hơi lởm nhưng vui." Lập luận của ông là bài kiểm tra pelican đã mất khả năng phân biệt: các mô hình tiên phong giờ đều vượt qua nó, nên nó không còn tách biệt được chúng nữa.

Vậy là bài đăng ngày 5 tháng 11 sử dụng một bộ phát hiện mà chính người tạo ra nó đã ngừng dùng bốn tháng trước đó, trên một dòng mô hình vốn đã vượt qua nó. Điều đó không khiến kết quả trở nên tồi. Nó khiến kết quả không mang tính chẩn đoán — mà đó lại chính là thuộc tính duy nhất một bài kiểm tra định tuyến cần có.

“Extra” là một mức độ nỗ lực đã được ghi trong tài liệu, không phải tên mô hình

Đây là phần có thể kiểm tra trong khoảng chín mươi giây trên trang hỗ trợ của Anthropic. Trang trung tâm trợ giúp về thay đổi mô hình, mức nỗ lực và cài đặt suy nghĩ liệt kê năm mức: Low, Medium, High, "Extra high (xhigh)" và Max. Chú giải của chính trang cho Extra high là mức này "được thiết kế cho các tác vụ lập trình và tác vụ agentic chạy dài, mang lại suy luận sâu hơn high mà không tốn toàn bộ chi phí token như max," và trang nói thêm rằng mức này "có sẵn trên Opus 4.7 và các mô hình mới hơn." Tham số API được viết là xhigh; bộ chọn viết đầy đủ.

Claude Sonnet 5.5 có đủ cả năm mức — thấp, trung bình, cao, xhigh và max — với tính năng thinking luôn bật và không có cách nào tắt. Mức mặc định của nó không giống nhau trên mọi bề mặt — Claude API và Claude Code không nhất thiết mặc định cùng một mức. Không đặt gì cả và bạn có thể đã chạy một cấu hình khác tùy thuộc vào nơi bạn gọi từ đó. Vì vậy, một người dùng mở trình chọn model, thấy mục Sonnet 5.5 mặc định, và chuyển effort sang Extra high đã tạo ra một nhãn đọc y hệt "Sonnet 5.5 Extra" — trong khi đang chạy một model đã được phát hành rộng rãi được ba mươi chín ngày.

Điều mà mức nỗ lực tác động đến hóa đơn là phần đáng để ghi nhớ, vì đó có lẽ là nguồn gốc của ấn tượng "mô hình tiếp theo". Giá mỗi token không thay đổi theo mức nỗ lực: 2 đô đầu vào, 10 đô đầu ra, 0,20 đô đọc bộ nhớ đệm, ở mọi mức. Số token mỗi tác vụ thay đổi rất lớn. Artificial Analysis đã chạy toàn bộ phép quét khi ra mắt trên chỉ số trước v5 của mình và thu được thang bậc này:

• Thấp — chỉ số 36 với $0.41 mỗi tác vụ

• Trung bình — chỉ số 41 với $0.59 mỗi tác vụ

• Cao — chỉ số 47 với $1,08 mỗi tác vụ

• Cực cao (xhigh) — chỉ số 52 với $2.74 mỗi tác vụ

• Max — chỉ số 56 với $7.60 mỗi tác vụ

Hãy hiểu đó là đường cong chi tiêu, không phải đường cong năng lực. Chuyển từ high sang Extra high làm chi phí cho mỗi tác vụ hoàn thành tăng hơn gấp đôi để đổi lấy năm điểm chỉ số — vẫn cùng một mô hình, chỉ suy nghĩ lâu hơn. Một người dùng bật công tắc đó rồi thấy đầu ra trở nên phức tạp hơn một cách rõ rệt sẽ mô tả nó là "một mô hình khác". Đó vẫn là cùng một bộ trọng số, chỉ được cho nhiều không gian hơn.

Chỉ số hiện tại đang được đo theo cách khác và thấp hơn, và hai con số này không được trộn lẫn với nhau. Artificial Analysis đã xây dựng lại chỉ số của mình thành v5.0 vào ngày 27 tháng 10 năm 2026, thay thế chín bài đánh giá thành phần và dành trọng số 60% cho các bộ dữ liệu riêng tư hoặc được giữ kín. Trên v5.0.1, cùng một mô hình Claude Sonnet 5.5 đạt 55 ở mức nỗ lực tối đa, 155 token mỗi giây, $10.02 mỗi tác vụ chỉ số, sau khi đã tạo ra 335 triệu token đầu ra trong toàn bộ lượt chạy so với mức trung vị 72,6 triệu. Con số 56 ở trên là con số trước v5. Lấy số này trừ số kia là vô nghĩa.

Con số về độ rườm rà là con số trụ lại được qua cả hai bộ tiêu chí: khoảng 4,6 lần khối lượng đầu ra trung vị trên cùng một bộ nhiệm vụ. Đó là thứ mà nỗ lực "Extra" mua được và cũng là cái giá của nó, và đó là lời giải thích hợp lý hơn nhiều cho một bản demo gây sửng sốt so với việc âm thầm hoán đổi mô hình.

Điều gì thực sự sẽ giải quyết được chuyện đó

Tuyên bố này có thể bị bác bỏ, điều mà phần lớn những lời đồn đoán rò rỉ không thể nói được. Theo thứ tự độ mạnh tương đối:

• Một mục trong bộ chọn mô hình có tên không xuất hiện trong danh sách mô hình công khai của Anthropic — một chuỗi ký tự, không phải ảnh chụp màn hình về hành vi.

• Một phần thân phản hồi mà trường model báo cáo một thứ khác với một ID đã được ghi trong tài liệu. Mọi phản hồi của Claude API đều phản chiếu lại mô hình đã phục vụ nó; một sự hoán đổi âm thầm mà vẫn vượt qua được trường đó là một câu chuyện khác, lớn hơn.

• Một mục nhật ký thay đổi có ghi ngày tháng, một thẻ mô hình Bedrock hoặc Vertex, hoặc một giới hạn ngữ cảnh hay đầu ra được ghi nhận khác với mức 1M đầu vào và 128K đầu ra của Claude Sonnet 5.5.

• Tập lệnh trình tạo đằng sau pelican, được chạy hai lần trên hai cấu hình có tên, với các đầu ra được so sánh. Người đăng bài nói rằng nó tái tạo chính xác đến từng byte; đó là một khẳng định mà hai lần chạy có thể kiểm chứng.

Cho đến khi một trong số đó thành hiện thực, cách diễn giải trung thực là một mức effort đã tạo ra một bức vẽ ấn tượng hơn và cộng đồng coi đó là một bản phát hành mới. Anthropic chưa công bố bất cứ điều gì về nó, và bản thân bài đăng không khẳng định một cái tên mà nó có thể hậu thuẫn bằng một định danh — nó nói hành vi đó "trông giống" việc định tuyến. Đó là mô tả về một ấn tượng.

Vấn đề thực sự nằm ở việc định tuyến âm thầm, và điều đó có thể khắc phục được.

Bỏ qua tên mô hình, bên dưới là một lo ngại chính đáng: nếu một nhà cung cấp có thể phục vụ một yêu cầu dưới một nhãn trong khi đang chạy thứ khác, thì mọi bài đánh giá bạn chạy và mọi ước tính chi phí bạn đưa ra đều đang đo một mục tiêu di động. Câu trả lời không phải là những lời truyền miệng hay hơn. Mà là ghim cố định.

Trên OrcaRouter, Claude Sonnet 5.5 là một tuyến trong hơn 200 mô hình trên một khóa duy nhất, theo giá niêm yết của nhà cung cấp với mức đánh dấu 0% — vì vậy mức $2 và $10 ở trên là số tiền bạn thực sự trả, và thay đổi giá của nhà cung cấp sẽ có hiệu lực ngay bên chúng tôi trong cùng ngày. Bạn chỉ định chính xác mô hình trong yêu cầu; chuyển đổi dự phòng chỉ chuyển bạn sang nhà cung cấp khác khi một bên gặp lỗi, và nó thông báo cho bạn, thay vì âm thầm thay thế. Nếu bạn muốn kiểm tra giả thuyết trong bài viết này một cách đúng đắn, bạn không cần ảnh chụp màn hình: hãy định tuyến cùng một lời nhắc đến Sonnet 5.5 ở mức high và Extra high, gắn nhãn hai tuyến, rồi tự so sánh đầu ra và số lượng token. Đó là một thử nghiệm có kiểm soát. Nó chỉ tốn vài xu, và tạo ra một con số thay vì một cảm nhận.

Nếu một mô hình thực sự chưa được công bố xuất hiện, chính kỷ luật đó sẽ bắt được nó — một ID đã ghim đột nhiên không khớp với trường model, chứ không phải một con bồ nông trông đẹp hơn con của tháng trước.

Cần làm gì trước khi bạn xây dựng lại bất cứ thứ gì

Chưa có gì, vào lúc này. Tuyên bố này mới có một ngày, chỉ đến từ một nguồn duy nhất, và bằng chứng mạnh nhất của nó là một mức độ nỗ lực đã được ghi nhận. Đừng di chuyển một pipeline, chạy lại benchmark một mô hình, hay viết bài đăng ra mắt chỉ dựa vào đó.

Những gì bạn có thể làm trong tuần này đều rẻ và hữu ích dù theo cách nào. Hãy kiểm tra xem các lệnh gọi của chính bạn thực sự đang chạy ở mức nỗ lực nào, vì mặc định thay đổi tùy theo từng bề mặt và gần như không ai đặt nó một cách rõ ràng. Hãy theo dõi chi phí trên mỗi tác vụ hoàn thành thay vì giá trên mỗi token, vì đó chính là con số mà Extra high làm tăng gấp đôi. Và nếu bạn đang so sánh các mô hình, hãy cố định ID và ghi lại trường model trên mọi phản hồi — tuyên bố định tuyến duy nhất có ý nghĩa là tuyên bố mà nhật ký của chính bạn có thể xác nhận.

Câu hỏi còn bỏ ngỏ không phải là liệu Claude Sonnet 5.5 Extra có tồn tại hay không. Mà là liệu có ai sẽ tạo ra một mã định danh cho nó trước con bồ nông tiếp theo hay không.