Anthropic wydał Claude Sonnet 5.5 w dniu 28 września, drugi model w serii Claude 5.5, ogłaszając debiut oficjalnym wpisem na X. Premiera następuje, gdy według Reuters firma przygotowuje się do wejścia na giełdę. Podkreśla ona także zmianę kryteriów oceny technologii AI: surowe wyniki benchmarków pozostają kluczowym czynnikiem, ale firmy coraz częściej biorą pod uwagę, jak kosztowne jest uzyskiwanie wyników za pomocą konkretnego modelu.

Według Anthropic Sonnet 5.5 działa ponad 30% szybciej niż Sonnet 5 i może wykonywać większość zadań nawet o 30% taniej, mimo że ceny tokenów pozostają bez zmian. Zgodnie z stroną premiery modelu redukcja kosztów wynika z zużywania mniejszej liczby tokenów do wykonania tej samej pracy.

Ta sama cena, mniej tokenów

Sonnet 5.5 jest wyceniony na 2 dolary za milion tokenów wejściowych, 10 dolarów za tokeny wyjściowe i 0,20 dolara za tokeny cache-read — zniżkową stawkę za ponowne wykorzystanie kontekstu już przetworzonego przez model. Opus 5.5, wyspecjalizowany w złożonym rozumowaniu i operacjach oceniających, kosztuje odpowiednio 4 i 20 dolarów za tokeny wejściowe i wyjściowe. Sonnet jest pozycjonowany do codziennych zadań, takich jak kodowanie, generowanie dokumentów i arkusze kalkulacyjne.

Ta struktura cen stawia efektywność w centrum dyskusji. W przypadku wielu zadań firmy nie potrzebują najwydajniejszego dostępnego modelu; tani model, który konsekwentnie wykonuje pracę, może mieć większe znaczenie niż kilka punktów więcej w benchmarku. Ta dynamika jest szczególnie istotna dla Anthropic, który według Reuters pozyskuje około 80% przychodów od klientów korporacyjnych.

Benchmarki przestają mówić całą historię

Anthropic podaje, że Sonnet 5.5 uzyskuje 70,6% w Terminal-Bench 4.0, benchmarku agentowym testującym modele na rzeczywistych zadaniach terminalowych, w porównaniu z 10,3% dla Sonnet 5. Jednak ranking Artificial Analysis prowadzony przez niezależnego ewaluatora Artificial Analysis pokazuje, dlaczego wyniki benchmarków to tylko część obrazu. Przy maksymalnym wysiłku Sonnet 5.5 osiąga wynik 56 na skali inteligencji, przy szacowanym koszcie 7,60 dolara za zadanie. GPT-6 Sol osiąga 48 punktów przy 1,06 dolara za zadanie, a Xiaomi MiMo-V2.6-Pro uzyskuje wynik 46 za jedyne 0,13 dolara. Innymi słowy, model liderujący pod względem inteligencji niekoniecznie jest liderem pod względem efektywności kosztowej — a przy dużych wolumenach pracy różnice na zadanie tego rzędu szybko się kumulują.

Te różnice kosztowe pchają firmy w stronę strategii wielomodelowych: trudniejsze zadania są przypisywane systemom klasy premium, podczas gdy rutynowa praca trafia do tańszych alternatyw. Takie podejście pozwala organizacjom płacić za najwyższe możliwości tylko tam, gdzie są naprawdę potrzebne.

Cena myśli nadal spada

Ta zmiana wpisuje się w znacznie większy trend. Według raportu Epoch AI opublikowanego 22 września koszt osiągnięcia danego poziomu wydajności AI spadł o około 47% kwartalnie od 2023 roku — co daje około 13-krotną redukcję rocznie. Oddzielny raport Cryptopolitan z 29 września podaje, że klienci korporacyjni coraz częściej preferują najtańszy model, który potrafi wykonać wymaganą pracę, a niskie ceny ułatwiają firmom uzasadnienie jednoczesnego uruchamiania wielu modeli.

Tańsze tokeny, większe rachunki

Niższe koszty jednostkowe nie gwarantują jednak niższych łącznych wydatków na AI. Raport Gartner opublikowany 17 sierpnia, zatytułowany "Gartner Predicts AI Inference Costs Per Agentic Workflow Will Increase More Than Fivefold Through 2028", opisuje "paradoks inferencji": spadające ceny tokenów pobudzają bardziej złożone przepływy pracy, co zwiększa całkowite zużycie tokenów. Ceny jednostkowe i łączne wydatki to różne dźwignie — pierwsza określa koszt każdego tokena, a druga zależy od liczby tokenów zużywanych przez przepływ pracy.

"Product leaders cannot rely on more efficient token economics to rationalize AI costs" — powiedział Will Sommer, Senior Director Analyst w Gartner, w raporcie z 17 sierpnia 2026 roku.

Kto faktycznie korzysta z tańszej AI

Według Global AI Diffusion Report Microsoftu tanie modele i modele o otwartych wagach mogą znacząco poprawić dostęp do AI, szczególnie na Globalnym Południu. Mimo to same niższe koszty modeli nie przesądzą o ich adopcji — infrastruktura, łączność i umiejętności pozostają czynnikami decydującymi o tym, czy tańsza AI będzie faktycznie wykorzystywana.

Dla klientów korporacyjnych Sonnet 5.5 wskazuje kierunek, w którym zmierza rynek: najlepszy model to niekoniecznie ten najpotężniejszy, lecz ten, który dobrze wykonuje pracę po rozsądnej cenie. Haiku 5.5, kolejny model w serii, oczekiwany w nadchodzących tygodniach, może pchnąć tę zmianę jeszcze dalej — czyniąc wysokowolumenową pracę AI tańszą i utrudniając firmom uzasadnienie płacenia cen premium za rutynowe zadania.