Orivel Orivel
Abrir menu

Claude Sonnet 5.5

Explore pontuações de benchmark, pontos fortes por gênero, limitações e exemplos recentes de Claude Sonnet 5.5.

Snapshot 2026-W42 Resultados em 2026-10-16

6 modelos responderam às mesmas 16 tarefas. Os mesmos juízes (Claude Opus 5.5 / GPT-6.1 Sol / Gemini 3.8 Flash) avaliaram cada resposta de 0 a 10, e a nota mostrada é a média dos 3 juízes.

Nota em cada tarefa

Uma tarefa por gênero. A posição é entre os modelos deste snapshot; abra um gênero para ver a tarefa, as respostas e os comentários dos juízes.

Gênero (tarefa) Média (de 0 a 10) Posição (de 6)
Escrita criativa
7.13
4
Programação
9.73
2
Design de sistemas
8.20
4
Questões educacionais
7.51
5
Explicação
9.05
3
Resumo
8.90
3
Geração de ideias
7.26
5
Roleplay
8.61
3
Redação empresarial
9.71
1
Planejamento
9.46
2
Análise
8.70
1
Brainstorming
8.47
3
Persuasão
9.22
2
Humor
7.98
5
Empatia
9.26
4
Aconselhamento
8.06
3
Cores da nota ≥ 9 8–9 7–8 6–7 5–6 < 5

Contra cada modelo

Em cada tarefa vence a maior média dos juízes; em caso de empate, decide o critério mais importante e depois o número de critérios vencidos; se ainda empatar, é empate. Tarefas vencidas–perdidas–empatadas nas 16 tarefas.

Debates

A favor

Anthropic

1–2

Juízes

Contra Vencedor

OpenAI

Comentário
Gemini 3.8 Flash Votou em: Contra
A favor 7.77 Contra 8.30

Ambos os debatedores apresentaram argumentos ponderados e bem fundamentados, que trataram diretamente dos cinco pontos de consideração do tema e respeitaram as salvaguardas estabelecidas. O Lado A apresentou uma justificativa econômica incisiva para substituir as taxas fixas por cobranças de resíduos residuais baseadas no peso, demonstrando de forma persuasiva como os sinais de preço incentivam a redução de resíduos e como as salvaguardas podem atenuar os problemas de equidade. No entanto, o Lado A descumpriu os limites estritos de extensão em todos os turnos (479, 472 e 482 palavras, contra o limite de 300 a 450 palavras), o que acarretou deduções obrigatórias de acordo com a política. O Lado B cumpriu integralmente todas as regras de extensão e de estrutura e, ao mesmo tempo, questionou com eficácia a viabilidade, a sobrecarga administrativa e a justiça da cobrança por quilo, demonstrando que os desafios práticos de implementação fazem das taxas fixas, combinadas com melhorias educacionais e de serviço, uma escolha de política superior.

Claude Opus 5.5 Votou em: A favor
A favor 7.15 Contra 7.14

Ambos os lados mantiveram sua posição e abordaram os cinco pontos de Consider. O Lado A construiu o argumento mais desenvolvido. Ele citou as três objeções do Lado B (deslocamento, justiça para famílias grandes e viabilidade prática) e respondeu a cada uma com os fluxos de reciclagem gratuitos, o desconto de 50%, as lixeiras com chip, o monitoramento e o retorno de informações, além da falha das lixeiras por volume, que tratam igualmente o lixo leve e o pesado. Também virou o argumento da justiça ao observar que uma taxa fixa faz um único aposentado subsidiar uma família de seis pessoas. No entanto, os três turnos de A (479, 472 e 482 palavras) excederam o limite de 450 palavras, o que custa 6 pontos em seguimento de instruções. Nenhum passou de 495, portanto não se aplica nenhum teto de clareza. O Lado B manteve todos os turnos dentro do limite (385, 393 e 419) e apresentou pontos sólidos: uma tarifa moderada enfraquece o incentivo, as isenções aumentam a complexidade, e a cobrança por lixeira compartilhada não atribui o lixo às famílias. Mas B, em sua maior parte, repetiu os temas de sua abertura e nunca respondeu ao argumento de A sobre o subsídio ao aposentado nem à crítica às lixeiras por volume. Pelos pesos, A fica à frente por pequena margem.

GPT-6.1 Sol Votou em: Contra
A favor 6.30 Contra 7.80

O Lado B vence por testar com mais eficácia se o incentivo de preço resiste a problemas de atribuição, ao desperdício inevitável e aos custos administrativos. Ambos os lados abordam as cinco considerações e reconhecem corretamente a reciclagem gratuita, a coleta gratuita de resíduos alimentares e a salvaguarda do benefício de meia tarifa. Nenhum dos dois estabelece empiricamente a eficácia comparativa da política que prefere. O lado A também excede o intervalo de palavras permitido nas três rodadas, o que gera uma dedução de seis pontos por descumprimento das instruções.

0–3

Juízes

Contra Vencedor

Anthropic

Comentário
Gemini 3.8 Flash Votou em: Contra
A favor 6.65 Contra 8.17

O Lado B venceu o debate ao apresentar uma crítica muito mais abrangente e estruturalmente rigorosa da cobrança de resíduos com base no peso. Enquanto o Lado A expôs a justificativa econômica padrão para a tarifação por unidade, o Lado B a desmontou de forma eficaz ao introduzir o 'problema do saldo líquido' (netting problem), explicando que as reduções de tonelagem na coleta porta a porta muitas vezes ocultam a contaminação dos fluxos gratuitos, o descarte ilegal e o deslocamento entre bairros. O Lado B também demonstrou os enormes custos de capital e administrativos do equipamento de pesagem de lixeiras em comparação com alternativas mais simples, como lixeiras baseadas em volume ou ajustes na frequência da coleta. O Lado A teve dificuldade em apresentar mecanismos concretos para o manejo de lixeiras compartilhadas em prédios de apartamentos e da contaminação da reciclagem, apoiando-se em soluções tecnológicas e administrativas (dutos inteligentes, isenções médicas) que, como o Lado B mostrou, só acrescentariam complexidade. Ambos os lados sofreram penalidades em seguir instruções por não respeitarem o limite de 300 a 450 palavras em dois turnos cada.

Claude Opus 5.5 Votou em: Contra
A favor 5.13 Contra 7.25

O Lado B apresentou um caso mais rigoroso, atento ao escopo, e refutações claramente mais específicas. Abordou o problema da compensação com o dado de tonelagem residual, as lacunas na salvaguarda da metade da tarifa, o incentivo para contaminar os fluxos gratuitos, os prédios de apartamentos e as alternativas com melhor custo-benefício. O Lado A baseou-se em afirmações, em uma estatística sem fonte e em apelos vagos a estudos e tecnologia, e respondeu aos pontos de B apenas de forma genérica. Ambos os lados perderam pontos de seguimento de instruções por violações do limite de palavras: A com 259 e 262 palavras, B com 474 e 463.

GPT-6.1 Sol Votou em: Contra
A favor 5.72 Contra 7.84

O Lado B vence por apresentar um teste comparativo mais forte: se a cobrança por peso gera benefícios líquidos depois de descontados os custos de deslocamento, fiscalização, administração e distribuição, e se ela supera alternativas mais baratas. Os dois lados abordam os cinco pontos de consideração e mantêm as posições que lhes foram atribuídas. Ambos cometem duas violações do limite de palavras: a abertura e o encerramento de A têm menos de 300 palavras; a abertura e o encerramento de B têm mais de 450 palavras.

Ler o debate →

Visão geral do modelo

Provedor: Anthropic · claude-sonnet-5-5

Lançamento

2026-09-28

Contexto

1M tokens

Entrada

$2.00 / 1M

Saída

$10.00 / 1M

Saída máxima

128k tokens

O Claude Sonnet 5.5, lançado em 28 de setembro de 2026, é o modelo que a Anthropic descreve como sua melhor combinação de velocidade e inteligência. No Orivel ocupa a vaga da Anthropic um nível abaixo do principal; assumiu-a do Claude Sonnet 5, pelo mesmo preço, quando o Orivel passou aos snapshots em 16 de outubro de 2026.

Especificações e preço

Item Sonnet 5.5
Entrada / 1M $2
Saída / 1M $10
Leitura de cache / 1M $0,10 (5% da entrada)
Contexto 1M tokens
Saída máxima 128k tokens
Corte de conhecimento junho de 2026
Raciocínio adaptativo
effort padrão high

Comportamento da API que medimos

Item Comportamento
Respostas em formato JSON por chamada de ferramenta Instável: às vezes responde em texto corrido
Saídas estruturadas (esquema JSON) Funciona; o Orivel usa isso para respostas, notas e debates

Como rodamos

O Orivel roda todos os modelos com os padrões do fornecedor, que no Sonnet 5.5 é effort high. Os resultados medem o Sonnet 5.5 como a Anthropic o entrega.

Onde fica

No primeiro snapshot do Orivel ficou em terceiro entre seis na média das dezesseis tarefas e superou os modelos principais das outras duas empresas em várias delas, pela metade do preço do Claude Opus 5.5. Para o trabalho do dia a dia, quando o custo importa, é o modelo da Anthropic para testar primeiro.

Mudanças

  • Lançado em 28 de setembro de 2026; a melhor combinação de velocidade e inteligência da Anthropic
  • Preço: $2 de entrada / $10 de saída por 1M tokens; leitura de cache $0,10 por 1M (5% da entrada); Batch API com 50% de desconto
  • Contexto de 1M tokens; saída máxima de 128k; corte de conhecimento em junho de 2026
  • Raciocínio adaptativo; effort padrão high
  • Adotado no Orivel em 16 de outubro de 2026 com a passagem aos snapshots, na vaga abaixo do principal que era do Claude Sonnet 5
Anúncio oficial

Especificações da linha atual

Especificações e preços publicados, comparáveis antes de haver dados de benchmark.

Modelo Contexto Saída máxima Entrada / 1M Saída / 1M
google Gemini 3.8 Flash 1M 66k $0.75 $3.75
anthropic Claude Opus 5.5 1M 128k $4.00 $20.00
google Gemini 3.5 Flash-Lite 1M 66k $0.30 $2.50
openai GPT-6.1 Sol 1M 128k $2.00 $10.00
openai GPT-6 Luna 1M 128k $0.10 $0.50
anthropic Claude Sonnet 5.5 1M 128k $2.00 $10.00

Links relacionados

X f L