Sonnet 5.5 vs Opus 5.5: metade do preço e o dobro da diversão???

Autoria: Prompt Engineer 48 · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Sonnet 5.5 vs Opus 5.5: Half the Price and Double the Fun ??? · Canal: Prompt Engineer 48 · 05:41 · Assistir no YouTube

Tópicos: Avaliação e benchmarks de IA, Claude, Mercados e economia, Modelos de IA, Segurança de IA

Resumo

O vídeo apresenta Claude Sonnet 5.5, compara seu desempenho e custo com Opus 5.5 e ressalta que muitos números citados são afirmações da própria Anthropic. Sonnet 5.5 tem o mesmo preço de Sonnet 5, custa metade do preço por token de Opus 5.5 e aparece próximo ou à frente em alguns benchmarks, mas não vence em todos. O apresentador também demonstra uma consulta ao modelo no Claude app e comenta recursos, segurança e ressalvas. A recomendação é experimentar Sonnet 5.5 em tarefas cotidianas e manter Opus 5.5 para trabalhos complexos que exigem julgamento cuidadoso.

Pontos-chave

Anthropic apresenta Sonnet 5.5 como uma atualização de Sonnet 5, com velocidade pelo menos 30% maior e custo até 30% menor para a maioria dos trabalhos.
No Terminal Bench 4.0, Sonnet 5.5 marca 70,6%, contra 66,4% de Opus 5.5 na configuração de esforço mais alta, segundo dados da Anthropic.
Em outros testes citados, Sonnet 5.5 fica próximo de Opus 5.5, mas Opus continua à frente em Frontier code e em alguns resultados gerais.
Sonnet 5.5 custa US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída; Opus 5.5 custa US$ 4 e US$ 20, respectivamente.
Configurações de esforço mais baixas tendem a responder mais rápido e usar menos tokens; configurações mais altas dedicam mais tempo ao raciocínio e à revisão.
Relatos de empresas mencionados no vídeo apontam redução de tokens ou aumento de velocidade, mas são resultados informados por essas empresas, não testes do apresentador.
O apresentador compara a resposta do modelo com a página da Anthropic e verifica que os números exibidos na tabela correspondem à fonte.
Anthropic afirma que Sonnet 5.5 se equipara ou supera Sonnet 5 na maioria das medidas de alinhamento, uso indevido e honestidade avaliadas.
Para tarefas difíceis que exigem julgamento cuidadoso, o vídeo recomenda Opus 5.5; para trabalho cotidiano, sugere testar Sonnet 5.5.

Capítulos

Início	Capítulo	Resumo
00:00	Apresentação de Sonnet 5.5	O apresentador identifica o modelo no Claude app e resume seu posicionamento em relação a Sonnet 5 e Opus 5.5.
01:02	Benchmarks e comparação de desempenho	São apresentados resultados de testes em que Sonnet 5.5 supera ou fica próximo de Opus 5.5, além de casos em que Opus permanece à frente.
02:07	Preço, esforço e relatos de empresas	O vídeo compara os preços, explica as configurações de esforço e reúne resultados relatados por empresas.
03:39	Teste no Claude app e segurança	O apresentador pede ao modelo que resuma a página da Anthropic, confere os dados e descreve as afirmações de segurança.
04:40	Ressalvas e recomendação de uso	O vídeo enumera as limitações, recomenda Sonnet 5.5 para tarefas cotidianas e mantém Opus 5.5 como opção para trabalhos difíceis.

Citações

A proposta é bem simples: mais rápido e mais barato que o último Sonnet. — 00:31

Sonnet custa metade do preço, mas precisa de menos tokens por tarefa. — 02:07

Esses benchmarks são números da própria Anthropic, então considere-os como tal. — 04:40

Se você paga por Opus para tarefas cotidianas, este é o primeiro que eu tentaria. — 05:11

Conceitos e entidades

Claude Sonnet 5.5 (modelo): Modelo apresentado no vídeo como uma opção mais rápida e barata para tarefas cotidianas.
Opus 5.5 (modelo): Modelo que, segundo o vídeo, continua indicado para trabalhos complexos que exigem julgamento cuidadoso.
Claude Haiku 5.5 (modelo): Modelo da família Claude 5.5 que, no momento do vídeo, estava previsto para as semanas seguintes.
Anthropic (empresa): Empresa responsável pelos modelos e pelos dados de desempenho citados no vídeo.
Claude app (ferramenta): Aplicativo usado pelo apresentador para selecionar Sonnet 5.5 e testar uma consulta.
Terminal-Bench 4.0 (conceito): Teste de programação agentic citado para comparar as pontuações dos modelos.
GB Val AA (conceito): Avaliação de trabalho do mundo real em várias ocupações, mencionada na comparação entre Sonnet 5.5 e Opus 5.5.
Frontier Code (conceito): Benchmark de programação no qual Opus 5.5 aparece à frente de Sonnet 5.5 nos resultados citados.

Tradução completa (pt-BR)

00:00 Certo. Neste vídeo, vamos analisar o Claude Sonnet 5.5, que a Anthropic acabou de lançar, e já estou com ele aberto aqui no app Claude. Vale lembrar que a maioria dos números que vocês vão ver vem da própria página da Anthropic, então vou dizer quando forem dados divulgados por ela e quando for algo que verifiquei na minha tela. Vamos começar. Primeiro, abro o app Claude, seleciono Sonnet 5.5 aqui embaixo e pergunto: “Qual modelo você é?” Como podem ver, ele diz Claude Sonnet 5.5, e o ID do modelo é Claude Sonnet 55. Legal. Esse é o modelo certo, então podemos

00:31 seguir. Então, o que é ele? É o segundo modelo da família Claude 5.5. A Anthropic o chama de uma melhoria clara em relação ao Sonnet 5. Ele funciona 30% ou mais rápido e custa até 30% menos para a maioria dos trabalhos. A proposta é bem simples: mais rápido e mais barato que o último Sonnet. Agora, onde ele se encaixa? Opus 5.5 continua sendo o modelo para trabalhos complexos que exigem julgamento cuidadoso. Sonnet 5.5 se destaca em tarefas cotidianas e bem definidas, como corrigir bugs e criar documentos, apresentações e planilhas bem-acabados. E Claude Haiku 5.5 chega nas próximas

01:02 semanas, então esse é o terceiro modelo para ficar de olho. Certo, aqui está um número que me chamou a atenção. No Terminal Bench 4.0, que é um teste de programação agentic, Sonnet 5 marcou 10,3%, Sonnet 5.5 marca 70,6%, e Opus 5.5, na configuração de esforço mais alta, marca 66,4%. Então, nesse teste, o modelo mais barato está na frente. Esse número é da Anthropic, não meu. Há mais alguns. É o primeiro modelo Sonnet a vencer Pokémon Red trabalhando apenas com capturas de tela. E no GB Val AA, que avalia trabalho do mundo real em várias ocupações, ele

01:34 marca 1844, e Opus 5.5 marca 1846. Então, fica dois pontos abaixo do Opus, e Sonnet 5 marcou 1449. Nos testes de programação, Cursor Bench 4.0, Sonnet 5.5 marca 55,5%, e Opus 5.5, 57,8%. Então, ficam a cerca de dois pontos um do outro. E no OSWorld, que avalia uso de computador, são 80,1% contra 81,8% do Opus. Agora, no Frontier code, Opus continua na frente: 54,4 contra 52,1 para

02:07 Sonnet no esforço X high e 46,2 no máximo. Então, não é uma vitória em tudo. Agora, vamos falar de custo, porque, para mim, esse é o principal. Sonnet 5.5 tem o mesmo preço do Sonnet 5: US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída. Opus 5.5 custa US$ 4 e US$ 20, então Sonnet custa metade, mas precisa de menos tokens por tarefa. E a Anthropic diz que, com esforço baixo ou médio, ele supera a melhor pontuação do Sonnet 5 em vários benchmarks por cerca de um décimo do custo por tarefa. Também há uma configuração de esforço; se vocês

02:37 olharem aqui no canto inferior direito do app, verão Sonnet 5.5 e medium. Essa é a configuração padrão nos apps Claude. Na plataforma Claude, o padrão é high. Configurações mais baixas respondem mais rápido e usam menos tokens, o que é adequado para tarefas rotineiras. Configurações mais altas raciocinam por mais tempo e verificam o trabalho com mais cuidado. Agora, o que dizem as empresas? A Base 44 executou 118 criações de apps reais, e Sonnet 5.5 ficou no mesmo nível do Opus 5, com 3,6 iterações por criação, enquanto Opus 5 precisou de 7,7. A Luvable diz que são necessárias cerca de metade das execuções no shell para concluir uma tarefa, e a Anthropic

03:08 diz que ele agrupa chamadas de ferramenta mais do que Sonnet 5, então são necessárias menos etapas. Para o trabalho cotidiano, estes são os relatos dos clientes. A Balenciaga testou 2.441 tarefas financeiras e usou cerca de 121.000 tokens por resposta, enquanto Sonnet 5 usou 497.000. A Box diz que é 2,4 vezes mais rápido. A Zendesk diz que os tickets foram processados 20% mais rápido, e a Slack diz que houve cerca de 14% menos tokens de saída. Mais uma vez, são declarações deles, não testes meus. Certo, agora vou usar o modelo de verdade. O que faço é perguntar: “Quais são

03:39 os novos recursos que você tem agora?” e colo o link para a página da Anthropic. Depois, abro a mesma página no navegador para poder comparar. Então, aqui temos a publicação do blog, e o modelo está buscando o conteúdo aqui no app. Esta é a única parte que acelerei, e dá para ver a indicação na tela. E este foi o resultado. Ele me mostra os recursos, a tabela de benchmarks, depois os preços, a disponibilidade e a segurança. O ID do modelo está logo ali. Há retenção zero de dados disponível, e o esforço padrão é medium nos apps e high na plataforma. Comparei a tabela com a página, e os números conferem. Uma coisa: a linha de

04:10 Frontier code mostra a pontuação de esforço máximo, 46,2, e a página também tem 52,1 em X high. Então, essa não é a visão completa. É bem simples e levou um prompt. Agora, quanto à segurança, a Anthropic o testou em cerca de 1.850 cenários e diz que ele iguala ou melhora o Sonnet 5 na maioria das medidas de alinhamento, uso indevido e honestidade. Entre todos os modelos da empresa, é o menos propenso a testar os limites do próprio contêiner. As proteções cibernéticas são semelhantes às do Opus 5.5. Portanto, tarefas de segurança de maior risco serão visivelmente encaminhadas para

04:40 Sonnet 5. E é o primeiro Sonnet com classificadores que impedem a extração do raciocínio. Então, quais são as ressalvas? Primeiro, esses benchmarks são números da própria Anthropic, então considerem isso ao avaliá-los. Segundo, Opus 5.5 ainda está na frente em Frontier code e ligeiramente à frente no geral. Terceiro, na configuração de esforço máximo, a pontuação em Frontier code cai porque ele executou mais vezes a skill de revisão de código e fez edições extras. E, quarto, se vocês executarem Sonnet com o thinking desligado, precisam mudar para a nova configuração entre ferramentas. Então, consultem o guia de migração antes de fazer a troca. Então, para quem ele serve? Se vocês

05:11 estão pagando pelo Opus para tarefas cotidianas de programação, documentos e trabalho com agents, este é o modelo para experimentar primeiro, porque custa metade por token e ficou quase no mesmo nível no teste apresentado. Se o trabalho for difícil e exigir julgamento cuidadoso, Opus 5.5 continua sendo a escolha, e está disponível na plataforma Claude, na AWS, no Google Cloud e no Azure. Então, neste vídeo, vimos o que é Sonnet 5.5, os números apresentados pela Anthropic, quanto custa, as ressalvas e um teste rápido no app. Se tiverem interesse, podem experimentar no próprio trabalho e

05:41 me contar como foi. No próximo vídeo, vou testá-lo em uma tarefa real de programação e ver quantos tokens ele usa. Vejo vocês em outro vídeo. Obrigado.

Transcrição original

[00:00] All right. In this video, we will look at Claude Sonnet 5.5, which Anthropic just released, and I already have it open here in the Claude app. Now, mind you, most of the numbers you will see come from Anthropic’s own page, so I will tell you when it’s their claim and when it’s something I checked on my screen. Let’s go ahead and start. So, first thing, I open the Claude app, I pick Sonnet 5.5 down here at the bottom, and I ask it, “Which model are you?” And you can see it says Claude Sonnet 5.5, and the model ID is Claude Sonnet 55. Cool. That is the right model, so we can

[00:31] go ahead. So, what is it? It’s the second model in the Claude 5.5 family. Anthropic calls it a clear upgrade over Sonnet 5. It runs 30% or more faster, and it costs up to 30% less for most work. So, the pitch is really simple, faster and cheaper than the last Sonnet. Now, where does it sit? Opus 5.5 is still the one for complex work that needs careful judgment. Sonnet 5.5 is strongest at everyday, well-scoped tasks like fixing bugs and creating polished documents, slides, and spreadsheets. And Claude Haiku 5.5 is coming in the next

[01:02] few weeks, so that’s the third one to watch. Okay, here’s a number that jumped out at me. Terminal Bench 4.0, which is an agentic coding test, Sonnet 5 scored 10.3%, Sonnet 5.5 scores 70.6%, and Opus 5.5 at its highest effort setting scores 66.4. So, on this one test, the cheaper model is ahead. That is Anthropic’s number, not mine. There are a few more. It’s the first Sonnet model to beat Pokémon Red working only from screenshots. And on GB Val AA, which is

[01:34] real-world work across a variety of occupations, it scores 1844, and Opus 5.5 scores 1846. So, it’s two points below Opus, and Sonnet 5 was 1449. And the coding ones, Cursor Bench 4.0, 55.5% for Sonnet 5.5, 57.8 for Opus 5.5. So, within about two points. And OSWorld, that’s computer used 80.1% against 81.8 for Opus. Now, on Frontier code, Opus is still ahead, 54.4 against 52.1 for

[02:07] Sonnet at X high effort and 46.2 at max. So, it’s not a clean sweep. Now, let’s talk cost because for me that is the main thing. Sonnet 5.5 is priced the same as Sonnet 5, $2 per million input tokens and $10 per million output tokens. Opus 5.5 is 4 and 20, so Sonnet is half the price, but it needs fewer tokens per task. And Anthropic says at low or medium effort it beats Sonnet 5’s best score on several benchmarks for about a tenth of the cost per task. There’s also an effort setting if you

[02:37] look here at the bottom right of the app, it says Sonnet 5.5 and medium, that is the default in the Claude apps. On the Claude platform, the default is high. Lower settings answer faster and use fewer tokens, which suits routine work. Higher settings reason for longer and check the work more thoroughly. Now, what do the companies say? Base 44 ran 118 real app builds, and Sonnet 5.5 scored level with Opus 5 in 3.6 iterations per build, where Opus 5 took 7.7. Luvable says roughly half the shell runs to finish a task, and Anthropic

[03:08] says it batches tool calls together more than Sonnet 5, so fewer steps. For everyday work, these are what customers report. Balenciaga tested 2,441 finance tasks, and it used about 121,000 tokens per answer, where Sonnet 5 used 497,000. Box says 2.4 times faster. Zendesk says tickets were processed 20% faster, and Slack says about 14% fewer output tokens. Again, these are their words, not my tests. Okay, now let me actually use it. What I do is I ask, “What are

[03:39] the new capabilities that you have now?” and I paste the link to the Anthropic page. Then I open the same page in the browser, so I can compare. So, we have the blog post here, and the model is fetching it here in the app. This is the one part I have sped up, and you can see the tag on screen. And this is what came back. It gives me the capabilities, the benchmark table, then pricing, availability, and safety. The model ID is right there. Zero data retention is offered and the default effort is medium in the apps and high on the platform. I checked the table against the page and the numbers match. One thing, the

[04:10] frontier code row shows the max effort score 46.2 and the page also has 52.1 at X high. So, it’s not the whole picture. Really simple and it took one prompt. Now, safety Anthropic tested it in roughly 1,850 scenarios and says it matches or improves on Sonnet 5 on most measures of alignment, misuse, and honesty. It is the least likely of any of their models to probe the limits of its container. The cyber safeguards are similar to Opus 5.5. So, higher risk security tasks will visibly fall back to

[04:40] Sonnet 5. And it is the first Sonnet with classifiers that stop reasoning extraction. So, what are the catches? First, these benchmarks are Anthropic’s own numbers, so treat them that way. Second, Opus 5.5 is still ahead on frontier code and slightly ahead overall. Third, at max effort the frontier code score goes down because it ran its code review skill more and made extra edits. And fourth, if you run Sonnet with thinking off, you need to switch to the new between tools setting. So, check the migration guide before you swap it in. So, who is it for? If you’re

[05:11] paying for Opus on everyday coding, documents, and agent work, this is the one to try first because it is half the price per token and nearly level on the test they show. If your work is hard and needs careful judgment, Opus 5.5 is still the one and it is available on the Claude platform and on AWS, Google Cloud, and Azure. So, in this video we have seen what Sonnet 5.5 is, the numbers Anthropic gives, what it costs, the catches, and a quick test in the app. If you’re interested, you can go ahead and try it on your own work and

[05:41] let me know how it goes. In the next video I will put it on a real coding task and look at how many tokens it uses. I will see you in another one. Thank you.