Claude Sonnet 5.5: как перейти и проверить, что стало быстрее и дешевле

Anthropic выпустили Claude Sonnet 5.5 — вторую модель семейства Claude 5.5. В анонсе компании заявлены две вещи, ради которых обновление вообще стоит рассматривать: генерация более чем на 30% быстрее, чем у Sonnet 5, и до 30% ниже стоимость типовой задачи. Вопрос «как перейти на Claude Sonnet 5.5» при этом решается не одной строкой в конфиге: сменить идентификатор модели — минута, а убедиться, что экономия настоящая и качество не просело именно на вашей нагрузке, — работа на несколько дней.

Экономия здесь устроена не через прайс. Цена за токен осталась той же, что у Sonnet 5: 2 доллара за миллион входных токенов и 10 за миллион выходных. Дешевле задача выходит потому, что модель тратит меньше токенов на тот же результат — по наблюдениям ранних тестировщиков, она чаще объединяет вызовы инструментов в пакеты и проходит меньше шагов. Значит, и проверять надо не прайс-лист, а свой счёт за токены на своих задачах.

Ниже — порядок действий: от сбора выборки до решения, что переводить на новую модель, а что оставить как есть. На выходе у вас будет замер «до и после» по стоимости, скорости и качеству, выбранный уровень усилия для каждого типа задач и список исключений.

Что понадобится, чтобы перейти на Claude Sonnet 5.5

• Доступ к модели. Anthropic пишут, что Sonnet 5.5 доступен на всех платформах, включая Amazon Web Services, Google Cloud и Microsoft Azure; на Claude Platform разработчики обращаются к нему по идентификатору claude-sonnet-5-5.
• Выборка из 20–50 реальных задач, на которых вы сегодня гоняете Sonnet 5, — с настоящими входными данными, а не с придуманными примерами.
• Логи текущих прогонов: количество входных и выходных токенов, время до готового ответа, число шагов агента. Без цифр «до» сравнивать будет не с чем.
• Критерий качества, который можно посчитать. Доля задач, принятых без правок; количество правок на документ; доля прошедших тестов — что угодно измеримое.
• Прайс, чтобы считать стоимость прогона:

• Решение по данным. Anthropic отмечают, что Sonnet 5.5, как Opus 5.5 и Sonnet 5, доступен в режиме нулевого хранения данных. Если в выборке есть персональные данные клиентов или чужие тексты под NDA, режим включается до первого прогона, а не после.

Шаг 1. Отобрать задачи, где прирост вероятен, и снять базовую линию

Сначала разметьте свою нагрузку по типам: агентное программирование, работа с документами и презентациями, разбор таблиц и графиков, работа с интерфейсом компьютера, длинные многочасовые задачи. Для каждого типа возьмите 5–10 показательных примеров.

Куда смотреть в первую очередь, подсказывают опубликованные Anthropic результаты. Разброс между типами задач там огромный, и именно он определяет, где обновление окупится сразу, а где даст пару пунктов.

Отдельно стоит отметить, что сама компания оговаривается: бенчмарки показывают одну грань модели, и на сложной открытой работе с длительным рассуждением Opus 5.5 у них остаётся заметно сильнее.

Теперь базовая линия. Прогоните выборку на той модели, которой пользуетесь сейчас, и зафиксируйте по каждой задаче: выходные токены, время ответа, число шагов, оценку качества. Это скучные полчаса, без которых весь дальнейший замер превращается в ощущения.

Чем чревата ошибка: если взять в выборку только простые задачи, новая модель покажет блестящий результат, а на проде вы столкнётесь с тем классом работы, который не проверяли.

Шаг 2. Переключить модель и заранее починить настройку thinking

На Claude Platform смена сводится к идентификатору claude-sonnet-5-5. Но есть одна деталь, из-за которой миграция ломается тихо: если вы запускали Sonnet с полностью выключенным thinking, перед переходом нужно переключиться на новую настройку between_tools — она оставляет выключенным предварительное рассуждение. Порядок в руководстве Anthropic именно такой: сначала настройка, потом смена модели.

Вторая деталь касается тех, кто гоняет длинные агентные сессии. В Sonnet 5.5 расширен механизм сохранённого рассуждения: мыслительный след нельзя отделить от аккаунта, который его создал. Anthropic пишут, что большинство разработчиков изменения не заметят, но если вы переносите разговоры между аккаунтами или меняете аккаунт посреди сессии в Claude Code, поведение будет другим.

Как понять, что шаг выполнен: одна тестовая задача из выборки проходит от начала до конца, в логе видна новая модель, а сессия с переключением инструментов не падает на середине.

Шаг 3. Подобрать уровень усилия под каждый тип задач

Уровень усилия (effort level) — главный рычаг стоимости. По умолчанию в Claude Code и приложениях Claude стоит Medium, на Claude Platform — High. На низких настройках модель отвечает быстрее и тратит меньше токенов, на высоких дольше рассуждает и тщательнее перепроверяет себя.

Практический вывод из данных Anthropic: на нескольких оценках Sonnet 5.5 на Low или Medium обходит лучший результат Sonnet 5 примерно за десятую часть стоимости задачи. На FrontierCode при High-настройке модель набирает на 10 пунктов больше, чем Sonnet 5 при той же настройке, и стоит при этом примерно в пятнадцать раз дешевле за задачу.

Порядок подбора простой:

1. Начните с Medium для всей выборки.
2. Для задач, где качество устроило, попробуйте Low и сравните долю принятых без правок.
3. Поднимайте до High или Max только те типы, где Medium даёт сбои, — и посчитайте, во что это обходится.

Чем чревата ошибка: оставить High по умолчанию на платформе и не заметить, что половина потока — рутина, которая прекрасно закрывается на Medium. Тогда обещанной экономии не будет вовсе.

Шаг 4. Прогнать задачи, которые могут упереться в защитные механизмы

Sonnet 5.5 — первая модель линейки Sonnet, которую выпустили с киберзащитой уровня Opus. Anthropic описывают это так: обычная разработка, включая поиск и исправление багов в своём коде, не затронута, а высокорисковые задачи по кибербезопасности заметно откатываются на Sonnet 5. Если у вас такие задачи есть, прогоните их отдельно и посмотрите, что происходит на практике — фолбэк по описанию виден.

Биологические ограничения остались теми же, что у Sonnet 5. Компания признаёт, что часть запросов по микробиологии и вирусологии может помечаться ошибочно, хотя большинство исследовательских, учебных и клинических задач не затрагивается. Для команд, которым мешают ложные срабатывания, у Anthropic есть программы верификации — для кибербезопасности и для наук о жизни.

Как понять, что шаг выполнен: вы знаете, какая доля вашего потока упирается в ограничения, и решили, что с ней делать — подавать заявку на верификацию или оставлять на прежней модели.

Как проверить результат

Сравнивайте на той же выборке и по тем же критериям, что снимали в первом шаге. Считать стоит четыре величины:

• Стоимость задачи. Входные и выходные токены умножаете на цену, отдельно учитываете чтение и запись кеша. Ориентир от Anthropic — до 30% дешевле за задачу, чем у Sonnet 5.
• Время до готового ответа. Заявлено более 30% прироста скорости генерации.
• Число шагов агента. В Slack замерили это на своих офлайн-оценках Slackbot: без единого изменения в промптах Sonnet 5.5 показал лучший результат почти на всех проверках, за меньшее число шагов и примерно на 14% меньше выходных токенов. Об этом рассказал принципал-инженер Slack Кёртис Аллен.
• Качество. Доля задач, принятых без правок. Здесь же честно фиксируйте регрессии: если какой-то тип задач просел, он не отменяет экономию, но должен остаться на прежней модели.

Порог решения задайте заранее. Разумный: переводим тип задач на Sonnet 5.5, если качество не ниже прежнего, а стоимость задачи упала хотя бы на 15%.

Что делать, если не работает

Стоимость не изменилась. Скорее всего, вы остались на High по умолчанию на платформе. Пройдите шаг 3 заново и проверьте, какой уровень усилия реально стоит в проде.

Агент падает или ведёт себя странно в длинной сессии. Проверьте настройку thinking: старый вариант с полностью выключенным рассуждением заменён на between_tools. И проверьте, не меняется ли аккаунт посреди сессии — сохранённое рассуждение теперь привязано к аккаунту, который его создал.

Задача откатывается на Sonnet 5. Это и есть киберзащита из шага 4. Вариантов два: переформулировать задачу так, чтобы она попадала в обычную разработку, или подавать заявку на расширенный доступ.

Качество просело на конкретном типе работы. Не тащите на Sonnet 5.5 всё сразу. Anthropic прямо пишут, что на сложной открытой работе с устойчивым суждением Opus 5.5 сильнее; Sonnet 5.5 они позиционируют как модель для чётко очерченных повседневных задач, починки багов и подготовки документов, презентаций и таблиц.

Промпты написаны под старую модель. В Epic Games отмечают, что новая модель справлялась при менее предписывающем промптинге. Об этом говорит операционный директор компании Дэниел Фогель. Прежде чем чинить качество наращиванием инструкций, попробуйте наоборот — убрать лишние подпорки.

Что с этим делать

1. Не переводите весь поток разом. Разметьте нагрузку по типам и мигрируйте по одному, начиная с того, где разрыв в результатах самый широкий: агентное программирование, чтение графиков, работа с интерфейсом.
2. Снимите базовую линию до переключения. Без цифр «до» вы не докажете ни экономию, ни регрессию.
3. Считайте не прайс, а токены на задачу. Цена за миллион токенов у Sonnet 5.5 та же, что у Sonnet 5, — весь выигрыш живёт в расходе.
4. Настройте уровень усилия по типам работы, а не один на всё. Это самая дешёвая оптимизация из доступных.
5. Заранее уточните у себя, что вы вообще отдаёте модели. Режим нулевого хранения данных включается до первого прогона, а не после того, как выборка с персональными данными уже ушла наружу.

Отдельно: Anthropic анонсировали Claude Haiku 5.5 «в ближайшие недели» — модель для высокообъёмных и чувствительных к стоимости сценариев. Если ваша нагрузка именно такая, имеет смысл дождаться её и сравнить втроём, а не переводить всё на Sonnet 5.5 сегодня.

Источник: Introducing Claude Sonnet 5.5