Opus 5.5 inspanningsniveaus bepalen de werkelijke prijs
Updated September 22, 2026 · first published September 22, 2026
Claude Opus 5.5 kost $4 per miljoen input-tokens en $20 per miljoen output-tokens. Dat is 20% minder dan Opus 5. Het tarief is slechts het kleinere deel van het kostenplaatje. Het grotere deel is de effort-instelling, die bepaalt hoeveel tokens het model doorbrengt met nadenken voordat het antwoord geeft.
Eén model, vijf prijzen
Opus 5.5 biedt inspanningsniveaus van low tot medium, high, xhigh en max. Elk niveau is hetzelfde model tegen dezelfde prijs per token, maar produceerde een heel ander aantal tokens. Onafhankelijke benchmarking gerapporteerd door The Decoder bleek dat vier van de vijf niveaus op de kosten-performance Pareto-grens liggen. Het stelde ook vast dat Opus 5.5 bij maximale inspanning ongeveer 119.000 output-tokens per taak gebruikte, veel meer dan concurrerende modellen bij hun maximale instellingen.
Tegen $20 per miljoen kosten 119.200 output-tokens $2,38 per taak, nog zonder input. Bij medium mat Artificial Analysis 25.700 output-tokens, ofwel $0,51. Met input erbij kost max $5,98 per taak en medium $1,34: hetzelfde model is door één requestparameter ongeveer 4,5 keer duurder per taak.
Gemeten op de Artificial Analysis Intelligence Index v4.3.2 (tien evaluaties), geraadpleegd op 22 september 2026. Alle rijen gebruiken dezelfde testsuite en zijn dus direct vergelijkbaar.
| Model en inspanning | Intelligence Index | Kosten per taak | Output-tokens per taak | Op de kosten-prestatiefrontier |
|---|---|---|---|---|
| Opus 5.5 · low | 42.3 | $0.55 | 10,200 | Nee |
| Opus 5.5 · medium | 51.2 | $1.34 | 25,700 | Ja |
| Opus 5.5 · high | 53.6 | $1.82 | 35,600 | Ja |
| Opus 5.5 · xhigh | 56.0 | $3.46 | 65,700 | Ja |
| Opus 5.5 · max | 57.6 | $5.98 | 119,200 | Ja |
| Opus 5 · high (referentie) | 48.1 | $3.61 | 46,200 | Nee |
Bron: Artificial Analysis. Op de frontier betekent dat geen enkele instelling van GPT-6 Sol, GPT-6 Astra, Opus 5, Opus 5.5 of Fable 5.1 hoger scoort voor minder geld. Opus 5.5 low valt erbuiten, want GPT-6 Sol op xhigh scoort 44,1 voor $0,53. Van xhigh naar max levert 1,6 punt op voor 73% meer kosten.
Medium is de instelling waartegen Anthropic benchmarkt
De voornaamste vergelijking van Anthropic wordt gemaakt op standaard-inspanning, namelijk medium. Het zegt dat Opus 5.5 op medium GPT-6 Astra op maximale inspanning verslaat op kenniswerk voor ongeveer een vijfde van de kosten per taak. Dus Anthropics eigen standpunt voor het model is gebouwd op medium, en max is de uitzondering. Een team dat overal max instelt "om veilig te zijn" betaalt voor tokens die de launchbenchmarks niet nodig hadden.
Inspanning instellen zonder giswerk
- Standaard op medium. Maak het een expliciete waarde in code, niet een SDK-standaard die onder u kan veranderen.
- Verhoog inspanning per route, niet globaal. Moeilijk debuggen, langetermijnplanning en laatste reviewstappen kunnen hoog of max rechtvaardigen. Classificatie, extractie en routinebewerkingen zelden.
- Log inspanning bij elk verzoek. Kosten per verzoek zijn zonder dit niet interpreteerbaar. Een uitgavenpiek met vlak verzoekvolume is meestal een inspanningswijziging.
- Vergelijk inspanningsniveaus op dezelfde opnieuw afgespeelde taken. Registreer succespercentage en output-tokens per voltooide taak op elk niveau, en stop met het verhogen van inspanning wanneer succes niet meer verbetert.
- Beperk output waar het product dit toestaat. Een max-token-limiet stelt het ergste geval in. Bij maximale inspanning is die limiet het enige tussen een weggelopen taak en een verzoek van meerdere dollars.
De verlaging van $25 naar $20 per miljoen output-tokens bespaart 20%. Het verplaatsen van een workload van max naar medium inspanning kan veel meer besparen. Behandel inspanning als een begroting, bezeten en gereviseerd als ieder ander.
Related
Want this applied to your own LLM spend? FinOps LLM runs a free audit of your AI costs and shows where the savings are. Book free audit →