דלגו לתוכן
גיליון 001·חי·20:20 IL
→ יומן/2026-09-29·8 דק׳

Claude Sonnet 5.5 מהיר יותר. האם הוא זול יותר עבור הסוכן שלך?

Sonnet 5.5 שומר על מחיר הטוקן אבל משנה את המהירות ואת צריכת הטוקנים. דרך מעשית להשוות מודל, רמת מאמץ, איכות משימה ועלות כוללת במקום לסמוך על כותרת.

מאת Harel Asaf·בונה בינה מלאכותית·תל אביב

Claude Sonnet 5.5 יכול לעלות פחות לכל משימה שהושלמה מאשר Sonnet 5 בלי מחיר טוקן נמוך יותר: לפי Anthropic הוא מייצר פלט מהר יותר ולעיתים קרובות משתמש בפחות טוקנים כדי לסיים את אותה עבודה. אבל "זול יותר" הוא לא תכונה של מודל בבידוד. העלו את רמת המאמץ שלו, תנו לסוכן קוד לרוץ הרבה צעדים, או השוו אותו על המשימות הלא נכונות, והחשבון יכול לזוז לכיוון ההפוך. מדדו את זרימת העבודה שהושלמה, לא את מחירון הטוקנים.

מייל על מודל חדש נחת בתיבה שלי בלילה. הכותרת הייתה על מהירות. השאלה השימושית למי שבונה סוכנים ספציפית יותר: **באיזו רמת מאמץ המודל מסיים את העבודה שלכם ברמת דיוק מספקת, וכמה ההרצה הזו באמת עולה?** ההשקה של Anthropic ובנצ'מרק עצמאי נותנים מבטים שונים אבל תואמים על השאלה הזו.

מה השתנה ב-Claude Sonnet 5.5?

Anthropic הציגה את Sonnet 5.5 ב-28 בספטמבר כעמית מהיר ל-Opus 5.5. מחירי ה-API שהוכרזו זהים לאלה של Sonnet 5: ‏$2 למיליון טוקני קלט, ‏$10 למיליון טוקני פלט, ו-$0.20 למיליון טוקני קריאת מטמון. לפי Anthropic היצירה מהירה ביותר מ-30%, והבדיקות שלה מראות עד 30% עלות נמוכה יותר לכל משימה, כי המודל לעיתים קרובות צריך פחות טוקנים או צעדים כדי לסיים את העבודה. אלו מדידות של הספק, לא הבטחה על כל זרימת עבודה.

למודל יש רמות מאמץ מתכווננות. לפי Anthropic אפליקציות Claude ו-Claude Code מוגדרות כברירת מחדל על Medium, בעוד הפלטפורמה שלה מוגדרת על High. אותו שם מודל יכול אם כן להסתיר תקציבים והתנהגויות שונים תלוי מאיפה קוראים לו. לפני שמשווים צילומי מסך של שתי הרצות, בדקו את רמת המאמץ, הפרומפט, הכלים, התנהגות המטמון, ומה נחשב משימה שהושלמה.

משוואת עלות שימושית היא פשוטה, גם אם מדידת המשתנים שלה לא:

עלות לכל משימה מוצלחת = עלות המודל והכלים הכוללת על פני כל הניסיונות חלקי משימות שעוברות את בדיקת הקבלה.

ניסיונות חוזרים, תיקון אנושי והרצות כושלות שייכים למונה. הרצה שהפיקה תשובה אבל שברה את זרימת העבודה לא שייכת למכנה.

למה מודל עם אותו מחיר טוקן יכול לעלות פחות?

כי סוכן הוא לולאה, לא השלמה אחת. הוא קורא קונטקסט, קורא לכלים, מקבל תוצאות, ולעיתים קרובות מתחיל עוד תור של המודל. מודל שמגיע למצב הסיום הנכון בפחות תורים יכול לכווץ גם את הפלט וגם את הקלט החוזר. זרם פלט מהיר יותר יכול להקטין את זמן ההמתנה של המשתמש בלי לשנות את צריכת הטוקנים, בעוד החלטות טובות יותר יכולות להקטין קריאות כלים חוזרות. אלו יתרונות נפרדים.

משתנהמה לתעדקיצור דרך שגוי נפוץ
טוקני קלטכל תור, כולל קונטקסט חוזר ותוצאות כליםלתמחר רק את הפרומפט הראשון
טוקני פלטכל החשיבה והפלט הגלוי שמחויבים על ידי הספקלספור רק את התשובה הסופית
קריאות/כתיבות מטמוןשיעור פגיעה וטוקנים מחויביםלהניח שהמטמון עבד כי הוא הופעל
צעדי סוכןקריאות כלים, ניסיונות חוזרים והסלמותלהתייחס להרצה כושלת כעלות אפס
איכותשיעור מעבר על מצב הסיום בפועללקבל תשובה שטחית כהשלמה
חביוןזמן כולל מקצה לקצהלבלבל בין טוקנים לשנייה לזמן להשלמת משימה

ההשקה של Anthropic כוללת דוגמאות שבהן מאמץ נמוך מנצח את תוצאת הבנצ'מרק הטובה ביותר של Sonnet 5 בעלות משימה נמוכה בהרבה. היא גם מדווחת על שיפורים גדולים בקוד. אלו סיבות להריץ ניסוי, לא מספרים להדביק בתקציב של סוכן אחר.

מה בדיקות עצמאיות מסבכות?

Artificial Analysis העריך את המודל באופן עצמאי על פני רמות מאמץ. תצורת המאמץ המקסימלי שלו הגיעה ל-56 במדד האינטליגנציה, מיד מאחורי Opus 5.5 עם 58. אבל הוא השתמש בכ-193,000 טוקני פלט לכל משימת מדד, צריכת הטוקנים הגבוהה ביותר שהמעריך הזה מדד. ברמה הזו, Artificial Analysis אמר ש-Sonnet 5.5 לא נמצא על גבול האינטליגנציה מול עלות-למשימה שלו. ציון כמעט-שיא לא אומר הרכישה הטובה ביותר.

זה לא סותר את הטענה של Anthropic ש-Sonnet 5.5 יכול להיות זול יותר מ-Sonnet 5 במשימות רבות. נקודות ההשוואה שונות: בדיקות ספק מול מדד עצמאי, Sonnet 5 מול מודלי חזית אחרים, ומאמץ נמוך/בינוני מול מקסימלי. Artificial Analysis גם ציין שלפריסת הטרום-השקה שלו הייתה באג בפלט מובנה ש-Anthropic אמרה שתוקן להשקה הציבורית. אל תהפכו את ציוני הטרום-השקה המדויקים שלו לציפיית ייצור אוניברסלית.

יש מלכוד השוואה שני. Anthropic מדווחת 70.6% ב-Terminal-Bench 4.0 עבור Sonnet 5.5; Artificial Analysis מדווח 64% בהרצה שלו. אף מספר לא פוסל אוטומטית את השני. ה-harness, הסביבה, המאמץ והדגימה יכולים לשנות תוצאות בנצ'מרק. אם מישהו מציע ציון יחיד בלי ההקמה, בקשו את ההקמה לפני בחירת מודל.

איך להשוות את Sonnet 5.5 בתוך סוכן?

עשו את ההשוואה קטנה מספיק כדי לסיים וכנה מספיק כדי להחליט:

1. הקפיאו סט משימות. כללו בקשות נפוצות, קלטים מבולגנים, מקרי קצה, ומקרים שבהם פעולה שגויה משנה. שמרו סט נפרד לאימות סופי.

2. הגדירו את מצב הסיום. האם הקוד עבר בדיקות? האם המסמך המבוקש היה שלם ומבוסס עובדתית? האם נעשה שימוש בכלי הנכון? תשובה מלוטשת לבדה היא לא מעבר.

3. הריצו קו בסיס. השוו את המודל והתצורה הנוכחיים עם Sonnet 5.5 על קלטים, כלים וכללי timeout זהים.

4. סרקו מאמץ במכוון. בדקו Low, Medium ו-High לפני שמניחים ש-Max שווה את זה. תעדו כל רווח מאמץ גבוה לצד עלות הטוקנים והחביון שלו.

5. תמחרו את כל הניסיון. כללו ניסיונות חוזרים, כתיבות מטמון, קריאות כלים ותיקונים אנושיים. דווחו חציון וזנב יקר, לא רק את ההרצה הטובה ביותר.

6. בדקו כשלים רגישים בנפרד. סוכן שחוסך כסף אבל שולח את ההודעה הלא נכונה או משנה את הקובץ הלא נכון הוא לא אופטימיזציה.

בקוד, בדקו שינויים בענף זמני והריצו את הבדיקות האמיתיות של הרפו. במחקר, השוו טענות מצוטטות למקורות המקוריים שלהן. בזרימת עבודה בייצור, השיקו לפרוסה קטנה והפיכה לפני שינוי הניתוב לכולם. זה לא טקס. ככה מגלים אם טענת המהירות קונה יום עבודה טוב יותר או רק ציון leaderboard יקר יותר.

מתי לנתב ל-Sonnet במקום ל-Opus?

ההשקה ממצבת את Sonnet 5.5 כמתאים למשימות יומיומיות מוגדרות-היטב ואת Opus 5.5 לעבודה הדורשת שיקול דעת זהיר. זו היפותזת התחלה שימושית, לא כלל ניתוב. אפשר לנתב חילוץ שגרתי, עיצוב, או שינויי קוד מוגבלים לתצורה הזולה יותר אם ההערכה שלכם מראה שהיא מגיעה באופן מהימן למצב הסיום הנכון. הסלימו מקרים דו-משמעיים, יקרים או בסיכון גבוה לבדיקה חזקה יותר או למודל מסוגל יותר כשזה משפר תוצאות.

אל תנו למודל לבחור את התקציב שלו בלי אילוצים. סוג קשה של משימה עלול לגרום להרבה ניסיונות חוזרים במאמץ נמוך; הרצת מאמץ גבוה עשויה לפתור אותה בבת אחת; או ששניהם יצטרכו בן אדם. כלל הניתוב שלכם צריך לשקול עלות כוללת צפויה והשלכה של טעות, לא רק מחיר לטוקן.

המחיר הרשום של Anthropic ל-Opus 5.5 הוא ‏$4 למיליון טוקני קלט ו-$20 למיליון טוקני פלט, כפול ממחיר יחידת הקלט/פלט הבלתי-ממוטמן של Sonnet 5.5. זה לא אומר כלום בפני עצמו על עלות משימה מוצלחת. אם Opus צריך הרבה פחות עבודה, או Sonnet נכשל שוב ושוב, החיסכון המדומה מתאייד. מדדו במקום להצהיר.

מה לעקוב אחרי המעבר?

התייחסו לשינויי מודל כשינויי קוד. שמרו סט רגרסיה קבוע, תעדו מודל ורמת מאמץ בכל הרצה, והשוו את אותן קטגוריות כשל לאורך זמן. עקבו אחר לולאות כלים חדשות, ציטוטים לא נתמכים, פלט מובנה מעוות, וקפיצות עלות בזנב היקר. אם גרסה חדשה משפרת את החציון אבל יוצרת מספר קטן של כשלים ארוכים ויקרים, הממוצע יכול להסתיר את הבעיה התפעולית.

הגרסה במשפט אחד: Sonnet 5.5 הופך עלות נמוכה יותר לכל משימה מוצלחת לסבירה, לא אוטומטית. אותו מחיר טוקן, פלט מהיר יותר ובנצ'מרקים חזקים יותר הם סיבות טובות לבדוק אותו. רמת המאמץ של המודל וההתנהגות מקצה-לקצה בפועל של הסוכן שלכם מחליטים אם לשמור אותו.

מקורות

שאלות נפוצות

האם Claude Sonnet 5.5 זול יותר לטוקן מ-Sonnet 5?

Anthropic רושמת את אותם מחירי קלט, פלט וקריאת מטמון כמו Sonnet 5. טענתה על עלות נמוכה יותר מתייחסת לפחות טוקנים או צעדים לכל משימה שהושלמה בבדיקות שלה, לא להורדת מחיר לטוקן.

למה מעריך עצמאי קרא למאמץ מקסימלי יקר?

Artificial Analysis מדד כ-193,000 טוקני פלט לכל משימת Intelligence Index במאמץ מקסימלי. בהשוואה שלו, האיכות הנוספת לא שמה את התצורה הזו על גבול העלות-מול-אינטליגנציה שלו. רמות מאמץ נמוכות יותר יכולות לתת פשרה אחרת.

האם תמיד להשתמש ברמת המאמץ הנמוכה ביותר?

לא. מאמץ נמוך יכול להיכשל במשימה קשה או לדרוש ניסיונות חוזרים, מה שהופך את העלות הכוללת לגבוהה יותר. השוו איכות, עלות וחביון על פני רמות מאמץ על זרימת העבודה שלכם.

האם אפשר להשוות אחוזי בנצ'מרק מאתרים שונים ישירות?

לא בלי לבדוק את ה-harness, הסביבה, ההגדרות ושיטת הניקוד. Anthropic ו-Artificial Analysis פרסמו נתוני Terminal-Bench שונים תחת הערכות שונות. שמרו כל מספר עם המקור והשיטה שלו.

האם Sonnet 5.5 מסוגל כמו Opus 5.5?

לא על פני כל המשימות. חלק מציוני הבנצ'מרק קרובים, בעוד תוצאות עצמאיות מראות פערים בידע עובדתי ובהיגיון. בדקו את העבודה שאתם צריכים, כולל כשלים שמשנים, במקום להחליף דירוג כותרת.

מה לעקוב אחרי החלפת מודל?

שיעור מעבר משימות, שגיאות לפי קטגוריה, חביון, כל הטוקנים המחויבים, ניסיונות חוזרים, קריאות כלים והתערבות אנושית. שמרו סט רגרסיה ותעדו את המודל ורמת המאמץ בכל הרצה כדי שתוכלו להסביר שינויים אחר כך.

קריאה נוספת

יומן הבנייה

לעקוב אחרי העבודה.

מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.

עקבו ב-RSS