API Claude Sonnet 5: Harga, Ruang Uji, dan Contoh

Pemrograman proyek: implementasikan fitur dan perubahan terarah berdasarkan rencana yang jelas

Menurut kami, Claude Sonnet 5 dapat mengimplementasikan fitur, melakukan refaktorisasi terarah, atau memperbaiki masalah setelah rencananya jelas. Seorang pelanggan mengatakan biasanya ia menggunakan Sonnet untuk koordinasi dan implementasi, sementara Opus menangani arsitektur dan masalah sulit. Proyek akhirnya selesai, meskipun ia harus beralih ke Opus dua kali agar dapat melanjutkan.

Menurut kami, pembagian kerja ini layak dipertimbangkan: perjelas antarmuka, cakupan dampak, dan kriteria penerimaan sebelum meminta Sonnet 5 mulai bekerja. Jika perlu perubahan arsitektur, atau pengujian masih gagal setelah beberapa putaran perubahan, kami menyarankan meninjau ulang rencana dan mempertimbangkan model lain. Harga satuan lebih rendah belum tentu berarti biaya lebih rendah setelah percobaan berulang. Tentu saja, ini hanya proyek seorang pelanggan, dan kami tetap menyarankan pengujian skenario bisnis Anda sebelum beralih ke Sonnet 5.

Kolaborasi alat: pulih dari umpan balik kesalahan dan lanjutkan eksekusi

Seorang pelanggan membagikan pengalamannya mengintegrasikan agen. Menurutnya, Sonnet 5 dapat menangani persyaratan pengeditan kompleks dalam satu kali pengerjaan. Setelah menemui kesalahan yang tidak jelas, model akan memanggil alat lagi untuk memeriksa struktur data, mencari masalah masukan, dan mencoba pemulihan. Namun, ia juga menyebut model pernah melewati masukan lain yang tidak dapat diproses tanpa memberi tahu pengguna.

Menurut kami, ketika menggunakan Sonnet 5, Anda perlu memeriksa respons model sekaligus kebenaran data yang akhirnya ditulis. Kecepatan tidak berarti respons sudah memenuhi kebutuhan Anda.

Analisis dokumen panjang: kerjakan spesifikasi, kode, dan materi bisnis secara terpadu

Kami menggunakan konteks panjang Sonnet 5 untuk mencocokkan beberapa sumber: membandingkan versi persyaratan, memeriksa apakah kode mengikuti kesepakatan antarmuka, atau menemukan kondisi bisnis yang tersebar di berbagai dokumen. Dalam perbandingan AA-LCR v1.1 Artificial Analysis, Sonnet 5 Max mendapat skor sekitar 82%. Evaluasi ini menggunakan dokumen sekitar 10,000 hingga 100,000 token untuk menilai kemampuan model mengekstrak informasi lintas bagian, menalar, dan menyintesis kesimpulan. Hasil dokumen panjang Sonnet 5 · Metodologi AA-LCR

Kami menyarankan menetapkan pertanyaan terlebih dahulu, lalu menyusun materi masukan, serta menyertakan nama berkas, bagian, dan kutipan penting dalam jawaban agar Anda dapat memeriksa kesesuaiannya. Saat masukan mendekati satu juta token, kami menyarankan pemeriksaan khusus terhadap informasi yang terlewat. Skor 82% berasal dari rentang panjang dokumen di atas. Namun, dalam skenario bisnis nyata, kami tidak menyarankan masukan mendekati satu juta token: menurut pengalaman kami sendiri, hal ini jelas memengaruhi kualitas keluaran.

Penulisan bisnis: ubah fakta yang sudah ditetapkan menjadi penjelasan yang dipahami pembaca

Seorang pelanggan membagikan contoh penggunaannya: ia memakai Sonnet 5 dalam alur otomatisasi API untuk menulis email dan pesan teks pelanggan, serta mengubah Git diff menjadi ringkasan perubahan yang dipahami pembaca nonteknis. Ia menilai penggunaan ini secara positif, terutama karena tulisannya mudah dibaca, terasa manusiawi, dan model mengikuti persyaratan prompt sistem.

Menurut kami, skenario bisnis yang berbeda memerlukan standar keterbacaan berbeda. Pembaruan produk, balasan tiket dukungan, dan dokumen bantuan biasanya tidak terlalu menuntut dalam hal ini. Sebaliknya, artikel umum atau refleksi pribadi mungkin membutuhkan sebagian besar pengeditan dan penyempurnaan oleh manusia.

Pengembangan antarmuka: gunakan tangkapan layar dan spesifikasi desain untuk menghasilkan frontend yang dapat diedit

Kami akan memprioritaskan Sonnet 5 untuk memodifikasi antarmuka yang ada atau membuat halaman dengan persyaratan desain yang jelas. Panduan prompt Anthropic menyebut permintaan frontend yang terlalu terbuka dapat membuat model berulang kali memakai gaya visual default serupa. Untuk hasil berbeda, berikan batasan desain konkret yang membatasi improvisasi model. Panduan resmi prompt frontend

Umpan balik dalam grup pelanggan kami juga beragam: sebagian mengatakan hasil visual tidak sesuai harapan ketika Sonnet 5 digunakan untuk membangun ulang antarmuka yang sebelumnya dibuat dengan Sonnet 4.6. Namun, pelanggan lain mengatakan Sonnet 5 bekerja cukup baik.

Karena itu, kami menyarankan menyertakan tangkapan layar halaman, spesifikasi komponen, persyaratan font, dan persyaratan tata letak sekaligus. Setelah halaman siap, periksa fungsionalitas, kesesuaian desain, dan tampilannya pada berbagai layar secara terpisah. Jika proyek sudah memiliki sistem desain matang, kami menyarankan menggunakan kembali komponen yang ada dan menjelaskan perubahan secara spesifik, alih-alih membiarkan model merancang dan berimprovisasi dari awal.

Tugas terminal: sekitar 14% dalam evaluasi independen Terminal-Bench 4.0

Dalam perbandingan dengan kondisi setara oleh Artificial Analysis, Sonnet 5 Max mendapat sekitar 14% pada Terminal-Bench 4.0, dibandingkan sekitar 3% untuk Sonnet 4.6 Max. Evaluasi ini mencakup 66 tugas terminal, menggunakan mini-swe-agent, mengulang setiap tugas tiga kali, dan menghitung rata-rata tingkat kelulusan satu percobaan. Tugas hanya dianggap berhasil jika seluruh pengujiannya lulus. Perbandingan skor model · Metodologi Terminal-Bench 4.0

Menurut kami, Sonnet 5 meningkat dibandingkan generasi sebelumnya dalam evaluasi ini, tetapi masih tidak dapat menyelesaikan banyak tugas terminal sulit. Kami tidak menyarankan Sonnet 5 untuk tugas yang sangat kompleks. Namun, jika tugas didefinisikan dengan jelas dan dipecah menjadi unit kecil, Sonnet 5 bisa menjadi pilihan yang baik.

Pemrograman proyek: CursorBench 4.0 meningkat 3.3 poin persentase dari High ke Max

CursorBench 4.0 menggunakan tugas proyek dari alur pengembangan nyata. Beberapa hasil Sonnet 5 yang dipublikasikan penyelenggara ditampilkan di bawah, dengan biaya dihitung dari penggunaan token tugas terkait dan harga publik. Papan peringkat asli CursorBench 4.0

Kami lebih memperhatikan perbandingan biaya antara high dan max: skor meningkat 3.3 poin persentase, tetapi rata-rata biaya tugas menjadi lebih dari dua kali lipat. Kami menyarankan membandingkan medium dan high dahulu untuk pengembangan sehari-hari. Jika suatu masalah berulang kali macet dalam skenario Anda, kami menyarankan menggunakan Opus 5.5 atau Opus 5 untuk menyelesaikannya daripada menaikkan tingkat pemikiran lebih jauh.

Pekerjaan pengetahuan: 1465 Elo pada GDPval-AA v2.1

Dalam perbandingan GDPval-AA v2.1 Artificial Analysis, Sonnet 5 Max mendapat 1465 Elo, dibandingkan 1234 Elo untuk Sonnet 4.6 Max. Evaluasi ini menggunakan 220 tugas dari 44 pekerjaan dan 9 industri. Model bekerja dalam lingkungan alat untuk menyerahkan hasil seperti dokumen, spreadsheet, dan presentasi, yang kemudian dinilai melalui perbandingan berpasangan anonim. Hasil Sonnet 5 dan generasi sebelumnya · Metodologi GDPval-AA v2.1

Menurut kami, hasil ini membantu menilai apakah model dapat menghasilkan dokumen, spreadsheet, dan berkas lain untuk digunakan orang lain. Saat mengevaluasi pembuatan laporan, analisis bisnis, atau asisten kantor, kami menyarankan langsung memberikan tugas lengkap: apakah materi yang diperlukan digunakan, apakah angkanya benar, apakah berkas dapat dibuka, dan apakah pembaca sasaran dapat menggunakannya?

Otomatisasi bisnis: sekitar 37% penyelesaian tujuan pada AutomationBench-AA

Dalam perbandingan Artificial Analysis, Sonnet 5 Max mendapat sekitar 37% pada AutomationBench-AA, dibandingkan sekitar 20% untuk Sonnet 4.6 Max. Evaluasi ini mencakup 657 tugas dalam aplikasi bisnis simulasi seperti email, spreadsheet, dan sistem CRM. Perbandingan skor model

Skor terlebih dahulu mengukur proporsi tujuan yang selesai dalam setiap tugas, lalu merata-ratakan proporsi tersebut; pelanggaran batasan tugas mendapat nilai nol. Karena itu, 37% tidak berarti "37% alur kerja bisnis lengkap berhasil dari awal hingga akhir." Ukuran ini juga berbeda dari tingkat penyelesaian tugas penuh pada papan peringkat Zapier sendiri, dan keduanya tidak boleh dicampur. Penjelasan penilaian AutomationBench-AA

Kami menyarankan Sonnet 5 untuk langkah otomatisasi bisnis dengan batasan jelas dan sederhana yang memerlukan respons cepat. Jika Anda memerlukan penyelesaian masalah lebih kompleks, misalnya pengambilan keputusan, kami tidak menyarankan Sonnet; gunakan Opus 5.5 atau Opus 5 sebagai gantinya.

Indeks keseluruhan dan kecepatan generasi: skor 38 dan sekitar 80.5 token per detik

Halaman model Artificial Analysis saat ini memberikan Sonnet 5 Max skor 38 pada Intelligence Index v4.3.2 dan mengukur kecepatan keluaran API Anthropic sekitar 80.5 token per detik. Rata-rata tertimbang biaya per tugas untuk indeks yang sama adalah US$5.09. Evaluasi model Artificial Analysis

Untuk fitur interaktif yang sering digunakan, kami menyarankan mencoba tingkat pemikiran lebih rendah; membandingkan waktu tunggu dan kualitas keluaran sangat penting. Jika keluaran pada medium/high juga sesuai skenario bisnis Anda, saya menyarankan menggunakan Sonnet 5.

Dibandingkan Claude Sonnet 4.6: kemampuan lebih kuat, tetapi biaya tugas lebih tinggi pada Max

Dalam perbandingan konfigurasi Max Artificial Analysis, Sonnet 5 dan Sonnet 4.6 mendapat skor indeks keseluruhan 38 dan 30, dengan rata-rata tertimbang biaya per tugas masing-masing US$5.09 dan US$2.49. Harga masukan/keluaran publiknya masing-masing US$2/US$10 dan US$3/US$15 per juta token. Harga per token Sonnet 5 lebih rendah, tetapi biaya tugasnya dalam evaluasi ini lebih tinggi. Sonnet 5 dibandingkan Sonnet 4.6

Untuk tim yang masih menggunakan Sonnet 4.6, kami menyarankan memeriksa dahulu apakah peningkatan versi memperbaiki kolaborasi alat dan pelaksanaan proyek, sambil menyesuaikan kembali tingkat pemikiran dan anggaran keluaran. Jika Sonnet 5 dapat menyelesaikan tugas secara andal pada medium atau high, menurut kami tidak perlu terus memakai tingkat tertinggi.

Dibandingkan GPT-6 Astra: evaluasi ulang tugas rekayasa kompleks berdasarkan konsumsi aktual

Dalam perbandingan konfigurasi Max Artificial Analysis, GPT-6 Astra dan Sonnet 5 mendapat skor indeks keseluruhan 53 dan 38, serta skor Terminal-Bench 4.0 sebesar 59% dan 14% setelah pembulatan sesuai tampilan halaman. Meskipun harga per token Astra lebih tinggi, rata-rata tertimbang biaya per tugas dalam evaluasi keseluruhan ini adalah US$3.26, di bawah US$5.09 untuk Sonnet 5; rata-rata keluaran per tugasnya juga lebih rendah. GPT-6 Astra dibandingkan Sonnet 5

Jika pekerjaan Anda terutama melibatkan perubahan kode kompleks, operasi terminal, atau tugas rekayasa yang memerlukan verifikasi berulang, kami menyarankan perbandingan mendalam dengan GPT-6 Astra. Berdasarkan pengalaman kami sejauh ini, GPT-6 Astra lebih cocok daripada Sonnet 5 untuk rekayasa kompleks.

Dibandingkan DeepSeek V4 Pro: pembanding biaya yang berguna untuk tugas teks massal

Dalam perbandingan konfigurasi Max Artificial Analysis, DeepSeek V4 Pro 0813 dan Sonnet 5 mendapat skor indeks keseluruhan 36 dan 38, serta sekitar 80% dan 82% pada tugas dokumen panjang AA-LCR v1.1; rata-rata tertimbang biaya per tugasnya masing-masing US$0.67 dan US$5.09. Kemampuan masukannya juga berbeda: DeepSeek V4 Pro yang dievaluasi di sini menerima masukan teks, sedangkan Sonnet 5 mendukung masukan teks dan gambar. DeepSeek V4 Pro dibandingkan Sonnet 5

Untuk penyusunan informasi, ekstraksi teks, dan penulisan draf secara massal, kami menyarankan memasukkan DeepSeek V4 Pro dalam pengujian biaya. Jika Anda ingin menguji kemampuan multimodal DeepSeek V4 PRO dan Sonnet 5, kami sangat menyarankan memakai skenario bisnis nyata. Dalam umpan balik pelanggan, sebagian pengguna menilai kemampuan multimodal Sonnet 5 tidak memenuhi kebutuhan bisnis mereka, sementara yang lain mengatakan DeepSeek V4 PRO belum cukup mampu menangani pekerjaan mereka.

Penagihan berdasarkan penggunaan dan optimasi biaya model

Biaya mengikuti tarif API Hop saat ini dan penggunaan sebenarnya. Isi saldo sesuai kebutuhan.

Model AI dan API data terpadu, dengan akses banyak model di satu tempat

Satu kunci API menghubungkan banyak model AI dan layanan data, mengurangi biaya integrasi serta memungkinkan pergantian dengan satu klik. Aplikasi bisnis membutuhkan AI dan data.

Log panggilan dan kontrol akses aplikasi, dengan kejelasan setiap panggilan

Setiap panggilan API dicatat di dasbor Anda. Buat kunci API terpisah untuk aplikasi berbeda.

Evaluasi keluaran berdasarkan tugas Anda

Gunakan ID model yang didokumentasikan dan parameter yang didukung melalui API Hop. Evaluasi keluaran berdasarkan kriteria penerimaan Anda sendiri, lalu periksa catatan penggunaan serta metadata respons sebelum penggunaan produksi. Nama model atau contoh tidak menjamin setiap hasil.

Siapkan akun Anda dan uji secara daring

Masuk, pastikan saldo Anda, dan buat kunci API.

Coba di ruang uji

Jelajahi kemampuan model di ruang uji untuk menemukan cara terbaik menggunakannya.

Integrasikan Claude Sonnet 5 ke bisnis Anda

Ikuti dokumentasi pengembang kami untuk mengintegrasikan Claude Sonnet 5 ke bisnis Anda.

Peningkatan model mendatang

Untuk beralih ke model lebih baru, pastikan dahulu ID tepatnya dikembalikan katalog model untuk kunci API Anda. Jika model mendukung endpoint dan bidang permintaan yang sama, perbarui ID model, lalu uji format respons, streaming, batas keluaran, dan penagihan sebelum mengirim lalu lintas produksi. Untuk tugas gambar atau video asinkron, verifikasi juga pengiriman tugas, polling status, dan pengambilan hasil.