Sonnet 5.5

Artigo original ↗ Discussão no Hacker News ↗

O lançamento do Claude Sonnet 5.5 pela Anthropic é visto como um grande avanço em capacidade de codificação e de agentes, muitas vezes igualando ou quase igualando o carro-chefe Opus 5.5 em benchmarks, enquanto é mais barato em níveis mais baixos de raciocínio. Os comentaristas divergem sobre seu valor prático, observando que em níveis mais altos de esforço o custo do Sonnet se aproxima ou supera o do Opus e que modelos chineses ultra-baratos (GLM, DeepSeek, MiMo) e o Luna da OpenAI reduzem ambos em preço para muitas cargas de trabalho. Grande parte do debate gira em torno de onde o Sonnet se encaixa em um cenário de modelos cada vez mais disputado, da frustração contínua com os guardrails agressivos de segurança cibernética da Anthropic e de preocupações mais amplas sobre como agentes de codificação cada vez mais capazes afetam a qualidade do software, os papéis dos desenvolvedores e a dinâmica econômica de longo prazo.

Desempenho do modelo e benchmarks

  • Muitos veem o Sonnet 5.5 como aproximadamente equivalente ao Opus 5.5 para codificação agentiva: fortes pontuações em Terminal-Bench, FrontierCode, CursorBench; às vezes ligeiramente à frente, às vezes atrás.
  • Alguns argumentam que os benchmarks estão “benchmaxxed” e enfatizam demais tarefas específicas; outros apontam para benchmarks externos da comunidade (jogo Pac-Man, ArtificialAnalysis) mostrando o Sonnet 5.5 logo atrás do Opus 5.5 no esforço máximo.
  • A diferença no Terminal-Bench é parcialmente atribuída a menos fallbacks acionados por segurança no Sonnet em comparação com o Opus, levantando dúvidas sobre como os guardrails distorcem as pontuações.

Custo, preços e posicionamento

  • Reclamação recorrente: em esforço alto/xhigh/max, o Sonnet 5.5 muitas vezes custa parecido ou mais do que o Opus low/medium para resultados semelhantes ou melhores; vários perguntam por que o Sonnet existe nessa parte da curva.
  • Em esforço low/medium, o Sonnet 5.5 parece ser cerca de 30% mais barato e mais rápido que o Sonnet 5, e mais barato que o Opus, o que alguns veem como seu verdadeiro nicho.
  • Muitos o comparam desfavoravelmente com modelos mais baratos (OpenAI Luna, modelos chineses como DeepSeek/GLM/MiMo), argumentando que a Anthropic está “10–100x” atrás em $/velocidade para trabalho “bom o suficiente”.
  • Espera-se que o próximo Haiku 5.5 mire a faixa de baixo custo e alto volume, mas alguns acham que ele já está “DOA” a menos que tenha preço próximo ao da Luna.

Casos de uso e padrões de harness

  • Padrão comum proposto: usar Opus/Fable como orquestrador e Sonnet como subagentes para trabalho braçal (resumos, refatorações, scraping web) para economizar tokens e aumentar o paralelismo.
  • Outros dizem que o overhead de subagentes e misses de cache pode anular as economias; alguns simplesmente rodam Opus para tudo sob assinaturas.
  • O Sonnet 5.5 é sugerido para chamadas de API do lado de produto (analisar texto do usuário, tarefas simples) em vez de harnesses pesados de desenvolvimento, onde Opus ou modelos abertos dominam.

Segurança, guardrails de ciber e CVP

  • Forte frustração com salvaguardas de “ciber”: trabalho de segurança autorizado, código antigo em C/C++, Bluetooth, WALs, compiladores etc. acionam rotineiramente rebaixamentos para modelos mais antigos.
  • Vários dizem que o Cyber Verification Program não afrouxa os guardrails de forma significativa e afeta principalmente a aplicação pós-fato, não o bloqueio em tempo real.
  • Alguns argumentam que a postura de segurança da Anthropic prejudica a escrita de código seguro e empurra usuários para modelos abertos/chineses sem censura.

Comportamento do modelo e UX

  • O Sonnet 5 é amplamente descrito como de baixo custo-benefício ruim (verborreico, pedante, mais fraco que modelos abertos); o 5.5 é percebido como uma melhoria substancial, mais rápido e mais equilibrado, mas ainda abaixo do Fable no “feel” para alguns.
  • Reclamações sobre raciocínio excessivamente longo em esforço máximo e consumo enorme de tokens; elogios à velocidade em esforços menores.
  • Os gráficos de marketing da Anthropic são criticados por serem confusos ou desfavoráveis ao Sonnet em relação ao Opus; a omissão dos benchmarks do Fable é apontada.

Modelos chineses e pequenos vs. laboratórios de fronteira

  • Muitos relatam excelente custo/desempenho do GLM 5.3 Flash, DeepSeek v4.1 Flash, Qwen, MiMo, especialmente para tarefas de cibersegurança e “trabalho braçal”.
  • Debate sobre se os modelos chineses estão realmente próximos da qualidade de fronteira ou apenas têm “bom valor”; alguns os veem de 6 a 12 meses atrás, mas economicamente decisivos, outros dizem que os modelos de fronteira ainda são claramente melhores.

IA, trabalho e preocupações existenciais

  • Subthread extenso sobre “vibe coding”: deixar agentes gerarem a maior parte do código vs. humanos manterem entendimento profundo.
  • Alguns abraçam enxames paralelos de agentes e aceitam menos compreensão; outros temem sistemas de difícil manutenção e a perda da agência humana e do sentido no trabalho.
  • Preocupações mais amplas sobre pressão salarial, resultados em forma de K e lidar com a incerteza impulsionada por IA; contrapostas por argumentos de que entender domínios de problema e estruturas de dados ainda importa e limita o puro “vibe coding”.

Bugs, pelicanos e cultura de benchmarks

  • O teste recorrente do SVG do “pelicano em uma bicicleta” mostra que o Sonnet 5.5 em esforço máximo atinge um limite de 128k tokens de saída e falha em responder, destacando um bug prático; esforços menores funcionam bem e são baratos.
  • Alguns acham esse teste recorrente superexposto; outros o veem como uma tradição de benchmark útil, visual e reveladora de custo.