TL;DR
- Wat: Anthropic heeft Claude Sonnet 5.5 uitgebracht — een AI-model dat 30% sneller werkt dan zijn voorganger en per taak tot 30% minder kost.
- Waarom relevant: Voor ondernemers die AI inzetten voor dagelijks werk (teksten, code, klantenservice) betekent dit merkbaar lagere kosten zonder in te leveren op kwaliteit.
- Wat je ermee kunt: Bekijk of je huidige AI-werkzaamheden (schrijfwerk, data-opschoning, klanttickets) goedkoper kunnen door over te stappen naar dit model.
Afgelopen 28 september bracht Anthropic een nieuw AI-model uit: Claude Sonnet 5.5. Ik viel erover omdat de cijfers opvallend concreet zijn — niet alleen "beter" maar meetbaar sneller en goedkoper per taak. Dat is het soort verbetering waar je als ondernemer direct iets aan hebt.
Wat is er precies veranderd?
Claude Sonnet 5.5 is de opvolger van Sonnet 5, het middenmodel van Anthropic. Het zit tussen het lichtgewicht Haiku-model (voor snelle, simpele taken) en het zware Opus-model (voor complexe analyses). Sonnet is wat Anthropic zelf het "werkpaard" noemt — het model dat je dagelijks zou gebruiken.
De verbeteringen in het kort:
- Snelheid: meer dan 30% sneller dan Sonnet 5.
- Kosten per taak: tot 30% lager, doordat het model minder tekst nodig heeft om dezelfde taak af te ronden.
- Tokenprijzen: ongewijzigd. Je betaalt nog steeds 2 dollar per miljoen input-tokens en 10 dollar per miljoen output-tokens.
Dat laatste punt is interessant. De prijs per eenheid is hetzelfde, maar omdat het model efficiënter werkt — minder stappen zet, beter "batcht" — kom je per taak goedkoper uit. Vergelijk het met een auto die op dezelfde brandstofprijs rijdt, maar opeens 30% zuiniger is. Je tankt even vaak, maar je komt verder.
Benchmarks: wat zeggen de cijfers?
Anthropic publiceert resultaten op standaard-benchmarks. Ik noem er een paar omdat ze context geven over hoe groot de sprong is.
Coderen
Op Terminal-Bench 4.0, een test die meet hoe goed een AI zelfstandig programmeertaken kan uitvoeren, scoort Sonnet 5.5 70,6%. Ter vergelijking: Sonnet 5 scoorde daar 10,3%. Dat is geen marginale verbetering — dat is een factor zeven. Voor ondernemers die AI gebruiken om kleine interne tools te bouwen, scripts te schrijven of aanpassingen te doen aan een webshop, is dit een relevante sprong.
Kenniswerk
Op GDPval-AA v2.1, een benchmark voor kenniswerk, scoort Sonnet 5.5 bijna gelijk aan Opus 5.5 — het veel duurdere topmodel van Anthropic. Dat betekent dat je voor alledaags schrijf- en analysewerk niet meer per se het duurste model nodig hebt.
Praktijk: Zendesk
Eén concreet getal dat me opviel: Zendesk, het klantenserviceplatform, rapporteerde dat Sonnet 5.5 supporttickets 20% sneller oploste en minder foute beslissingen nam dan de modellen die ze eerder in productie hadden. Dat is geen labresultaat maar een meting in een echte werkomgeving.
Wat betekent dit voor een MKB-ondernemer?
Ik denk dat de relevantie voor ondernemers in drie dingen zit.
1. Lagere drempel voor dagelijks AI-gebruik
Als je AI inzet voor e-mails, samenvattingen, productbeschrijvingen of interne documentatie, worden die taken nu goedkoper. Niet omdat Anthropic de prijs verlaagt, maar omdat het model minder "denktijd" nodig heeft. Stel dat je een webwinkel runt en dagelijks tientallen productomschrijvingen laat genereren — dan merk je dat verschil op je factuur.
2. Kleine tools bouwen zonder ontwikkelaar
De sprong in codeervermogen is voor mij het opvallendste punt. Met een score van 70,6% op een agentic coding-benchmark komt dit model in de buurt van wat je nodig hebt om kleine interne tools te maken: een dashboard, een formulier, een script dat CSV-bestanden opschoont. Stel dat je als ondernemer een simpele tool nodig hebt om bestellingen te filteren op regio — dat soort taken wordt steeds haalbaarder zonder een developer in te huren.
Ik wil hier wel een kanttekening bij plaatsen: benchmarks meten gecontroleerde taken. In de praktijk loop je tegen randgevallen aan die geen benchmark vangt. Maar de richting is duidelijk.
3. Klantenservice versnellen
Het Zendesk-voorbeeld laat zien dat AI-modellen nu serieus ingezet worden voor het afhandelen van klantverzoeken. Als een model tickets 20% sneller oplost met minder fouten, dan is dat voor een MKB-bedrijf met een klein serviceteam direct voelbaar. Kun je je voorstellen wat dat betekent als je met drie mensen een helpdesk draait?
Veiligheid en compliance
Een detail dat minder aandacht krijgt maar voor Europese ondernemers relevant is: Sonnet 5.5 bevat onzichtbare tekstwatermerken. Die maken het mogelijk om AI-gegenereerde tekst te herkennen, zonder dat de leesbaarheid eronder lijdt. Volgens Anthropic is dit mede bedoeld als compliancemaatregel voor de EU AI Act.
Daarnaast heeft het model voor het eerst cybersecurity-beveiligingen op Sonnet-niveau, vergelijkbaar met wat eerder alleen in Opus zat. Dat klinkt technisch, maar het betekent in de praktijk dat het model voorzichtiger omgaat met gevoelige onderwerpen — zonder dat je dagelijks softwarewerk eronder lijdt.
Wat mij betreft is het watermerken een interessante ontwikkeling. De EU AI Act vraagt transparantie over AI-gegenereerde content, en als dat automatisch in het model zit, hoef je daar als ondernemer minder over na te denken.
De modellenkeuze wordt eenvoudiger — en ingewikkelder
Wat ik fascinerend vind, is dat Sonnet 5.5 op sommige taken bijna net zo goed scoort als Opus 5.5, terwijl het aanzienlijk goedkoper is. De vraag "welk model kies ik?" wordt daardoor tegelijk eenvoudiger en ingewikkelder. Eenvoudiger, omdat je voor de meeste taken prima uit de voeten kunt met Sonnet. Ingewikkelder, omdat de verschillen tussen modellen steeds subtieler worden en je echt moet weten welke taak je uitvoert om de juiste keuze te maken.
Voor de meeste MKB-ondernemers is mijn inschatting dat Sonnet 5.5 het standaardmodel wordt voor dagelijks werk. Opus reserveer je voor de zware klussen — lange analyses, complexe strategiedocumenten. En Haiku gebruik je waar snelheid en volume belangrijker zijn dan nuance.
Voor mij is dit vooral een signaal dat AI-modellen niet alleen slimmer worden, maar ook zuiniger. En dat is precies het punt waarop het voor ondernemers interessant wordt: niet wanneer een model iets kan wat het gisteren niet kon, maar wanneer het dezelfde dingen doet voor minder geld en in minder tijd.
80% van de AI-projecten haalt productie nooit.
Ik bouw de 20% — van prototype naar draaiend systeem, binnen weken.