Claude Sonnet 5.5 Lebih Cepat dan Lebih Murah. Ini yang Dibuktikan dan Tidak Dibuktikan oleh Angkanya
Model kelas menengah baru Anthropic mengalahkan jagoan mereka sendiri di satu benchmark coding, dan berjalan 30% lebih cepat daripada pendahulunya. Masalahnya, bukti yang ada sejauh ini sebagian besar datang dari Anthropic sendiri.
Anthropic merilis Claude Sonnet 5.5 pada 28 September 2026. Ini model kedua di keluarga Claude 5.5 sekaligus penerus Sonnet 5, sudah tersedia di Claude Platform (claude-sonnet-5-5) serta lewat Amazon Web Services, Google Cloud, dan Microsoft Azure. Jualan utamanya: efisiensi. Anthropic mengklaim model ini menghasilkan output lebih dari 30% lebih cepat daripada Sonnet 5 dan menekan biaya hingga 30% lebih murah per tugas, meski harga resminya tidak berubah, yaitu $2 per juta token input dan $10 per juta token output. Penghematannya datang dari model yang butuh jauh lebih sedikit token untuk menyelesaikan pekerjaan yang sama.
Di luar soal kecepatan dan biaya, ada empat perubahan yang perlu diketahui. Coding adalah lompatan terbesarnya: skor model ini 70.6% di Terminal-Bench 4.0, naik dari 10.3% milik Sonnet 5. Pekerjaan pengetahuan, seperti menyusun slide deck, spreadsheet, dan dokumen, kini hampir menyamai Opus 5.5, model flagship Anthropic. Kemampuan menulisnya lebih jernih, dan para penguji awal menyebutnya kolaborator yang lebih enak diajak kerja. Ini juga model Sonnet pertama yang dirilis dengan pengaman siber, artinya sebagian permintaan keamanan berisiko tinggi otomatis dialihkan ke Sonnet 5 yang lebih lama.
Benchmark yang benar-benar penting
Anthropic melaporkan daftar hasil yang panjang. Berikut yang berkaitan dengan pekerjaan nyata, dibandingkan dengan model sebelumnya, model flagship mereka, dan GPT-6 Sol milik OpenAI bila skornya tersedia:
| Benchmark | Apa yang diukur | Sonnet 5.5 | Sonnet 5 | Opus 5.5 | GPT-6 Sol |
|---|---|---|---|---|---|
| Terminal-Bench 4.0 | Tugas profesional multi-langkah di command line | 70.6% | 10.3% | 66.4% | n/a |
| FrontierCode 1.1 | Apakah perubahan kode AI akan di-merge | 52.1% (effort Xhigh) | 42.4% | 54.4% | 49.3% |
| CursorBench 4.0 | Tugas ambigu lintas file dari sesi coding nyata | 55.5% | 34.1% | 57.8% | n/a |
| GDPval-AA v2.1 | Tugas dunia nyata di 44 profesi | 1844 | 1449 | 1846 | 1487 |
| OSWorld 2.1 | Mengoperasikan komputer | 80.1% | 57.0% | 81.8% | n/a |
| Chartography | Membaca grafik dan diagram (tanpa tools) | 61.6% | 15.6% | 64.4% | 53.6% |
Beberapa hal menonjol:
- Lompatan dari Sonnet 5 sangat besar, terutama di Terminal-Bench dan pembacaan grafik. Itu lebih menunjukkan betapa lemahnya Sonnet 5 di tes-tes tersebut ketimbang keajaiban di Sonnet 5.5.
- Hampir menyamai Opus 5.5 dengan biaya jauh lebih rendah. Di CursorBench selisihnya sekitar dua poin dari sang flagship, dan Anthropic menyebut model ini mencapai skor setara di beberapa tes dengan biaya per tugas hanya sebagian kecilnya.
- Bahkan mengalahkan Opus 5.5 di Terminal-Bench, walau catatan kaki Anthropic menyebut skor Opus di sana diukur pada satu level effort tertentu, jadi ini bukan perbandingan apel ke apel.
- Tidak semua menang. Di FrontierCode, Sonnet 5.5 masih di bawah Opus 5.5, dan skornya di setelan effort tertinggi "Max" justru lebih rendah daripada di "Xhigh." Anthropic menjelaskan bahwa peninjauan yang lebih teliti menghasilkan tambahan editan yang justru dihukum benchmark.
Membaca angka-angka ini dengan hati-hati
- Skornya sebagian besar dilaporkan sendiri. GDPval-AA dijalankan firma independen Artificial Analysis, tapi pada versi pra-rilis yang punya bug; Anthropic bilang bug itu sudah diperbaiki dan kemungkinan membuat skor model tampak lebih rendah dari seharusnya.
- Di beberapa perbandingan, yang ditampilkan adalah GPT-5.6 Sol, bukan GPT-6 Sol, karena hasil model terbaru belum dipublikasikan. Jadi tidak semua baris membandingkan lawan yang sama.
- Anthropic sendiri mengakui benchmark hanya menangkap satu sisi sebuah model, dan Opus 5.5 masih jelas lebih kuat untuk pekerjaan kompleks dan terbuka yang butuh pertimbangan berkelanjutan.
- Sebagian angka GPT-6 Sol mungkin sudah kedaluwarsa, karena OpenAI baru saja memperbaiki bug pemahaman gambar.
Yang tidak ditunjukkan oleh angka
Para penguji awal yang dikutip Anthropic kebanyakan bicara soal efisiensi, bukan kecerdasan mentah. Base44 menyebut pembangunan aplikasi mereka butuh rata-rata sekitar 3.6 iterasi, dibanding 7.7 untuk Opus 5. Balyasny Asset Management melaporkan sekitar 121,000 token per jawaban untuk tugas keuangan, versus 497,000 pada Sonnet 5. Box melaporkan model ini berjalan 2.4 kali lebih cepat dari model sebelumnya, dan Zendesk menyebut tiket dukungan diproses 20% lebih cepat. Semua ini testimoni dari perusahaan, jadi perlakukan sebagai sinyal, bukan bukti.
Anthropic juga menyebut satu uji internal: model mengubah materi laporan keuangan sebuah perusahaan plus template slide menjadi operating review 10 slide, dan dua ahli menilai draf pertamanya sudah siap dikirim.
[BAGIAN ANDA: Uji sendiri. Coba tiga tugas yang benar-benar Anda pedulikan, misalnya memperbaiki bug di proyek React Native, merangkum dokumen panjang, atau membangun UI kecil. Laporkan apa yang berhasil dan minimal satu hal yang gagal. Inilah bagian artikel Anda yang tidak bisa diberikan siaran pers mana pun kepada pembaca.]
Keterbatasan dan pertanyaan terbuka
- Verifikasi independen masih tipis. Sebagian besar hasil berasal dari Anthropic, dan pengujian pihak luar masih mengejar.
- Pengaman akan berdampak ke sebagian pengguna. Tugas keamanan siber berisiko tinggi dialihkan ke Sonnet 5, dan Anthropic bilang filter biologinya bisa salah menandai sebagian permintaan mikrobiologi dan virologi. Tim keamanan dan organisasi ilmu hayat yang disetujui bisa mengajukan akses lebih luas.
- Pengujian alignment punya batas. Audit perilaku Anthropic mencakup sekitar 1,850 skenario, dan Sonnet 5.5 menyamai atau memperbaiki Sonnet 5 di hampir semua ukuran, tapi Opus 5.5 tetap sedikit lebih baik secara keseluruhan. Anthropic juga mengakui tidak ada rangkaian tes yang mampu menangkap semua kegagalan.
- Ada detail migrasi. Developer yang menjalankan Sonnet dengan thinking dimatikan perlu beralih ke setelan baru bernama
between_tools, dan ada langkah anti-distilasi baru yang mengikat penalaran model ke akun pembuatnya—bisa berdampak bagi yang memindahkan percakapan antar akun. - Keluarga modelnya belum lengkap. Haiku 5.5 yang lebih kecil dijanjikan "dalam beberapa minggu ke depan."
Kesimpulan
Sonnet 5.5 tampak jadi peningkatan solid bagi siapa pun yang mengerjakan coding sehari-hari, pekerjaan dokumen, atau tugas bervolume tinggi yang biaya dan kecepatannya penting. Untuk masalah tersulit dan paling terbuka, data Anthropic sendiri bilang Opus 5.5 yang lebih mahal tetap pilihan lebih baik. Klaim paling menarik—model murah bisa menyaingi flagship dengan biaya sekecil itu—layak dikonfirmasi independen sebelum Anda membangun apa pun di atasnya.
Sumber: Anthropic, "Introducing Claude Sonnet 5.5" (anthropic.com/claude-sonnet-5-5), 28 September 2026.