Claude Sonnet 5.5は、Claude 5.5ファミリーの2番目のモデルです。Claude Sonnet 5より明確に向上しており、30%以上高速で、ほとんどの作業で最大30%低コストです。Sonnet 5.5は、Claude Opus 5.5より高速で低コストな補完的モデルです。Opus 5.5が慎重な判断を要する複雑な作業向けに作られているのに対し、Sonnet 5.5は範囲が明確な日常的タスク、バグ修正、整った文書・スライド・スプレッドシートの作成に最も強いです。デザインを見る目も備わっています。大量処理やコスト重視のアプリケーション向けに作られたClaude Haiku 5.5が、今後数週間のうちにClaude 5.5ファミリーに加わる予定です。
Sonnet 5.5は、長時間にわたる多段階の作業(long-horizon work)と画像理解に強く、スクリーンショットのみを入力として『ポケットモンスター 赤』(*Pokémon Red*)をクリアできたSonnetモデルとして初めてのモデルです。Sonnet 5.5は性能の向上がとくにコーディングで目立ちます。また、Sonnet 5.5は速度が速いため、複雑でないタスクでの素早い反復に適しています。協働の面では、Sonnet 5.5はOpus 5.5と同様に、前世代のモデルより明確な文章を書きます。早期テスター(early testers)は、Sonnet 5.5をSonnet 5より協働の良いパートナーだと評しました。
ベンチマークで見る性能とOpus 5.5との比較
性能面では、Sonnet 5.5はエージェント型コーディング評価であるTerminal-Bench 4.0で70.6%を記録しました(Sonnet 5は10.3%)。エージェント型コーディングのTerminal-Bench 4.0において、Opus 5.5はXhigh effortでの値が66.4%です。Sonnet 5.5は、さまざまな職種にわたる実世界の仕事を測るテストであるGDPval-AAで、Opus 5.5より2ポイント低いスコアを記録しています。ナレッジワーク(knowledge work)の複数の領域において、Sonnet 5.5は向上を示しています。44職種・9つの主要産業にわたる実世界のタスクでモデルを試験するGDPval-AAでは、Sonnet 5.5のスコアはOpus 5.5とほぼ同水準であり、Sonnet 5を約400ポイント上回っています。Sonnet 5.5は、computer useとチャート認識でOpus 5.5に近く、長期的なナレッジワークではSonnet 5とGPT-6 Solを明らかに上回ります。
エージェント型コーディングのFrontierCode 1.1 (Main)のスコアは、Sonnet 5.5がMax effortで46.2%、Xhigh effortで52.1%であり、Sonnet 5は42.4%、Opus 5.5は54.4%、GPT-6 Solは49.3%です。CursorBench 4.0のスコアは、Sonnet 5.5が55.5%、Sonnet 5が34.1%、Opus 5.5が57.8%で、GPT-6 Solは記載なしでした。実際のCursorのコーディングセッションのタスクでモデルを試験するCursorBenchにおいて、Sonnet 5.5の最高スコアはOpus 5.5の約2ポイント以内です。いくつかの評価では、Max effortのSonnet 5.5はOpus 5.5と同等の性能を示します。ただし、ベンチマークのスコアはモデルの能力の一面しか捉えておらず、自社と外部テスターの試験では、持続的な判断を要する複雑で自由度の高い作業ではOpus 5.5が引き続き明らかに強いです。
FrontierCodeのHigh effort設定において、Sonnet 5.5は同じ設定のSonnet 5よりスコアが10ポイント高く、タスクあたりのコストはSonnet 5の約15分の1です。computer useのOSWorld 2.1(partial)のスコアは、Sonnet 5.5が80.1%、Sonnet 5が57.0%、Opus 5.5が81.8%で、GPT-6 Solは記載なしです。視覚的なチャート認識のChartography(ツールなし)のスコアは、Sonnet 5.5が61.6%、Sonnet 5が15.6%、Opus 5.5が64.4%、GPT-6 Solが53.6%(注記⁴あり)です。多分野推論のHumanity’s Last Exam(ツールあり)のスコアは、Sonnet 5.5が64.5%、Sonnet 5が54.9%、Opus 5.5が67.7%で、GPT-6 Solは記載なしです。
Claude Sonnet 5.5における評価の実施方法の詳細は、システムカード(System Card)に記載されています。
早期テスターの評価と社内テスト
早期テスターは、Sonnet 5.5がコードベースを素早く理解できる点を評価しました。また、早期テスターは定量化しにくい改善も挙げ、Sonnet 5.5はより自然な会話相手であり、デザインの才があると評しています。さらに、Sonnet 5.5はユーザーインターフェースに磨きをかけ、スライドテンプレートに従って、ほとんど編集の要らない資料(デッキ)を作れると指摘されています。社内テストでは、上場企業の四半期決算資料と電話会議の書き起こし、およびスライドテンプレートを与え、10枚のオペレーティングレビューを依頼したところ、2人の専門家はSonnet 5.5の最初のドラフトをそのまま送れる状態だと判断しました。
料金とeffortレベルによるコスト調整
Claude Sonnet 5.5の100万トークンあたりの価格は、キャッシュ読み取り(cache reads)が$0.20、キャッシュ書き込み(Cache writes)が$2.50、入力トークン(Input tokens)が$2、出力トークン(Output tokens)が$10です。
Claude Sonnet 5.5とClaude Opus 5.5における100万トークンあたりのキャッシュ読み取りの価格は、Claude Sonnet 5.5もClaude Opus 5.5も$0.20です。100万トークンあたりのキャッシュ書き込みの価格は、Claude Sonnet 5.5が$2.50、Claude Opus 5.5が$5です。100万トークンあたりの出力トークンの価格は、Claude Sonnet 5.5が$10、Claude Opus 5.5が$20です。100万トークンあたりの入力トークンの価格は、Claude Sonnet 5.5が$2、Claude Opus 5.5が$4です。
| 100万トークンあたりの価格 | Claude Sonnet 5.5 | Claude Opus 5.5 |
|---|---|---|
| キャッシュ読み取り | $0.10 | $0.20 |
| キャッシュ書き込み | $2.50 | $5 |
| 入力トークン | $2 | $4 |
| 出力トークン | $10 | $20 |
元記事の表を転載しています(見出しは日本語にしています。値は原文のままです)。出典: 元記事
キャッシュ読み取りは$0.20で、Sonnet 5と同じです。ただしClaude Sonnet 5.5は、同じ作業をするのに通常ははるかに少ないトークン数で済みます。入力トークンと出力トークンの価格はSonnet 5と同じです。Sonnet 5.5は、これまでで最も速いSonnetモデルです。
effortレベルを調整することで、コストおよび速度と全体的な品質のバランスを取れます。effortが低い設定では、Claudeはより速く答え、使うトークンも少なくなるため、日常的な作業に向いています。高い設定では、Claudeはより長く推論し、作業をより徹底的に確認します。デフォルトのeffortは、Claude Codeとアプリ(apps)ではMedium、Claude PlatformではHighです。Sonnet 5.5はSonnet 5よりもタスクあたりに必要なトークン数が少なくて済むため実行コストが低く、出力の生成も30%以上速くなっています。その効率性が一目で分かる例として、いずれも1つのHTMLファイルで作られた400羽のムクドリの群れ、砂丘を形づくる風、24個の小さな時計からなる時計が挙げられています。いくつかのベンチマークでは、Low・Medium effortのSonnet 5.5が、Sonnet 5の最高スコアをタスクあたり約10分の1のコストで上回ります。Opus 5.5を補完する働きは、effortが低い設定のときに最も大きく、このときはタスクあたりのコストが下がります。高い設定では、同程度のコストで同程度の性能を発揮できます。
安全性評価とセーフガードの内容
約1,850のシナリオでClaudeを試験する自動行動監査(automated behavioral audit)では、Claude Sonnet 5.5は、アラインメント(alignment)、悪用への耐性、誠実さ(honesty)のほとんどの指標でSonnet 5を上回るか同等です。監査全体ではOpus 5.5の方が総合的にはわずかに良い結果ですが、Sonnet 5.5がユーザーの意図と衝突する目標を追求しているという証拠は見つかりませんでした。新しい封じ込め評価では、サンドボックスからの脱出を試みる頻度の低さで、試験したモデルの中で最も良かったOpus 5.5に近い結果でした。また、コンテナの限界を探ろうとする可能性は、同社のモデルの中で最も低いです。
Sonnet 5.5の生物学用セーフガードは有害なリクエストを対象としており、研究・教育・臨床の大半の作業は影響を受けませんが、一部の微生物学・ウイルス学のリクエストは誤ってフラグが立つことがあります。Sonnet 5.5はモデルの能力のフロンティアを押し進めるものではないため、アラインメント評価は、ユーザーの利益に反する行動、ユーザーを誤解させること、深刻な被害につながる悪用への協力など、能力水準を問わずあらゆるモデルに当てはまるリスクに絞って行われました。また、あらゆる失敗を確実に捉える評価の集合は存在せず、Sonnet 5.5には見つかっていない傾向がある可能性があるため、自社のアラインメントの取り組みを、Sonnet 5.5について記事中で説明しているセーフガードと組み合わせています。
Sonnet 5.5のサイバーセキュリティ能力はOpus 5と同等であるため、Sonnet 5.5は、最も高性能なモデル向けに開発してきたものと同様のサイバー用セーフガードとフォールバックを付けて公開される初のSonnetモデルです。ユーザーは通常のソフトウェア開発の一環として自分のコードのバグを見つけて直すことは引き続きできますが、よりリスクの高いサイバーセキュリティタスクはSonnet 5に明示的にフォールバックされます。Sonnet 5.5の生物学用セーフガードはSonnet 5と同じであり、サイバー用セーフガードと生物学用セーフガードはどちらも高リスクなリクエストの狭い範囲を対象としており、通常のソフトウェア開発とライフサイエンス業務の大半は影響を受けません。
サイバーディフェンダーは近日中に、拡充されるCyber Verification Programに申請し、Sonnet 5.5、Opus 5.5、Claude Mythosモデルのより高度な能力に段階的にアクセスできるようになる予定です。組織は、生物学関連のあらゆる作業に対応するよう設計されたセーフガード(safeguards)を利用するために、Life Sciences Verification Programに申請できます。
蒸留攻撃(distillation attack)とは、攻撃者が数千の偽アカウントを使ってモデルの能力を産業規模で抜き出す攻撃です。これにより悪意ある者は、Claudeに組み込まれたセーフガードのない高性能モデルを作れてしまいます。
Sonnet 5.5は前世代より大幅に高性能であるため、推論の抜き出しを防ぐ安全分類器(safety classifier)を備えて公開されるSonnetモデルとして初めてのモデルです。また、蒸留攻撃への対策として、Sonnet 5.5はpreserved thinkingも拡張しており、Claudeの思考を、それを生成したアカウントから切り離せないようにしています。ほとんどの開発者は、preserved thinkingの拡張による変更に気づきません。アカウント間で会話を移す場合(Claude Codeでセッション途中にアカウントを切り替える場合を含む)は、その変更についてドキュメントの記事に説明があります。
提供状況と移行時の注意点、ベンチマーク結果の補足
Claude Sonnet 5.5は、Opus 5.5およびSonnet 5と同様に、ゼロデータ保持(zero data retention)で利用できます。Amazon Web Services、Google Cloud、Microsoft Azureを含むすべてのプラットフォームで利用可能になりました。開発者はClaude Platformで `claude-sonnet-5-5` を指定して使い始めることができます。
Sonnetを思考(thinking)オフで実行している場合は、Sonnet 5.5に移行する前に、新しい `between_tools` 設定へ切り替える必要があります。この設定は事前の思考をオフに保ちます。
Terminal-Bench 4.0の結果について、Claude Opus 5.5はXhigh effortでの値が報告されており、これがこのモデルの最高スコアです。Sonnet 5.5のFrontierCodeのスコアは、XhighよりMax effortのほうが低くなります。Max effortではSonnet 5.5が、レビューを多数のサブエージェントに分割するClaude Codeのcode-reviewスキルをより頻繁に実行しました。Cognitionが調べた2件では、これがタイムアウトまたはタスク範囲を超える余分な編集につながり、スコアが下がりました。FrontierCodeは、コード変更が人手の修正なしでマージできるかを評価し、高品質または有益であっても範囲外の変更には減点します。
Artificial AnalysisがClaude Platform上のSonnet 5.5のプレリリース版デプロイでGDPval-AAとAA-Briefcaseを実行しましたが、Anthropicはこのデプロイに、構造化出力(structured output)を使うリクエストへの応答を劣化させうるバグがあることを確認しました(その後修正済み)。Anthropicは、このバグがSonnet 5.5のスコアに与える影響はあってもわずかで、性能を過小評価する方向だと見込んでいます。
OpenAIは最近、GPT-6 Solの画像理解を劣化させていたバグを修正しました（表中のGPT-6 Solの値に付いた注記⁴）。表中のGPT-6 Solについて、Artificial Analysisによる公式なAA-Briefcase v1.1とGDPval-AA v2.1のスコア、およびSurge AIのChartographyのスコアは、モデルの最新版をまだ反映していない可能性があります。Artificial Analysisは、AA-Briefcase v1.1とGDPval-AA v2.1に大きな影響は出ないと見ています。Chartographyの社内テストでは、スコアは影響を受けていないことが示唆されています。