Claude Sonnet 5.5発表 Sonnet 5と同料金で出力30%以上高速

Sonnet 5.5の位置づけとOpus 5.5との違い

Anthropicは、Sonnet 5.5を「Claude Opus 5.5を補う、より速く低コストなモデル」と説明しています。Opus 5.5は慎重な判断が必要な複雑な作業向けです。Sonnet 5.5は、範囲がはっきり決まった日常的なタスク、バグ修正、完成度の高い文書・スライド・スプレッドシートの作成を最も得意とします。デザインを見る目も鋭いとされています。

また、Max effortのSonnet 5.5は、いくつかの評価でOpus 5.5に匹敵するスコアを出しています。一方でAnthropicは、ベンチマークのスコアはモデルの能力の一面にすぎないとしています。自社のテストでも外部テスターのテストでも、判断を長く続ける必要がある複雑で答えの決まらない作業では、Opus 5.5が明らかに強いという結果でした。

大量処理やコストを重視する用途向けの「Claude Haiku 5.5」は、今後数週間のうちにClaude 5.5ファミリーに加わる予定です。

ベンチマークの結果

公式発表の比較表から、主な数字を抜き出します（Sonnet 5.5／Sonnet 5／Opus 5.5の順）。

エージェント型コーディングの評価Terminal-Bench 4.0は、70.6%／10.3%／66.4%でした。実際のCursorセッションから取った、曖昧で複数ファイルにまたがる課題を使うCursorBench 4.0は、55.5%／34.1%／57.8%です。コンピューター操作のOSWorld 2.1（partial）は80.1%／57.0%／81.8%、ツールを使ったHumanity’s Last Examは64.5%／54.9%／67.7%でした。ツールなしのグラフ認識Chartographyは61.6%／15.6%／64.4%で、GPT-6 Solは53.6%です。

知識作業では、GDPval-AA v2.1が1844／1449／1846で、GPT-6 Solは1487でした。この評価は、44の職種と9つの主要産業にわたる実務タスクでモデルを測るものです。Anthropicは、Sonnet 5.5がOpus 5.5とほぼ並び、Sonnet 5を約400ポイント上回ったとしています。長期にわたる知識作業を測る新しいベンチマークAA-Briefcase v1.1は、1811／1359／1822で、GPT-6 Solは1483でした。

このほか、スクリーンショットだけを手がかりに『ポケットモンスター 赤』をクリアした初めてのSonnetモデルになったことも紹介されています。

料金とeffort設定によるコストの違い

100万トークンあたりの料金は、入力$2、出力$10、キャッシュ読み取り$0.20、キャッシュ書き込み$2.50です。入力・出力・キャッシュ読み取りはSonnet 5と同額です。比較のために示されたOpus 5.5は、入力$4、出力$20、キャッシュ読み取り$0.20、キャッシュ書き込み$5です。

料金が同じでもコストが下がる理由として、Anthropicは、同じ作業に必要なトークンが通常はずっと少なくて済む点を挙げています。

effortの設定を変えると、コスト・速度と品質のバランスを調整できます。既定値は、Claude Codeとアプリが「Medium」、Claude Platformが「High」です。設定を下げると回答が速くなり、トークン消費も減るので、定型的な作業に向きます。上げると、Claudeは長く推論し、作業をより念入りに見直します。

Anthropicによると、いくつかのベンチマークで、LowまたはMediumのSonnet 5.5が、Sonnet 5の最高スコアを約10分の1のタスク単価で上回りました。たとえばTerminal-Bench 4.0では、Medium effortのSonnet 5.5が、10分の1未満のタスク単価でSonnet 5の最高スコアを大きく超えています。FrontierCodeでは、High effortのSonnet 5.5が、GPT-6 Solの最高スコアに約5分の1のタスク単価で並びました。

速度とコーディングでの変化

Sonnet 5.5は、Sonnet 5より30%以上速く出力を生成します。Anthropicは「これまでで最も速いSonnetモデル」としています。公式ページでは、「400羽のムクドリの群れを1つのHTMLファイルで」などの同じプロンプトでSonnet 5とSonnet 5.5を並べて比べています。

性能の伸びが特に目立つのはコーディングです。FrontierCodeのHigh effortでは、同じ設定のSonnet 5より10ポイント高いスコアを、約15分の1のタスク単価で出しました。CursorBenchでの最高スコアは、Opus 5.5との差が約2ポイント以内です。

初期テスターは、Sonnet 5.5がコードベースを速く理解する点を評価しました。同じ課題で比べると、Sonnet 5よりツール呼び出しをまとめて実行することが多く、そのぶん手順が減り、コストも下がったとしています。CodeRabbitは、Sonnet 5で見られたWeb検索に頼りすぎる傾向と、トークン使用量の多さが解消されたとコメントしています。

資料作成への評価と安全対策

初期テスターは、会話の相手として自然になった点と、デザインのセンスを挙げています。UIの仕上がりが良くなり、スライドのテンプレートに沿ってほとんど手直しのいらない資料を作れるといいます。Anthropicの社内テストでは、ある上場企業の四半期決算資料と決算説明会の書き起こし、スライドテンプレートを渡し、10枚の業績レビュー資料を依頼しました。2人の専門家が、最初の下書きをそのまま送れる水準だと判断しています。

安全面では、自動の行動監査で、アライメントのほとんどの指標がSonnet 5と同等か改善しました。サイバーセキュリティの能力がOpus 5と同程度であるため、Sonnet 5.5は、最も高性能なモデル向けに開発したものと同様のサイバー分野のセーフガードと代替措置を備えて提供される、初めてのSonnetモデルになりました。生物学分野のセーフガードはSonnet 5と同じです。どちらのセーフガードも、ごく一部の高リスクなリクエストだけを対象にしており、通常のソフトウェア開発やほとんどのライフサイエンスの作業には影響しないと説明されています。