Najnowszy model średniej klasy od Anthropic zajął trzecie miejsce w rankingu Agent Arena serwisu Arena.ai. Claude Sonnet 5.5, który zadebiutował 28 września 2026 roku, uzyskał wynik netto poprawy 12,5% — wystarczający, by wyprzedzić czołowy model OpenAI. Wyżej uplasowały się tylko dwa modele, oba również stworzone przez Anthropic.

Jak wygląda ranking

W ciągu kilku dni od premiery Sonnet 5.5 awansował na trzecie miejsce w Agent Arena. Jego dokładny wynik netto poprawy to 12,52%, z marżą błędu plus-minus 3,09%.

Dwa modele powyżej to Claude Fable 5.1 (Max) z wynikiem 14,31% oraz Claude Opus 5.5 (High) z wynikiem 13,82%. Bezpośrednio poniżej znajduje się GPT-6 Astra (Max) od OpenAI z wynikiem 12,27%. Dzięki tym rezultatom Anthropic zajmuje trzy z czterech czołowych pozycji w rankingu.

Agent Arena ocenia modele na milionach rzeczywistych zadań agentowych, w których AI musi korzystać z narzędzi, wykonywać wieloetapowe prace i zaspokajać potrzeby prawdziwych użytkowników. Ocena uwzględnia niezawodność korzystania z narzędzi, kończenie zadań oraz opinie użytkowników. Ten akcent odzwierciedla szerszą zmianę w branży: w miarę jak wdrożenia polegają na modelach wywołujących narzędzia i wykonujących wieloetapowe prace, rankingi modeli są coraz częściej rozstrzygane na podstawie kompleksowego wykonania zadań, a nie wyłącznie statycznego odpowiadania na pytania.

Koszt to druga kluczowa liczba. Arena podaje cenę Sonnet 5.5 na poziomie 2,74 USD za zadanie, a snapshoty z początku października szacują jego medianę kosztów na około 2,78 USD za zadanie. Model zużywa też więcej tokenów niż większość konkurentów.

Benchmarki poza Areną

Dobre wyniki Sonnet 5.5 obejmują także inne benchmarki. W Artificial Analysis Intelligence Index uzyskał 56 punktów, co daje drugie miejsce za Opus 5.5 (Max).

W Terminal-Bench 4.0 Sonnet 5.5 zdobył 70,6% — znaczny skok w porównaniu z poprzednikiem, Sonnet 5, który osiągnął na tym samym teście około 10–14%. Nowy model wyprzedził także Opus 5.5, który uzyskał 66,4 w Terminal-Bench 4.0.

Poprawiła się również szybkość: Sonnet 5.5 działa ponad 30% szybciej niż Sonnet 5. Ceny pozostały jednak bez zmian. Model nadal kosztuje 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych — tak samo jak wcześniej. Sonnet 5.5 oferuje okno kontekstowe o pojemności 1 miliona tokenów i maksymalne wyjście 128 000 tokenów. Przy niezmienionych cenach za token i wyższych wynikach oraz szybkości aktualizacja zmienia równanie możliwości na dolara — choć większy apetyt modelu na tokeny, widoczny w danych Areny, pozostaje zmienną decydującą o rzeczywistym koszcie zadania.

Co to oznacza dla wyścigu modeli AI

Pierwszą rzeczą, na którą trzeba zwrócić uwagę, jest margines błędu. Wynik Sonnet 5.5 obciążony jest marżą plus-minus 3,09%, a cała różnica między czterema najlepszymi modelami jest od niej mniejsza. GPT-6 Astra (Max) ustępuje Sonnet 5.5 zaledwie 0,25 punktu procentowego. Przy tak wąskich różnicach kolejność może się zmienić, gdy Arena zagreguje więcej wyników zadań, więc zestawienie najlepiej traktować jako aktualny snapshot, a nie utrwaloną hierarchię.

Znaczenie ma tu także zużycie tokenów. Wyższe zużycie tokenów może zjadać przewagę kosztową w zależności od obciążenia — model tani za token, ale rozwlekły, nie zawsze będzie tani za zadanie. Dla zespołów uruchamiających agentów produkcyjnie te dwie kolumny — wynik i koszt zadania — trafiają do tego samego arkusza, dlatego każda premiera przetasowująca czołówkę rankingów takich jak Agent Arena jest ważona pod oboma względami.