A poche ore dal lancio di Claude Sonnet 5.5, arriva anche il primo verdetto indipendente sul modello. Artificial Analysis, uno dei laboratori che testa i modelli linguistici con benchmark propri anziché limitarsi ai numeri forniti dai produttori, ha misurato Sonnet 5.5 sul suo Intelligence Index e ha trovato un quadro più sfumato di quello raccontato da Anthropic: il modello è forte, ma arriva a esserlo generando molti più token del necessario.
Secondo posto, dietro solo a Opus 5.5
Nell’Intelligence Index di Artificial Analysis, Sonnet 5.5 ottiene un punteggio di 56, contro il 38 di Sonnet 5: un salto di 18 punti che lo colloca al secondo posto assoluto tra tutti i modelli testati, superato solo da Claude Opus 5.5 (58). Il nuovo modello di Anthropic supera invece GPT-6 Astra di OpenAI e Claude Fable 5.1, entrambi fermi a 53 punti. È il miglioramento generazionale più netto misurato quest’anno da Artificial Analysis su un modello di fascia Sonnet.
Il paradosso dei token
Il punteggio, però, nasconde un costo nascosto. Impostato al massimo livello di sforzo di ragionamento, Sonnet 5.5 genera in media circa 193.000 token di output per ogni compito dell’Intelligence Index: il 60% in più rispetto a Opus 5.5 e alla stessa Sonnet 5, e quasi sette volte i token usati da GPT-6 Astra per ottenere risultati comparabili. Tradotto in euro, un singolo task al massimo sforzo arriva a costare circa 6,70 euro, circa il 50% in più rispetto a Sonnet 5, nonostante il prezzo per token sia identico.
Questo significa che l’efficienza rivendicata da Anthropic, misurata sui casi d’uso reali dei clienti, non si traduce automaticamente in un vantaggio quando il modello viene spinto al massimo della sua capacità di ragionamento. Artificial Analysis segnala anzi che, su un grafico che mette in relazione intelligenza e costo, Sonnet 5.5 al massimo sforzo esce dalla curva di efficienza ottimale.
Dove conviene usarlo davvero
La stessa analisi indica che il modello rende meglio, in rapporto ai costi, quando viene impostato su “high” invece che su “max”: una via di mezzo che riduce la verbosità senza rinunciare a gran parte del punteggio. È un dettaglio che conferma quanto già emerso con altri modelli recenti: i livelli di sforzo regolabili offrono margini di risparmio importanti, ma solo se chi li usa sa dove tararli, invece di lasciare sempre l’impostazione predefinita al massimo.
Perché la verifica indipendente conta
Il caso mostra bene perché conviene diffidare dei soli numeri diffusi da chi lancia un modello. Anthropic ha comunicato un risparmio fino al 30% sul costo per attività, basato su casi reali di clienti come Balyasny Asset Management, e i dati non sono in contraddizione: descrivono semplicemente scenari diversi da quello, più estremo, testato da Artificial Analysis al massimo sforzo. Chi sceglie oggi Sonnet 5.5 farebbe bene a testare entrambe le configurazioni sul proprio caso d’uso, prima di dare per buona una sola delle due versioni della storia.
