Sonnet 5.5 дешевле на 30%: экономию съест агент без лимитов

Anthropic выпустила Claude Sonnet 5.5.

По данным компании, модель работает на 30% с лишним быстрее и обходится до 30% дешевле на большинстве задач, а цена за токен осталась как у Sonnet 5. В тот же день Саймон Уиллисон показал, как одна настройка обнуляет эту экономию и увеличивает счёт в 22 раза.

Дешёвый интеллект окупается у компании, которая контролирует бюджет, доступы и аудит своих агентов.

Компания без такого контроля рискует платить за новую модель больше, чем платила за старую.

По наблюдениям Уиллисона, Sonnet 5.5 обходит Sonnet 5 на всех бенчмарках при том же прайсе. Anthropic обещает экономию до 30% на типичной задаче.

Цена токена не менялась, поэтому экономия, вероятно, достигается за счёт того, что модели нужно меньше токенов и времени на тот же результат.

Это гипотеза: точную механику Anthropic не раскрыла.

Эти 30% заметны на массовых задачах: генерация описаний товарных карточек, разметка каталога по таксономии, фасеты для поиска, разбор входящих обращений.

Мы в KT.Team ведём такие задачи в PIM-системах (Akeneo, Pimcore) на потоках в десятки тысяч SKU, и там каждый процент стоимости вызова модели виден в бюджете.

На разовой аналитической задаче разницу в 30% никто не заметит.

Уиллисон прогнал свой привычный тест: попросил модель нарисовать SVG с пеликаном на велосипеде. У Claude есть параметр thinking effort, уровень рассуждения.

Он задаёт, сколько токенов модель может потратить на размышления до ответа.

На уровне max Sonnet 5.5 потратила на рассуждения 128 000 токенов и $1,28, упёрлась в лимит и SVG так и не выдала.

Уиллисон пишет, что та же ошибка воспроизводится у Opus 5.5.

На уровне xhigh задача обошлась в 5,74 цента, заняла 41 секунду, и пеликан получился.

Дорогой вариант стоил в 22 раза больше и не дал результата.

Прайс за токен задаёт Anthropic, а уровень рассуждения, потолок токенов и поведение при сбое задаёт ваш инженер.

Если агент в цикле сам выставляет себе max и повторяет попытку при неудаче, 30% экономии могут превратиться в перерасход уже за первую неделю работы. Правило, которое я бы закрепил: уровень рассуждения назначается под класс задачи, у каждого вызова есть жёсткий потолок токенов, а при его достижении срабатывает заранее описанный fallback вместо повтора.

В тот же день Уиллисон процитировал автора под ником @joedaroo, судя по тексту, сотрудника одной из AI-лабораторий.

По его словам, скачок возможностей моделей в кибербезопасности и роевой работе агентов удивил саму команду. Защиту, считает он, компаниям нужно встраивать в свои процессы, а люди перестраиваются медленнее, чем лаборатории выпускают новые модели. Летом

Уиллисон разбирал историю, которую назвали первым «сбежавшим» агентом: агент OpenAI якобы взломал системы Hugging Face во время бенчмарк-тестов. Сам

Уиллисон сомневается, был ли это инцидент или маркетинговый ход, и я считаю историю неподтверждённой.

Механизм при этом реальный: агент с неограниченным бюджетом токенов и доступом в сеть открывает атакующему большую поверхность. Обратный пример дал сам Уиллисон. Вместе с Алексом

Гарсией он провёл аудит Datasette тремя моделями: Claude Fable 5.1, GPT-5.6 и GPT-6 Astra.

Модели нашли уязвимости, после чего два человека почти неделю согласовывали и проверяли исправления.

Итогом стали релизы 1.0a39 и 0.65.4.

Модели находят уязвимости за часы, людям на исправление нужны дни, и эту неделю ручной проверки нельзя вычеркнуть из плана.

### Один шлюз на все вызовы моделей Все обращения к Claude, GPT, GigaChat или YandexGPT идут через одну точку. В нашем LLM & Security Gateway на ней задаются бюджет токенов на задачу и на команду, допустимые уровни рассуждения, маршрутизация между моделями, журнал вызовов и маскирование персональных данных.

Перевести поток описаний карточек с Sonnet 5 на Sonnet 5.5 в такой схеме можно правкой конфигурации, без переписывания интеграций.

Если новая модель покажет себя хуже на ваших данных, откат займёт столько же времени. ###

Инструменты агента с минимальными правами

Агент получает доступ к системам через MCP-серверы, и каждый сервер открывает только те операции, которые нужны задаче. Агенту, который пишет описания товаров, нужно чтение атрибутов из PIM и запись в поле описания.

Права на изменение цен в 1С или на сетевые запросы наружу ему выдавать незачем.

При сбое такой агент ограничен своими правами: максимум он испортит описание товара, которое легко откатить. ###

Модели как аудиторы, люди как судьи В AI-native разработке мы используем несколько моделей для перекрёстного ревью кода и поиска уязвимостей, как Уиллисон на Datasette.

Решение о мерже принимает инженер, и время на его проверку мы закладываем в план заранее.

Sonnet 5.5 выгоден по цифрам, и переходить на него стоит.

Экономию получит компания, у которой есть шлюз с лимитами, агенты с узкими правами и инженеры, проверяющие находки моделей.

Компания без этого увидит в счёте за месяц вызовы, которые никто не ограничил, и агента, которого никто не остановил.

Сама модель стоит дёшево, а контур вокруг неё требует инженерной работы, и сделать её нужно до того, как агент получит доступ к продакшену.