Как пользоваться Claude Sonnet 5.5: настройка, сценарии и API

Как пользоваться Claude Sonnet 5.5: начните с одной задачи на Medium

Быстрее всего начать в приложении Claude. Выберите Sonnet 5.5, убедитесь, что установлен уровень Medium, передайте модели один комплект исходных материалов и запросите результат, который можно проверить строка за строкой.

В приложениях Anthropic и Claude Code уровень Medium задан по умолчанию. В Claude Platform по умолчанию используется High, поэтому при работе через API уровень стоит указывать явно. Medium подходит для первого теста на резюме обращений, клиентских брифах, регулярной аналитике и четко поставленных задачах с инструментами: обратная связь остается быстрой, но модель не ограничена самым низким уровнем.

В синтетическом тикете из моего теста шесть операторов поддержки потеряли доступ после смены домена входа, двое оставались в системе, появлялась ошибка «Invalid organization», а в записях пользователей уже был указан новый домен. Sonnet 5.5 сохранила эти детали и соблюла формат из четырех пунктов. Но модель также предположила, что привязка организации, вероятно, все еще указывает на старый домен, и назвала один вариант исправления менее затрагивающим рабочий процесс. Ни того ни другого в тикете не было.

Расчет стоимости самого запроса прост. По опубликованному тарифу Anthropic 194 входных токена стоят $0.000388, а 291 выходной токен — $0.00291; итого $0.003298. Если бы 10,000 вызовов имели точно такой же объем токенов, расходы только на модель составили бы $32.98. Но это не стоимость 10,000 решенных обращений: вокруг вызова модели остаются поиск данных, интеграции, повторные попытки, хранение, мониторинг и ручная проверка.

Что представляет собой Claude Sonnet 5.5

Sonnet 5.5 — быстрая универсальная модель в семействе Anthropic 5.5. Ее удобно считать основной моделью для четко поставленной работы, тогда как Opus 5.5 — старший специалист для открытых задач, где особенно важна взвешенная оценка.

Это отдельный релиз, а не Sonnet 5. Прямой идентификатор в Claude API — claude-sonnet-5-5, без суффикса с датой. Модель принимает текст и изображения, возвращает текст, имеет контекстное окно на 1 млн токенов и может выдавать до 128,000 токенов. Если нужны цены и особенности токенизатора предыдущей модели, они отдельно разобраны в обзоре Claude Sonnet 5.

По данным Anthropic, Sonnet 5.5 генерирует ответ более чем на 30% быстрее Sonnet 5, а стоимость выполненной задачи в тестах компании может быть до 30% ниже. Второе утверждение связано с меньшим числом токенов на выполнение работы, а не со снижением тарифа за токен. Ставки остались такими же, как у Sonnet 5.

Результаты бенчмарков также приводит Anthropic: 70.6% у Sonnet 5.5 против 10.3% у Sonnet 5 в Terminal-Bench 4.0 и 55.5% против 34.1% в CursorBench 4.0. Эти цифры дают повод протестировать новую модель, но не отвечают на вопрос, пройдет ли проверку ваша политика обработки тикетов, кодовая база или шаблон документа. В отчете Anthropic о запуске проводится то же различие между результатами бенчмарков и устойчивым качеством суждений в открытых задачах.

Выбирайте effort по цене ошибки

Уровень effort управляет качеством, задержкой и расходом токенов, а не длиной текста. Более высокий уровень дает модели больше пространства для рассуждений и самопроверки, но может увеличить время ожидания и счет. Если нужен краткий ответ, укажите это в промпте отдельно.

Anthropic заново откалибровала эти уровни для Sonnet 5.5, поэтому Medium в новой модели не означает тот же объем рассуждений, что Medium в Sonnet 5. Проведите новую серию тестов на собственных примерах. Не переносите настройку автоматически только из-за совпадающего названия.

Семь полезных сценариев с наибольшей отдачей в ближайшей перспективе

Лучше всего работают сценарии с тремя свойствами: исходные данные доступны, у результата есть четкий формат, а человек или правило может его проверить.

1. Сортировка обращений в поддержку

Руководитель службы поддержки может объединить сообщение клиента, состояние аккаунта, недавнюю историю обращений и правила эскалации. Sonnet 5.5 вернет проблему, влияние, подтверждения, недостающие факты и следующее разрешенное действие. Польза — меньше повторного чтения перед маршрутизацией или передачей обращения. Советы, меняющие состояние аккаунта, возвраты, обещания и выводы о первопричине по-прежнему должен проверять человек.

Это лучший первый сценарий: каждое утверждение в результате можно привязать к конкретному полю источника. Ошибки модели тоже проявляются быстро. Если из резюме непонятно, откуда взялось утверждение, оно еще не готово запускать действие.

2. Клиентские брифы перед звонком

Руководитель по работе с клиентом может передать последнюю расшифровку звонка, техническое задание, открытые задачи и заметки о продлении. Запросите одностраничный документ с решениями, обязательствами, рисками, открытыми вопросами и повесткой следующей встречи. Вместо чистого листа перед каждым звонком команда получает повторяемый формат подготовки.

Разносите «подтверждено» и «предположительно» по отдельным разделам. Одно это различие не дает правдоподобной интерпретации модели превратиться в обязательство перед клиентом.

3. Проверка pull request

Технический руководитель может передать модели diff кода, правила репозитория и чек-лист по безопасности, тестам и обратной совместимости. Sonnet 5.5 подготовит первичный разбор с приоритетами по риску и предложит тесты. Выигрыш — в том, что ревьюер быстрее входит в контекст, а не в автоматическом одобрении. Решение о слиянии все равно должен принимать человек, отвечающий за систему.

4. Исправление ограниченных по масштабу ошибок

Разработчик с воспроизводимой ошибкой может предоставить неверное поведение, нужные файлы и критерии приемки. Для хорошо описанного исправления разумно начать с Medium. Переходите на High, если проблема затрагивает несколько сервисов или первый запуск пропускает проверку. Цикл реализации и тестирования становится короче, а критерии приемки не дают задаче бесконтрольно разрастись.

5. Операционные обзоры и черновики для совета директоров

Финансовая или операционная команда может передать исходные материалы вместе с утвержденным шаблоном презентации или документа. Sonnet 5.5 подготовит структурированный обзор, укажет на пробелы и оформит первый вариант. Anthropic отдельно позиционирует модель для качественных документов, слайдов и таблиц. Сборка занимает меньше времени, но каждое финансовое утверждение все равно должно ссылаться на исходную ячейку или документ.

6. Резюме инцидентов

Руководитель инцидента может загрузить хронологию, оповещения, выполненные действия и заметки ответственных. Попросите разнести подтвержденные события, гипотезы, влияние на клиентов, нерешенные вопросы и дальнейшие действия по отдельным блокам. Это дает более ясную передачу контекста и черновик разбора инцидента. Не позволяйте модели выдавать корреляцию за первопричину.

7. Визуальный контроль качества и доработка интерфейса

Продуктовый дизайнер или фронтенд-разработчик может передать скриншот, правила бренда и чек-лист приемки. Sonnet 5.5 найдет несоответствия, расставит приоритеты исправлений и поможет выполнить ограниченный этап доработки. Видимые дефекты устраняются быстрее, но вкус, проверка доступности и окончательное продуктовое решение остаются за человеком.

Три продукта, которые стоит создать

Сам по себе доступ к модели — еще не бизнес. Коммерческий продукт добавляет собственный контекст, управляемый процесс, доказательства и точку, где окончательное решение принимает человек.

1. Сортировка обращений со ссылками на источники — самая сильная возможность

Создайте помощника поддержки, который превращает тикет и данные аккаунта в структурированное резюме, прикладывает ссылку на источник к каждому утверждению, проверяет предложенное действие по правилам и отправляет черновик на одобрение. Руководители служб поддержки и подрядчики готовы платить за более быструю и единообразную маршрутизацию.

Спрос уже заметен: запрос ai customer service agent в данных этого исследования набирает 1,300 поисков в США в месяц, имеет коммерческий интент и вырос на 815% за год. Intercom оценивает Fin в $0.99 за результат. Сравнивать это напрямую с вызовом для составления резюме нельзя: решенный запрос — более крупная работа. Но цифра показывает, что покупатели уже принимают оплату автоматизации поддержки по факту использования.

Минимальная продаваемая версия требует одного коннектора к входящим сообщениям, одного коннектора к данным аккаунта, резюме из четырех полей, ссылок на источники, проверки по правилам и кнопок одобрения или отклонения. Главная сложность — интеграция и доверие. Если нельзя доказать происхождение рекомендации, клиент сохранит существующий процесс.

2. Слой проверки кода с учетом внутренних правил

Создайте приложение для GitHub, которое читает diff и правила конкретной команды, а затем выдает ревью с приоритетами по риску, пробелы в тестах и короткое резюме для слияния. Покупатели такого продукта — руководители разработки и платформенные команды.

Запрос ai powered code review platform набирает 1,900 поисков в США в месяц и вырос на 19% за год. Публичный тариф CodeRabbit начинается с $24 за разработчика в месяц при годовой оплате; более дорогие планы стоят $48 и $72. Для MVP достаточно одного провайдера репозиториев, вебхуков pull request, настраиваемых проверок, интерфейса комментариев и журнала, где видно, какое правило вызвало каждое замечание.

Главная проблема — плотная конкуренция. У универсального ревьюера нет защищаемого преимущества. Выберите болезненную нишу: например, проверки релизов в регулируемой отрасли, безопасность миграции данных или конкретный фреймворк. Ложные срабатывания измеряйте так же внимательно, как пропущенные дефекты.

3. Вертикальный инструмент из брифа в PRD, но не универсальный

Создайте узкий процесс, который превращает звонки, ограничения и прошлые решения в продуктовый бриф с критериями приемки и нерешенными вопросами. Продуктовое агентство или команда отраслевого ПО может купить его, если шаблон соответствует их работе.

Точный запрос ai product requirements document generator набирает лишь 70 поисков в США в месяц и снизился на 50% год к году. Это предупреждение, а не аргумент в пользу идеи. Универсальный отдельный генератор PRD — самый слабый продукт из трех. Жизнеспособен вариант, встроенный в более ценный процесс: например, первичное исследование в агентстве, внедрение в здравоохранении или управление изменениями в крупной компании.

MVP включает фиксированный пакет источников, один четко заданный шаблон, прослеживаемость решений и экспорт в систему, которой уже пользуется покупатель. Ограничения — слабый спрос и простота копирования. Не стоит создавать такой продукт без существующих отношений с клиентами или доступа к отраслевому каналу данных.

Цена не изменилась, но рабочий процесс может подешеветь

Sonnet 5.5 стоит $2 за миллион входных токенов, $10 за миллион выходных и $0.20 за миллион токенов, прочитанных из кэша. Это те же опубликованные ставки, что и у Sonnet 5. Заявление Anthropic о снижении стоимости связано с выполнением задач за меньшее число токенов.

Для прогноза это важное различие. Более короткая цепочка модели способна одновременно сократить задержку и расход токенов, хотя тариф не менялся. При этом общая стоимость продукта может почти не снизиться, если основная доля приходится на поиск данных, сторонние инструменты, повторные попытки и ручную проверку. Измеряйте стоимость принятого результата, а не одного вызова.

Подписка на приложение Claude и использование API — разные продукты. Оплата Pro, Max, Team или Enterprise не включает Claude Console и вызовы API. Общие границы тарифов разобраны в руководстве по планам Claude; для рабочего процесса через API отдельно нужны доступ к Console и оплата по счетчику.

Переносите процесс на API после того, как задача пройдет проверку

Безопасная последовательность миграции проста: проверьте промпт на репрезентативных примерах, закрепите новый идентификатор модели, явно задайте effort, затем исправьте контракт рассуждений и вызова инструментов — и лишь после этого направляйте производственный трафик.

Для обычного запроса с адаптивным рассуждением не передавайте поле thinking, а текстовые блоки читайте по их типу:

from anthropic import Anthropic

client = Anthropic()
response = client.messages.create(
    model="claude-sonnet-5-5",
    max_tokens=4096,
    output_config={"effort": "medium"},
    messages=[{
        "role": "user",
        "content": "Summarize this ticket as Issue, Impact, Evidence, and Next action.",
    }],
)

for block in response.content:
    if block.type == "text":
        print(block.text)

При миграции нужно отдельно проверить четыре изменения.

1. thinking: {"type": "disabled"} больше не принимается прямым Claude API от Anthropic. Если предварительное рассуждение не нужно, используйте thinking: {"type": "between_tools"}. Этот режим работает с Low, Medium и High, но не с Xhigh или Max.
2. Принудительные значения tool_choice — any и именованный tool — больше не принимаются прямым API. Используйте auto, включайте строгую схему там, где она поддерживается, и указывайте в промпте, когда должен запускаться инструмент.
3. Ответ может начинаться с блока thinking. Разбирайте каждый блок содержимого по полю type; нельзя предполагать, что content[0].text существует.
4. В цикле с инструментами возвращайте блоки рассуждений без изменений. В них находятся подписи, связанные с предыдущей беседой, поэтому история сообщений должна только дополняться.

В этом минимальном примере используется between_tools, для выбора инструмента оставлен auto, а полный ответ ассистента сохраняется:

tools = [{
    "name": "lookup_ticket",
    "description": "Look up a support ticket",
    "strict": True,
    "input_schema": {
        "type": "object",
        "properties": {"ticket_id": {"type": "string"}},
        "required": ["ticket_id"],
        "additionalProperties": False,
    },
}]

messages = [{"role": "user", "content": "Use lookup_ticket for T-42."}]
response = client.messages.create(
    model="claude-sonnet-5-5",
    max_tokens=4096,
    thinking={"type": "between_tools"},
    output_config={"effort": "medium"},
    tools=tools,
    tool_choice={"type": "auto"},
    messages=messages,
)

# Keep every block, including signed thinking blocks, exactly as returned.
messages.append({
    "role": "assistant",
    "content": [block.model_dump() for block in response.content],
})

tool_call = next(block for block in response.content if block.type == "tool_use")
messages.append({
    "role": "user",
    "content": [{
        "type": "tool_result",
        "tool_use_id": tool_call.id,
        "content": "Ticket T-42 is open and assigned to Support Ops.",
    }],
})

follow_up = client.messages.create(
    model="claude-sonnet-5-5",
    max_tokens=4096,
    thinking={"type": "between_tools"},
    output_config={"effort": "medium"},
    tools=tools,
    tool_choice={"type": "auto"},
    messages=messages,
)

В руководстве Anthropic по миграции Sonnet 5.5 описаны ошибки 400 прямого API и новые поля. Мой локальный запрос с Medium и between_tools вернул HTTP 200 за 1.35 секунды. В отдельном цикле с адаптивным вызовом инструмента появился подписанный блок рассуждений, а повторная отправка полного блока без изменений успешно продолжила диалог.

Есть важный нюанс. Мои вызовы проходили через ИИ-шлюз. Этот слой совместимости вернул HTTP 200, когда я намеренно отправил старое значение disabled для thinking и принудительный tool_choice: any, хотя в документации Anthropic оба варианта приводят к ошибкам прямого API. То, что запрос принимает промежуточный слой, еще не доказывает совместимость прямой интеграции. Перед переходом изучите исходный запрос в Anthropic Playground или протестируйте прямой endpoint.

Чего Sonnet 5.5 не решает

Модель не превращает неподтвержденный вывод в факт. Локальный тест на обращении в поддержку показал это наглядно. Требуйте ссылки на источники для значимых утверждений и сохраняйте одобрение человеком для возвратов, изменений аккаунта, юридических обязательств, медицинских решений и действий в сфере безопасности.

Модель не делает Medium подходящим для любой задачи. Повышайте effort, когда на ваших примерах видны пропуски в рассуждениях или незавершенная работа. Для открытых задач, требующих устойчивого качества суждений, используйте Opus; место более высокого уровня объясняет сравнение с Opus 5.5.

Модель не превращает отдельный вызов в готовый продукт. Большая часть производственной работы приходится на коннекторы, разрешения, проверки политик, тестирование, наблюдаемость, резервное поведение и удобный интерфейс ревью.

Она также не отменяет необходимость в актуальных источниках. Если ответ по поддержке или исследованию зависит от действующих правил, требований или цен, дайте модели инструмент поиска или базу знаний и потребуйте провести проверку.

Что сделать в понедельник

Выберите одну очередь с однозначным источником истины. В понедельник возьмите 20 недавних примеров, удалите ненужные персональные данные и запустите Sonnet 5.5 на Medium с одной фиксированной схемой ответа. Оцените фактическую точность, неподтвержденные выводы, полноту, затраченное время и расход токенов. Меняйте идентификатор модели в существующем API и проводите описанные выше проверки миграции только после того, как промпт пройдет этот тест.

Если нужен рабочий процесс Claude, основанный на проверяемых источниках и адаптированный под ваш бизнес, изучите создание ИИ-систем для продакшена.