anthropic
Anthropic: Claude Sonnet 5.5
anthropic/claude-sonnet-5.5
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
Claude Sonnet 5.5 da Anthropic (anthropic/claude-sonnet-5.5) é um modelo da classe Sonnet com saída de texto que o catálogo da OpenRouter apresenta como sucessor direto do Claude Sonnet 5 para trabalhos cotidianos bem delimitados. O catálogo informa entradas de texto, imagem e arquivo, janela de contexto de um milhão de tokens, raciocínio obrigatório com nível de esforço configurável e suporte a ferramentas e saídas estruturadas. Os registros do Design Arena coletados pela OpenRouter cobrem tarefas agênticas e generativas. Não havia um model card independente neste pacote de fontes, portanto as afirmações se baseiam em dados do catálogo.[1]
Pontos fortes
- Segundo a descrição do catálogo da OpenRouter, a Anthropic o apresenta como especialmente forte na criação de recursos e na correção de bugs, enquadrado como um upgrade direto sobre o Claude Sonnet 5.[1]
- As capacidades reportadas pelo catálogo incluem uma janela de contexto de 1.000.000 de tokens e entrada multimodal de texto, imagens e arquivos com saída de texto.[1]
- Os recursos de API listados pela OpenRouter incluem raciocínio obrigatório com níveis de esforço selecionáveis, chamadas de ferramentas e saídas estruturadas.[1]
Limitações
- Toda a evidência vem do catálogo da OpenRouter; este pacote de fontes não incluía um model card independente, portanto as capacidades e os resultados devem ser validados em cargas de trabalho reais.[1]
- O catálogo marca o raciocínio como obrigatório, o que pode aumentar a latência e o uso de tokens em comparação com modos sem raciocínio; essa implicação é inferida, não medida.[1]
- A data de corte de conhecimento, os termos de licença e os requisitos de hardware não constam na evidência.[1]
Onde usar
- Sugestão editorial: desenvolvimento de recursos e correção de bugs em bases de código existentes, alinhado às forças descritas pelo fornecedor segundo a OpenRouter.[1]
- Sugestão editorial: tarefas de codificação agênticas ou voltadas a design, como geração de vídeo a partir de código ou componentes de interface, onde há registros do Design Arena no catálogo; valide na sua carga de trabalho.[1]
- Sugestão editorial: fluxos de trabalho com documentos ou imagens que exijam contexto muito longo, dadas as modalidades de entrada e a janela de contexto catalogadas.[1]
Fontes
- [1] OpenRouter catalog · Anthropic: Claude Sonnet 5.5Fontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
Claude Sonnet 5.5 is Anthropic's Sonnet-class model for well-scoped everyday work, succeeding Claude Sonnet 5 as a direct upgrade. It is especially strong at building features, fixing bugs, and producing...
Especificações
- ID do modelo
- anthropic/claude-sonnet-5.5
- ID canônico
- anthropic/claude-sonnet-5.5-20260928
- Criador
- anthropic
- Adicionado ao OpenRouter
- 28.09.2026
- Comprimento de contexto
- 1,000,000
- Modalidade
- text+image+file->text
- Modalidades de entrada
- text, image, file
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $2 / saída $10
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | SS — top 10% da coorte | raciocínio: obrigatório · padrão high · esforços: max, xhigh, high, medium, low · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Programação | Sem medição | — |
| Agentes | Sem medição | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: obrigatório · padrão high · esforços: max, xhigh, high, medium, low · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Análise de documentos | Sem medição | entrada: file |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Intelligence index | 54.5 | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · androidnativetaxa de vitória 58.6% · posição 6 | 1,260Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · blender3dtaxa de vitória 59.9% · posição 3 | 1,268Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · codetovideotaxa de vitória 70.9% · posição 2 | 1,318Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · mobileappstaxa de vitória 57.6% · posição 5 | 1,261Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · pdftaxa de vitória 59.1% · posição 9 | 1,238Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · spreadsheettaxa de vitória 53.6% · posição 7 | 1,287Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · webappstaxa de vitória 58.5% · posição 4 | 1,284Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 54.7% · posição 7 | 1,402Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 56% · posição 8 | 1,347Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 64.3% · posição 3 | 1,360Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 59.9% · posição 6 | 1,391Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 56.7% · posição 6 | 1,303Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 64.8% · posição 2 | 1,387Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 53.6% · posição 10 | 1,311Elo | SS — top 10% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| 1,000,000 | $2 | $10 | — | — | 100% | |
| Amazon Bedrock | 1,000,000 | $2 | $10 | — | — | 100% |
| Azure | 1,000,000 | $2 | $10 | — | — | 100% |
| Claude Platform on AWS | 1,000,000 | $2 | $10 | — | — | 100% |
| Anthropic | 1,000,000 | $2 | $10 | — | — | 100% |
| Amazon Bedrock | 1,000,000 | $2.2 | $11 | — | — | 100% |
| Amazon Bedrock | 1,000,000 | $2.2 | $11 | — | — | 100% |
| 1,000,000 | $2.2 | $11 | — | — | — | |
| Azure | 1,000,000 | $2.2 | $11 | — | — | — |
| 1,000,000 | $2.2 | $11 | — | — | 100% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
- AWS mostra como manter as buscas de um agente de IA dentro das permissões de cada usuário no Managed Knowledge Base do BedrockUm tutorial constrói um assistente interno compartilhado no Amazon Bedrock AgentCore em que um interceptador de requisições, políticas Cedar, ACL awareness e uma política baseada em recursos mantêm as buscas de cada usuário dentro dos documentos que ele pode ver.
- APIs de lote de LLMs cortam o preço pela metade, mas só para o tráfego que pode esperarUm blog de modelagem de custos explica como descontos em lote valem apenas para chamadas adiáveis, por que lote e cache se acumulam multiplicativamente, o bug de cobrança que isso causou e por que descer de nível de modelo costuma economizar mais.
- Google DeepMind e Artificial Analysis apresentam o MKA, um benchmark para trabalho de agentes com base visualO MKA é um benchmark de 200 tarefas que mede se agentes de IA conseguem extrair evidências decisivas de blueprints, digitalizações e gráficos e transformá-las em entregáveis profissionais.
- Gemini 4 Carbon abre disponibilidade geral com preço de lançamentoSimon Willison relata que o Gemini 4 Carbon do Google, antes limitado a um subconjunto de defensores cibernéticos, agora está disponível para todos, com preços de lançamento que dobram em 1º de dezembro.