Jajaran produk Anthropic hingga Claude saat ini membuat perbandingan harga sederhana menjadi menyesatkan. Ulasan ini menguji Claude Opus 5.5, Claude Opus 5, dan Claude Fable 5.1 dengan lima prompt yang sama dan melaporkan hasil tugas, waktu tempuh lokal, penggunaan token yang dilaporkan oleh rute, serta batasan dari setiap pengamatan.
Perbedaan praktisnya terlihat pada kartu tugas. Opus 5.5 adalah yang tercepat dan termurah di antara paket yang diuji, Fable 5.1 menghasilkan token keluaran paling sedikit dan respons dalam format Mandarin yang paling rapi, sedangkan Opus 5 membutuhkan waktu paling lama, sementara Opus 5.5 menggunakan token keluaran paling banyak. Kartu pengkodean menambahkan syarat penting: keluaran yang lebih pendek tidak otomatis berarti keluaran yang lebih baik.
Kami menyalin lima prompt dari ulasan Claude Opus 5.5 sebelumnya dan menjalankan setiap prompt satu kali untuk setiap model. Pengaturan permintaan sama persis: batas maksimal 8.192 token, tingkat usaha tinggi, satu pesan pengguna, dan tanpa alat bantu. Rute tersebut mengembalikan respons HTTP 200 dan akhir_giliran untuk seluruh 15 permintaan.
Jawaban singkat
- Yang tercepat dalam paket lima tugas ini: Claude Opus 5.5 membutuhkan waktu end-to-end lokal sebesar 47,725 detik untuk lima permintaan berturut-turut. Claude Fable 5.1 membutuhkan waktu 53,290 detik, sedangkan Claude Opus 5 membutuhkan waktu 61,470 detik.
- Perkiraan harga katalog terendah: Opus 5.5 mencapai sekitar $0.0818 untuk lima permintaan berdasarkan tarif token resmi, diikuti oleh Opus 5 sebesar $0.0962 dan Fable 5.1 sebesar $0.1415. Angka-angka ini merupakan perkiraan aritmatika, bukan biaya platform.
- Hasil yang berkualitas: Ketiganya menghasilkan ekstraksi lima peluru yang di-grounded, JSON yang dapat diparsing, dan jawaban matematika yang benar. Hasil kode tersebut berbeda dalam hal penanganan kasus tepi, sementara Fable 5.1 mengikuti instruksi berformat bahasa Mandarin yang terdiri dari dua paragraf dengan paling rapi.
- Catatan mengenai API: Opus 5.5 bukanlah versi pengganti langsung yang bisa diterapkan begitu saja untuk setiap integrasi Opus 5. Panduan migrasinya menyebutkan bahwa fitur "thinking" tidak dapat dinonaktifkan dan beberapa alat atau pola pemikiran yang lebih lama perlu disesuaikan.
- Jangan terlalu memaksakan diri menafsirkan peringkat tersebut: Ini adalah satu kali eksekusi yang sesuai per tugas pada satu rute. Pengukuran ini mencakup perilaku konkret, waktu yang dihabiskan, dan data penggunaan yang dilaporkan, bukan skor model universal.
Berapa harga ketiga model tersebut dan apa saja yang ditampilkannya
Ketiga API tersebut berbagi jendela konteks sebesar 1 juta token dan batas keluaran maksimum 128 ribu, sebagaimana tercantum dalam dokumentasi model Anthropic saat ini. Unit penagihan dan statusnya berbeda-beda: Opus 5.5 adalah rute Opus terbaru, Opus 5 ditandai sebagai versi lama, dan Fable 5.1 memiliki laju input/output standar tertinggi.
| Model | Status resmi | ID model API | Masukan / keluaran | Konteks / keluaran maksimum | Upaya standar | Pembacaan cache |
|---|---|---|---|---|---|---|
| Claude Opus 5,5 | Terbaru | claude-opus-5-5 | $4 / $20 per MTok | 1M / 128K | Sedang | $0.20 / MTok |
| Claude Opus 5 | Aktif, lama | claude-opus-5 | $5 / $25 per MTok | 1M / 128K | Tinggi | $0,50 / MTok |
| Claude Fable 5.1 | Terbaru | claude-fable-5-1 | $10 / $50 per MTok | 1M / 128K | Tinggi | $0,25 / MTok |
Sebagai contoh sederhana tanpa cache, 100.000 token masukan ditambah 20.000 token keluaran dikenakan biaya $0,80 di Opus 5.5, $1,00 pada Opus 5, dan $2,00 pada Fable 5.1 dengan tarif yang tercantum. Fable 5.1 memiliki tingkat pembacaan cache yang lebih rendah daripada Opus 5, sehingga beban kerja agen yang intensif cache memerlukan perhitungan terpisah.
Apa yang ditunjukkan oleh tabel tolok ukur resmi
Anthropic’s Pengumuman Claude Opus 5.5 menempatkan ketiga model tersebut dalam tabel perbandingan penyedia yang sama. Opus 5.5 memimpin daftar baris tersebut, namun hasil-hasil ini dilaporkan oleh penyedia dengan rangkaian pengujian dan pengaturan upaya yang spesifik untuk benchmark tersebut. Pengumuman itu sendiri memperingatkan bahwa selisih skor benchmark yang tipis kurang dapat diandalkan sebagai acuan untuk membedakan performa di dunia nyata pada tingkat kemampuan ini.
| Tolok ukur penyedia layanan | Opus 5.5 | Fable 5.1 | Opus 5 | Apa yang diukurnya |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 66.4% | 55.8% | 52.3% | Pemrograman baris perintah berbasis agen |
| FrontierCode v1.1 | 54.4% | 50.3% | 48.0% | Apakah perubahan kode agen akan digabungkan |
| CursorBench 4.0 | 57.8% | 51.8% | 46.6% | Tugas pengkodean multi-file yang ambigu |
| GDPval-AA v2.1 | 1846 | 1735 | 1708 | Pekerjaan berbasis pengetahuan profesional di 44 bidang pekerjaan |
| AutomationBench | 40.0% | 31.4% | 26.9% | Alur kerja bisnis dari awal hingga akhir |
| Ujian Terakhir Manusia | 67.7% dengan alat-alat | 65,61 TP40T beserta perkakasnya | 63,61 TP40T beserta perkakasnya | Penalaran multidisiplin |
| OSWorld 2.0 | 81.8% sebagian | 80,71 TP40T parsial | 74,01 TP40T parsial | Tugas-tugas yang melibatkan penggunaan komputer |
Tabel ini berguna untuk menentukan batas kinerja yang diklaim oleh penyedia layanan. Tabel ini tidak dimaksudkan sebagai pengganti kartu-kartu yang disesuaikan di bawah ini: pengujian kami menggunakan prompt singkat satu putaran, upaya yang tinggi, tanpa alat bantu, dan rute yang dikendalikan oleh pihak ketiga.
Prompt yang sama, pengaturan permintaan yang sama
Kami menyalin lima prompt dari paket uji Opus 5.5 sebelumnya dan mengirimkan masing-masing prompt sekali ke setiap model. Klien mengubah urutan model berdasarkan tugas, menggunakan JSON UTF-8, dan mengukur waktu mulai dari awal permintaan hingga seluruh isi respons selesai dibaca. Keseluruhan 15 permintaan mengembalikan status HTTP 200 dan akhir_giliran. Untuk penjelasan yang lebih luas dan alur kerja yang dapat diulang, lihat Bagaimana GlobalGPT menguji model AI.
Perbandingan waktu dan token
| Rute | 5 putaran telah berlalu | Rata-rata / tugas | Masukkan token | Token keluaran | Pemikiran yang dilaporkan berdasarkan rute | Perkiraan harga katalog* |
|---|---|---|---|---|---|---|
| Claude Opus 5,5 | 47,725 detik | 9,545 detik | 700 | 3,952 | 2,214 | $0.0818 |
| Claude Opus 5 | 61,470 detik | 12,294 detik | 690 | 3,709 | 1,859 | $0.0962 |
| Claude Fable 5.1 | 53,290 detik | 10,658 detik | 700 | 2,690 | 1,122 | $0.1415 |
*Perkiraan berdasarkan token input/output yang dilaporkan oleh rute dan tarif API standar yang tercantum di Anthropic. Perkiraan ini tidak termasuk biaya cache, kredit platform, pajak, dan markup. Waktu yang berlalu adalah waktu aktual end-to-end lokal sejak permintaan dikirim, bukan latensi penyedia atau jumlah token per detik. “Thinking” adalah bidang penggunaan yang dilaporkan oleh rute, bukan proses penalaran tersembunyi yang diukur secara independen.
Hasilnya menunjukkan arah yang berbeda-beda tergantung pada metrik yang digunakan. Opus 5.5 mencatatkan waktu total tercepat dan perkiraan biaya terendah, Fable 5.1 menghasilkan jumlah token keluaran paling sedikit, sedangkan Opus 5 mencatatkan waktu total terlama di antara kelompok ini. Jawaban yang lebih singkat tidak selalu berarti jawaban yang lebih baik: kartu kode menunjukkan mengapa konten keluaran dan penanganan kasus tepi masih perlu diperhatikan.
Lima kartu tugas yang serupa
Apakah model-model tersebut mampu memperbaiki fungsi deduplikasi tipe campuran?
Pengaturan tugas: Petunjuk tersebut mensyaratkan fungsi yang telah diperbaiki ditambah dua uji coba yang ringkas, perbandingan string yang tidak membedakan huruf besar-kecil, mempertahankan ejaan pertama, dan tidak mengalami crash saat diuji dengan nilai non-string.
| Model | Waktu / penggunaan | Hasil yang diamati |
|---|---|---|
| Claude Opus 5,5 | 15,844 detik (lokal) · 145 masuk / 1478 keluar · 700 berpikir · akhir giliran | Menggunakan `casefold` ditambah opsi cadangan berupa daftar; docstring-nya menyebutkan "identitas", sementara kode tersebut menggunakan "kesetaraan". |
| Claude Opus 5 | 16,845 detik (waktu lokal) · 143 masuk / 1109 keluar · 312 waktu berpikir · akhir giliran | Menambahkan kunci yang diberi tag tipe dan mekanisme cadangan kesetaraan, serta menyoroti sintaks Python satu baris yang tidak valid. |
| Claude Fable 5.1 | 12,778 detik (waktu lokal) · 145 masuk / 783 keluar · 0 waktu berpikir · akhir giliran | Menggunakan `repr(item)` untuk nilai-nilai yang tidak dapat di-hash; metode ini berhasil pada contoh-contoh yang ditampilkan, tetapi dapat menimbulkan konflik antar-tipe. |
Hasil perbandingan: Kasus tepi merupakan pengamatan pada tingkat tugas, bukan pernyataan yang berlaku untuk semua beban kerja pemrograman.
Apakah model-model tersebut dapat mempertahankan lima fakta yang diberikan tanpa menambahkan klaim?
Pengaturan tugas: Masukan tersebut berupa catatan singkat mengenai uji coba selama dua minggu terhadap tiga asisten penulisan. Ini merupakan tugas ekstraksi singkat, bukan uji standar dengan konteks yang luas.
| Model | Waktu / penggunaan | Hasil yang diamati |
|---|---|---|
| Claude Opus 5,5 | 4,374 detik (lokal) · 210 masuk / 312 keluar · 101 waktu berpikir · akhir giliran | Mengembalikan lima peluru bernomor dan tetap berpegang pada fakta-fakta yang diberikan; label dan urutannya sedikit berbeda. |
| Claude Opus 5 | 4,661 detik (lokal) · 208 masuk / 265 keluar · 27 waktu berpikir · akhir giliran | Mengembalikan lima peluru bernomor dan tetap berpegang pada fakta-fakta yang diberikan; label dan urutannya sedikit berbeda. |
| Claude Fable 5.1 | 6,305 detik waktu lokal · 210 masuk / 223 keluar · 0 waktu berpikir · akhir giliran | Mengembalikan lima peluru bernomor dan tetap berpegang pada fakta-fakta yang diberikan; label dan urutannya sedikit berbeda. |
Hasil perbandingan: Teks aslinya pendek; hal ini menguji ekstraksi dan pemformatan yang didasarkan pada teks itu sendiri, bukan penanganan konteks dengan jutaan token.
Apakah model-model tersebut dapat menghasilkan struktur yang persis seperti yang diminta?
Pengaturan tugas: Petunjuk tersebut mensyaratkan hanya JSON yang valid, lima kunci yang persis sama, dua kelebihan, dua kekurangan, dan string pendek. Isi ulasan fiktif ini bukanlah bukti mengenai model apa pun.
| Model | Waktu / penggunaan | Hasil yang diamati |
|---|---|---|
| Claude Opus 5,5 | 8,276 detik (lokal) · 128 masuk / 622 keluar · 390 waktu berpikir · akhir giliran | Mengembalikan JSON yang dapat diparsing dengan kunci-kunci yang diminta serta dua kelebihan dan dua kekurangan; klaim ulasan yang dihasilkan hanyalah teks uji coba, bukan fakta produk. |
| Claude Opus 5 | 6,344 detik (waktu lokal) · 126 masuk / 238 keluar · 0 waktu berpikir · akhir giliran | Mengembalikan JSON yang dapat diparsing dengan kunci-kunci yang diminta serta dua kelebihan dan dua kekurangan; klaim ulasan yang dihasilkan hanyalah teks uji coba, bukan fakta produk. |
| Claude Fable 5.1 | 6,626 detik (lokal) · 128 masuk / 203 keluar · 0 waktu berpikir · akhir giliran | Mengembalikan JSON yang dapat diparsing dengan kunci-kunci yang diminta serta dua kelebihan dan dua kekurangan; klaim ulasan yang dihasilkan hanyalah teks uji coba, bukan fakta produk. |
Hasil perbandingan: String JSON tersebut menggambarkan skenario ulasan fiktif dan tidak boleh dipublikasikan sebagai informasi produk.
Apakah model-model tersebut dapat menerapkan urutan batch yang dibulatkan hingga menghasilkan jawaban akhir?
Pengaturan tugas: Urutannya adalah 12, kemudian ditambah 25% dengan pembulatan ke bawah, tersebar di empat batch.
| Model | Waktu / penggunaan | Hasil yang diamati |
|---|---|---|
| Claude Opus 5,5 | 3,830 detik (lokal) · 89 masuk / 257 keluar · 74 berpikir · akhir giliran | Hasil perhitungannya adalah 12, 15, 18, 22, dan totalnya 67; ketiganya berakhir dengan angka 67 yang diminta secara terpisah. |
| Claude Opus 5 | 5,079 detik (lokal) · 87 masuk / 277 keluar · 90 berpikir · akhir_giliran | Hasil perhitungannya adalah 12, 15, 18, 22, dan totalnya 67; ketiganya berakhir dengan angka 67 yang diminta secara terpisah. |
| Claude Fable 5.1 | 5,347 detik (waktu lokal) · 89 masuk / 127 keluar · 0 waktu berpikir · akhir giliran | Hasil perhitungannya adalah 12, 15, 18, 22, dan totalnya 67; ketiganya berakhir dengan angka 67 yang diminta secara terpisah. |
Hasil perbandingan: Ketiganya lulus tes aritmatika ini; satu tes saja tidak cukup untuk menilai keandalan penalaran umum.
Apakah rute tersebut dapat mempertahankan struktur dua paragraf yang diminta?
Pengaturan tugas: Permintaan tersebut meminta dua paragraf dalam bahasa Mandarin yang masing-masing terdiri dari 80–120 karakter Mandarin: jawaban mengenai nilai, diikuti dengan rencana pengujian.
| Model | Waktu / penggunaan | Hasil yang diamati |
|---|---|---|
| Claude Opus 5,5 | 15,401 detik (waktu lokal) · 128 masuk / 1283 keluar · 949 waktu berpikir · akhir giliran | Telah mengembalikan dua paragraf yang diminta, lalu menambahkan format Markdown dan catatan dalam bahasa Inggris. |
| Claude Opus 5 | 28,541 detik (lokal) · 126 masuk / 1820 keluar · 1430 waktu berpikir · akhir giliran | Telah menyertakan dua paragraf yang diminta, lalu menambahkan catatan dalam bahasa Inggris setelah tanda pemisah. |
| Claude Fable 5.1 | 22,234 detik (waktu lokal) · 128 masuk / 1354 keluar · 1122 waktu berpikir · akhir giliran | Menghasilkan dua paragraf dalam bahasa Mandarin yang rapi tanpa catatan tambahan atau format Markdown. |
Hasil perbandingan: Ini mencatat petunjuk yang diikuti sepanjang rute yang telah diuji; ini bukanlah tolok ukur kualitas dalam bahasa Mandarin.
Hal-hal yang perlu diperhatikan terkait API dan migrasi
Opus 5.5 bukanlah pengganti langsung yang bisa diterapkan begitu saja untuk setiap integrasi Opus 5. Anthropic’s panduan migrasi menyebutkan bahwa fitur "thinking" tidak dapat dinonaktifkan pada Opus 5.5; permintaan yang mencoba menonaktifkan atau mengaktifkan secara manual mode "thinking" lama akan menghasilkan kesalahan 400. Migrasi ini juga mengubah penggunaan alat yang dipaksakan, mengaitkan blok "thinking" dengan model dan percakapan, serta menggantikan alat penggunaan komputer versi lama pada API Claude dan jalur Google Cloud.
Tes bersama yang digunakan output_config.effort: tinggi untuk ketiga model tersebut agar hasil uji coba lebih mudah dibandingkan. Artinya, pengujian ini tidak mereproduksi pengaturan upaya default masing-masing model. Fable 5.1 didokumentasikan dengan fitur pemikiran adaptif yang selalu aktif dan upaya default tinggi; Opus 5.5 didokumentasikan dengan fitur pemikiran adaptif yang selalu aktif dan upaya default sedang; sedangkan Opus 5 menggunakan fitur pemikiran adaptif dengan upaya default tinggi.
Apa yang sebenarnya didukung oleh tes ini
Keputusan pada tingkat tugas
Opus 5.5: harga katalog tercepat dan terendah dalam paket lima tugas ini, sekaligus menghasilkan token keluaran terbanyak. Fable 5.1: Hasil terpendek secara keseluruhan dan kepatuhan paling tepat terhadap batasan dua paragraf Tiongkok, namun harga tokennya yang lebih tinggi membuat perkiraan lima kali eksekusi menjadi yang tertinggi, dan solusi cadangan pemrogramannya memiliki kasus tepi tipe silang yang konkret. Opus 5: Benar dalam tugas ekstraksi, JSON, dan perhitungan matematika, tetapi paling lambat dalam contoh rute ini dan ditandai sebagai "legacy" dalam dokumen resmi.
Hal itu sudah cukup untuk membenarkan preferensi praktis terhadap Opus 5.5 pada rute pengukuran ini, namun belum cukup untuk menyatakan bahwa perangkat lunak tersebut unggul dalam setiap beban kerja. Ulangi pengujian dengan menggunakan berbagai alat, input yang lebih panjang, dan beberapa kali eksekusi sebelum menganggap hasilnya sebagai tolok ukur produksi.
Jika Anda ingin mengulangi perbandingan tersebut tanpa perlu membuka tiga akun terpisah, Cobalah alur kerja perbandingan model di GlobalGPT. Rute model langsung dan pemetaan penyedia hulu tetap harus diverifikasi secara terpisah sebelum mengambil keputusan apa pun terkait produksi.
PERTANYAAN YANG SERING DIAJUKAN
Model mana yang paling cepat dalam uji perbandingan tersebut?
Claude Opus 5.5 mencatat total waktu tempuh lokal terendah: 47,725 detik untuk lima permintaan berturut-turut. Ini merupakan pengamatan rute, bukan latensi di sisi penyedia.
Model mana yang menggunakan token keluaran paling sedikit?
Claude Fable 5.1 menggunakan 2.690 token keluaran yang dilaporkan berdasarkan rute di seluruh lima tugas, dibandingkan dengan 3.709 untuk Opus 5 dan 3.952 untuk Opus 5.5.
Model mana yang paling murah dalam pengujian tersebut?
Dengan menggunakan tarif API standar resmi serta jumlah token input/output yang dihasilkan, Opus 5.5 menghasilkan perkiraan biaya terendah untuk lima kali eksekusi sebesar $0.0818. Angka ini belum termasuk cache, kredit, pajak, dan markup platform.
Apakah ketiga model tersebut berhasil menyelesaikan tugas yang sama?
Ketiganya menghasilkan data terorganisir berupa lima baris JSON yang dapat diparsing dengan kunci-kunci yang diminta, serta total yang benar, yaitu 67. Kode program dan kartu dalam format Tiongkok menunjukkan perbedaan hasil yang signifikan.
Apakah ini uji kinerja dengan konteks yang panjang?
Tidak. Prompt ekstraksi yang digunakan kembali tersebut berisi sebuah paragraf pendek. Prompt tersebut menguji kemampuan grounding dan format yang tepat, sehingga tidak boleh disajikan sebagai bukti kinerja dalam konteks sejuta token.
Apakah Claude Opus 5 masih berlaku?
Dokumen model Anthropic mencantumkan Opus 5 sebagai fitur yang masih aktif namun sudah usang, dan merekomendasikan untuk mempertimbangkan Opus 5.5 guna meningkatkan kinerja. Integrasi API yang sudah ada disarankan untuk meninjau panduan migrasi sebelum melakukan peralihan.
Spesifikasi resmi: Dokumen Opus 5.5, Dokumen Opus 5, dan Dokumen Fable 5.1. Nilai acuan penyedia layanan didasarkan pada Anthropic; nilai hasil praktik diperoleh dari paket uji yang sesuai sebagaimana dijelaskan di atas.
