Claude Sonnet 5.5 czy Opus 5.5? Obejrzyj dwa montaże obok siebie i oceń sam

W skrócie

• Oba modele dostały ten sam prompt, tę samą kopię projektu i ten sam poziom wysiłku (--effort high, a w projekcie strony medium). Nie widziały swoich prac ani moich wcześniejszych montaży tego nagrania.
• Montaż filmu: jedna wersja jest wyraźnie lepsza, a druga 2,7 razy tańsza ($2,84 wobec $7,55 za całe zadanie).
• Analiza danych z Google: oba modele podały po około 40 liczb i żadna nie była błędna. Różnią się tym, jakie pułapki w danych zauważyły.
• Projekt strony w Claude Design: jeden projekt lepiej trafia w brief „maksymalnie prosto”, drugi ma lepszą stronę pojedynczej usługi. Ten lepszy do briefu był 2,2 razy tańszy.
• Nowa funkcja na żywym WordPressie: oba filtry działają na żywej stronie bez żadnego błędu. Różnią się tym, co robią z dmuchańcami, o których brakuje danych. Tańsza wersja była 1,4 razy tańsza.
• Poniżej wszystko jest bez nazw modeli. Obejrzyj, zagłosuj, a potem kliknij „Odkryj, który model był który”.

Film z tego testu: Claude Sonnet 5.5 vs Opus 5.5: kiedy tańszy wystarczy (obejrzysz go też niżej).

Obejrzyj film z testu

Cały test w kwadrans: montaże obok siebie, liczby z rachunku i żywy WordPress.

Jak testowałem

Zamiast benchmarków dałem obu modelom cztery zadania, które naprawdę robię w pracy: montaż filmu w moim projekcie Remotion, analizę danych mojej firmy Spogle (wypożyczalnia atrakcji na imprezy), projekt strony w Claude Design i nową funkcję na żywym WordPressie. Za każdym razem obowiązywały te same zasady:

• Identyczny start. Każdy model dostał osobną kopię projektu (klon APFS, powstaje w sekundę) i świeżą sesję Claude Code.
• Jedna strona, po kolei. W teście 4 kopia robocza strony jest tylko jedna, więc modele pracowały na niej po kolei. Między nimi przywracałem stronę do identycznego stanu.
• Izolacja. W ustawieniach każdej kopii zablokowałem odczyt drugiej kopii, oryginalnego projektu, zapisów wcześniejszych rozmów i starych renderów. Przed startem sprawdziłem blokady osobnym modelem: 4 z 4 prób podejrzenia zostały odrzucone.
• Ten sam wysiłek: --effort high dla obu w montażu, analizie i na WordPressie, medium dla obu w projekcie strony.
• Ślepa ocena. Skrypt losował, który model będzie wersją A, a który B, osobno w każdym teście. Przypisanie zajrzałem dopiero po obejrzeniu wyników.
• Mierzę koszt całego zadania, a nie cenę tokena. Liczę go z zapisu sesji według oficjalnego cennika API. Na abonamencie nie płacisz tych kwot, ale proporcje pokazują, jak szybko model zjada limit. W projekcie strony koszt i czas podaje sam Claude Design w panelu „Usage”.

Cennik API (za milion tokenów)	Sonnet 5.5	Opus 5.5
Wejście	$2	$4
Wyjście	$10	$20
Zapis do cache na 1 h (tak robi Claude Code)	$4	$8
Odczyt z cache	$0,20	$0,20

Źródło: cennik Claude API, stan na 29.09.2026. Zwróć uwagę na ostatni wiersz: odczyt z cache kosztuje u obu tyle samo, a w długiej sesji agenta to on stanowi większość tokenów.

Pierwsze podejście wyrzuciłem. Za pierwszym razem oba modele montowały w tym samym katalogu, jeden po drugim. Drugi model dostał więc gotową transkrypcję, skrypty i notatki pierwszego i wyszedł „tańszy”, bo nie musiał niczego odkrywać. Wszystko poniżej to drugie, czyste podejście.

Jedna wada, o której musisz wiedzieć. Reguła blokująca stare rendery zablokowała też folder z konfiguracją renderu w kopiach obu modeli. Wersja A dostała 4 odmowy, wersja B jedną. Obie to obeszły, ale wersję A kosztowało to kilka kroków więcej.

Test 1: montaż filmu w Remotion

Nagranie: 4 minuty, w których opowiadam o darmowej Akademii SEO na stronie Double Digital. Prompt (skrót): „Sam zapoznaj się ze stylem marki Double Digital (double-digital.pl) i na jego podstawie przygotuj oprawę. Zmontuj cały film w 16:9, a z pierwszych 24 sekund zrób short 9:16. Narzędzia wybierasz sam. Jeśli czegoś nie wiesz, zapytaj.” Żaden model nie zadał pytania i żadnemu nie dawałem poprawek.

Przycisk „Odtwórz oba naraz” puszcza obie wersje równo, z dźwiękiem z lewej. Przewijanie lewej przewija też prawą. Żeby dobrze zobaczyć szczegóły, kliknij „Na cały ekran”.

Short 9:16 z pierwszych 24 sekund:

Na co patrzeć, jeśli nie montujesz na co dzień:

• Czy grafika pokazuje to, o czym mówię, czy tylko podpisuje obraz?
• Czy obraz się zmienia. Przez 4 minuty na ekranie jest głównie przewijana strona, więc montaż musi przejmować uwagę.
• Short na telefonie: czy da się przeczytać tekst bez przybliżania i czy adres strony jest widoczny dość długo.

Test 2: analiza danych z Search Console i Analytics

Oba modele dostały 4 pliki z danymi Spogle: podstrony z Search Console za ostatnie 12 miesięcy i za poprzednie 12, strony wejścia z GA4 oraz strony wejścia w podziale na kanały. Pytanie było jedno: „Które 5 stron poprawić w tym tygodniu, żeby było więcej zapytań?”. Do tego raport na jedną stronę A4, jeden wykres i plik ze źródłem każdej liczby z raportu.

Tu nie oceniam ładności, tylko to, czy liczby się zgadzają. Napisałem skrypt, który porównuje każdą liczbę z raportu z plikiem źródłowym. Liczby wyliczone (zmiany procentowe, sumy) przeliczyłem osobno.

Sprawdzenie liczb	Wersja A	Wersja B
Liczby w raporcie	39	44
Zgodne z plikiem	34	31
Wyliczone, sprawdzone ręcznie	5, wszystkie poprawne	13, wszystkie poprawne
Błędne	0	0
Bez podanego źródła	0	0
Wspólne strony w top 5	4 z 5	4 z 5

W danych były trzy pułapki, o których modele nie wiedziały:

1. Plik z kanałami jest obcięty. Ma tylko 60 z 888 wierszy (widać to w polu rowCount). Suma zapytań z niego to 765, a z pełniejszego pliku 856.
2. Na stronie kontaktu jest więcej zapytań niż wejść (239 wobec 218). To zdarzenia, a nie osoby.
3. Najpopularniejszy wpis na blogu ma 14 709 kliknięć z Google i tylko 2 zapytania. Ruch to jeszcze nie klienci.

Obie wersje zauważyły trzecią pułapkę i obie polecają to samo: dołożyć na blogu drogę do oferty. Pierwsze dwie wyłapała tylko wersja B. Wersja A zauważyła za to dwie rzeczy, których ja nie przewidziałem: wiersze z kotwicami (#nagłówek), które w Search Console dublują wyświetlenia, oraz to, że osoba wracająca z bloga po czasie trafia w Analytics do „Direct”, więc blog może dawać więcej zapytań, niż widać.

Test 3: projekt strony w Claude Design

Trzecie zadanie zrobiłem w Claude Design, czyli w edytorze projektów na claude.ai, a nie w Claude Code. Brief (skrót): „Zaplanuj nowoczesną i funkcjonalną stronę dla firmy od atrakcji na eventy, atrakcjenaeventy.pl. Odbiorcy to osoby, które organizują imprezy i wybierają atrakcje, więc strona ma być maksymalnie prosta w obsłudze, ale z elementami wow. Zaprojektuj stronę główną, stronę usługi i widoki na telefon. Jeśli potrzebujesz, zadaj mi pytania.”

Tu nie działały moje skrypty izolacji, a oba modele pracowały na effort medium. Zdjęcia w obu projektach to jeszcze szare placeholdery, więc oceniaj układ i drogę do zapytania, a nie grafiki.

Poniżej oba projekty w całości, ze wszystkimi planszami na komputer i telefon. Możesz je przewijać i klikać, bo część przycisków działa. Najwygodniej po kliknięciu „Na cały ekran”. W osobnej karcie: wersja A, wersja B.

Na co patrzeć:

• Ile trzeba zrobić, zanim zobaczysz atrakcje. Brief mówi „maksymalnie prosto”.
• Czy ktoś, kto nie wie, czym jest archery tag, i tak coś wybierze.
• Strona usługi: czy organizator dowie się, ile osób zagra, ile to trwa, co jest w cenie i czego potrzeba na miejscu.
• Formularz: czy pyta o to, co potrzebne do wyceny, i nic więcej.

Test 4: nowa funkcja na żywym WordPressie

Czwarte zadanie było najbardziej ryzykowne, bo dotyczyło działającej strony. Moja firma Spogle ma kopię roboczą nowej strony na WordPressie (staging). Klienci jej jeszcze nie widzą, ale działa jak prawdziwa. Prompt (skrót): „Na stronie katalogu dmuchańców dodaj filtr: wiek dzieci, ogród czy hala, rozmiar, cena. Bez przeładowania strony. Filtry mają być w adresie, żeby link z filtrem otwierał tę samą listę. Licznik wyników i „wyczyść”. Komunikat, gdy nic nie pasuje. Na telefonie wysuwany panel. Nie wymyślaj cen, wymiarów ani wieku.”

Każdy model sam wgrał zmiany na żywy WordPress i sam je sprawdził. Oba pracowały w Claude Code na --effort high, każdy w izolowanej kopii projektu. Kopia robocza strony jest jedna, więc modele szły po kolei. Między nimi przywracałem stronę do identycznego stanu: zrzut bazy danych i oryginalny kod, a zgodność sprawdziłem skrótami treści.

W danych była pułapka. W katalogu jest 41 pozycji. Wiek dzieci ma wpisany tylko 7 z nich, rozmiar 9, cenę 22, a informacji „ogród czy hala” nie ma żadna. Filtr, o który prosiłem, w dużej części nie ma na czym działać. Chciałem zobaczyć, czy model to zauważy, czy dopowie brakujące dane.

Oba filtry na komputerze, po kliknięciu „2 lata”:

Na telefonie, z otwartym panelem filtrów:

Po wgraniu puściłem swój test automatyczny. Modele go nie znały, więc nie mogły się pod niego ustawić.

Mój test automatyczny	Wersja A	Wersja B
Strony, które działają	10 z 10	10 z 10
Błędy JavaScript	0	0
Klik „2 lata” zmienia adres na ?wiek=2	tak	tak
Link otwarty od nowa daje tę samą listę	tak	tak
Wysuwany panel na telefonie	tak	tak
Zapisy do bazy danych	0	0
Zmiany w kodzie	6 plików motywu, 447 wierszy dodanych, 2 usunięte	6 plików motywu, 445 wierszy dodanych, 11 usuniętych

Oba filtry działają. Różnią się tym, co robią z dmuchańcami, o których brakuje danych:

• Wersja A domyślnie ukrywa dmuchańce bez danych i pokazuje je dopiero po kliknięciu „Pokaż też N bez danych”. Pod każdym filtrem pisze, dla ilu pozycji zna dane, np. „Wiek podajemy przy 7 z 23”. Długości torów przeszkód (20, 27, 28 i 108 m) wywnioskowała z ich nazw.
• Wersja B niczego nie ukrywa. Dmuchańce bez danych oznacza jako „do potwierdzenia” („Pasuje 1 z 23, 16 do potwierdzenia”) i wyjaśnia to jednym zdaniem. Sama dopisała też, że nowe zdarzenie trafi do Google Analytics dopiero po dodaniu go w Menedżerze tagów.

Żaden model nie zmyślił wieku, ceny ani tego, czy dmuchaniec zmieści się w hali. To, który sposób jest lepszy, to decyzja biznesowa, a nie błąd. A Ty co byś wybrał dla swojego klienta: krótszą listę, która na pewno pasuje, czy pełną, w której część trzeba dopytać?

Na co patrzeć:

• Co zobaczy rodzic, który kliknie „2 lata”. Czy od razu wie, że lista jest niepełna, i co z tym zrobić?
• Czy strona uczciwie mówi o brakach, zamiast udawać, że zna wiek każdego dmuchańca.
• Telefon: czy panel da się obsłużyć kciukiem i czy widać, ile wyników zostało.

Wyniki: który model był który

Uwaga, dalej są nazwy modeli. Jeśli jeszcze nie głosowałeś, wróć wyżej.

	Opus 5.5	Sonnet 5.5
Montaż: koszt całego zadania	$7,55	$2,84
Montaż: czas pracy	23,5 min	14,5 min
Montaż: tokeny wyjściowe	116 052	75 128
Montaż: ocena zewnętrzna (film / short)	8 / 6,5	6,5 / 5,5
Analiza: koszt całego zadania	$1,65	$1,11
Analiza: czas pracy	5,1 min	4,5 min
Analiza: tokeny wyjściowe	31 958	36 024
Analiza: błędne liczby	0	0
Projekt strony: koszt całego zadania	$3,00	$1,34
Projekt strony: czas pracy	11 min	6 min
Projekt strony: ocena zewnętrzna	lepsza strona usługi	lepiej odpowiada na brief
WordPress: koszt całego zadania	$4,96	$3,47
WordPress: czas pracy	13,7 min	11,3 min
WordPress: tokeny wyjściowe	69 185	79 380
WordPress: błędy na żywej stronie	0	0
Razem	$17,16	$8,76

W montażu, projekcie strony i na WordPressie wersją A był Opus, a w analizie Sonnet. Ocenę zewnętrzną wystawił Codex (model OpenAI): w montażu po obejrzeniu klatek obu filmów, w projekcie strony po przejrzeniu wszystkich 10 plansz. Wybrałem go, bo nie ocenia własnej „rodziny” modeli.

Montaż wygrał Opus i to wyraźnie. Zbudował cały kadr od nowa w stylu Double Digital, a plansze tłumaczą treść: jak działa wyszukiwarka, progi optymalizacji strony, plik robots.txt. Sonnet zostawił tło z nagrania i przez większość filmu pokazuje przewijaną stronę z paskiem nazwy lekcji na górze. Jest czysto, ale monotonnie. W shortach różnica jest mniejsza: Sonnet dodał duże napisy do słów, czego Opus nie zrobił.

Analizę obaj zrobili bezbłędnie. 4 z 5 wybranych stron się pokrywają. Opus był ostrożniejszy wobec danych i wyłapał obcięty plik. Sonnet zauważył dwie rzeczy, których sam nie przewidziałem, i był o jedną trzecią tańszy.

Projekt strony Codex przyznał Sonnetowi. Lepiej trafił w brief „maksymalnie prosto”: dwa pytania na start, gotowe zestawy („Integracja firmowa”, „Piknik rodzinny”) dla tych, którzy nie znają nazw atrakcji, krótki formularz i działające filtrowanie. Opus zrobił wyraźnie lepszą stronę usługi (warianty, czas wynajmu, przebieg dnia, co jest w cenie, wymagania techniczne) i mocniej przekonuje klienta firmowego (faktura, opiekun), ale zawęził całą markę do eventów firmowych i rozbudował formularz. Oba projekty same założyły, że firma działa w Warszawie, i w obu na telefonie pasek zapytania zasłania przycisk wyszukiwarki. Opus był przy tym 2,2 razy droższy i pracował prawie dwa razy dłużej.

Test na WordPressie to remis w jakości. Oba filtry działają, obaj przeszli mój ukryty test i żaden nie zmyślił danych. Różnią się tylko tym, co robią z brakami: Opus chowa dmuchańce bez danych, Sonnet oznacza je „do potwierdzenia”. Sonnet był przy tym 1,4 razy tańszy i skończył o 2,4 minuty szybciej.

Czy „tańszy token” to „tańsze zadanie”?

Po premierze Sonneta 5.5 najgłośniejszy zarzut brzmiał: token jest o połowę tańszy, ale model zużywa 62% więcej tokenów, więc na rachunku wychodzi podobnie. U mnie wyszło różnie w zależności od zadania:

• W montażu Sonnet wygenerował o 35% mniej tokenów niż Opus i był 2,7 razy tańszy. Tyle że dał słabszy montaż.
• W analizie Sonnet wygenerował o 13% więcej tokenów, a mimo to był 1,5 razy tańszy, bo każdy token kosztuje go połowę mniej.
• W projekcie strony Sonnet był 2,2 razy tańszy i skończył w 6 minut zamiast 11. Claude Design nie pokazuje wiarygodnie tokenów, więc tu porównuję tylko koszt i czas.
• Na WordPressie Sonnet wygenerował o 15% więcej tokenów, a i tak był 1,4 razy tańszy. To najmniejsza przewaga cenowa ze wszystkich testów.

Sonnet był tańszy w każdym z czterech testów, łącznie prawie dwa razy ($8,76 wobec $17,16), choć w dwóch zużył więcej tokenów.

Większość kosztu w pracy agenta to nie odpowiedzi modelu, tylko ciągłe wczytywanie rosnącej rozmowy z cache. W montażu Opus wczytał z cache 13,5 mln tokenów, a Sonnet 7 mln, bo zrobił mniej kroków. Tańsze zadanie bierze się z mniejszej liczby kroków, a nie tylko z niższej stawki.

Kiedy który model

Po czterech zadaniach wyciągam ostrożne wnioski, bo każde zrobiłem raz. Przy powtórce wyniki mogą się przesunąć.

• Opus 5.5 biorę tam, gdzie liczy się pomysł i wygląd, a zadanie jest bogate: montaż, rozbudowana strona usługi, wszystko, co ma przekonać wymagającego klienta. W montażu różnica w jakości była większa niż różnica w cenie.
• Uwaga na brief „prosto”. W projekcie strony Opus zrobił więcej, niż trzeba, i przegrał z prostszym projektem Sonneta. Jeśli prosisz o prostotę, Sonnet może ją dowieźć lepiej i taniej.
• Sonnet 5.5 wystarcza do analiz, w których wyniki da się sprawdzić skryptem. Zero błędnych liczb przy o jedną trzecią niższym koszcie.
• Na żywej stronie klienta Sonnet wystarczył. Ale spokój dał mi nie wybór modelu, tylko automatyczny test po wgraniu i kopia robocza, którą mogłem w każdej chwili przywrócić. Zasada: nigdy nie wgrywaj zmian od AI prosto na działającą stronę, bez kopii i testu.
• Niezależnie od modelu: każ podawać źródło każdej liczby i sprawdzaj je kodem. Bez tego nie wiedziałbym, że obie analizy są bezbłędne.

W Claude Code model zmieniasz komendą /model w trakcie sesji albo przy starcie: claude --model claude-sonnet-5-5 --effort high.

Chcesz, żeby Claude Code robił to u Ciebie?

Te cztery zadania to zwykły tydzień mojej pracy: montaż, analiza danych, projekt strony i zmiana na żywym WordPressie. W listopadzie otwieram kurs „Claude Code w Twoim biznesie”, zbudowany właśnie na takich zadaniach. Jest dla osób, które prowadzą firmę albo robią marketing i nie programują. Przedsprzedaż ruszy 17 listopada, a lista chętnych dowie się o niej pierwsza.

Zapisz się na listę chętnych →