30 czerwca 2026 Anthropic wydał Claude Sonnet 5 — następcę modelu Sonnet 4.6, który przez ostatnie miesiące był domyślnym wyborem dla automatyzacji w większości małych firm korzystających z API. Nowy model przynosi trzy istotne zmiany: kontekst o rozmiarze jednego miliona tokenów, domyślnie włączone adaptive thinking oraz całkowicie nowy tokenizer. Każda z tych zmian wpływa inaczej na kosztorys i możliwości — i każda wymaga świadomej decyzji, zanim zdecydujesz się migrować istniejące integracje.
Nie piszemy o tym, bo mamy obowiązek śledzić nowości od vendorów AI. Piszemy, bo przez ostatni rok wdrażaliśmy te modele w kilkunastu integracjach — od automatycznego przetwarzania faktur, przez analizę umów, po agentów n8n obsługujących korespondencję. I właśnie na tym tle zmiany w Sonnet 5 wyglądają inaczej niż w prasowym komunikacie. Niektóre otwierają nowe możliwości, inne wymagają uważnej kalibracji budżetu.
Lipiec 2026 to dobry moment na ten przegląd: wiele firm wraca z pierwszych wakacyjnych rotacji i planuje, jak zorganizować AI-stack przed Q4. Cennik z promocją do końca sierpnia to dodatkowy argument, żeby podjąć decyzję teraz, a nie po wakacjach — ale tylko jeśli wiesz, do czego konkretnie chcesz modelu używać.
Co przynosi Claude Sonnet 5 — trzy zmiany, które mają znaczenie dla firmy
Anthropic opisuje Sonnet 5 jako „drop-in upgrade” wobec Sonnet 4.6, co oznacza, że identyfikator claude-sonnet-5 zastępuje poprzedni w kodzie bez konieczności przebudowy architektury. W praktyce są jednak trzy elementy, które trzeba wziąć pod uwagę przed przełączeniem:
1. Okno kontekstowe: 1 milion tokenów (stały domyślny limit). Poprzednia generacja obsługiwała do 200 tysięcy tokenów — co już było dużo. Sonnet 5 wchodzi z milionem tokenów jako wartością domyślną i jedyną dostępną. Nie ma możliwości wybrania mniejszego wariantu.
2. Adaptive thinking włączony domyślnie na poziomie „high”. Oznacza to, że model przed każdą odpowiedzią generuje wewnętrzny łańcuch rozumowania — widoczny w API jako osobny blok tokenów myślenia. Poprzednio trzeba było to jawnie włączyć; teraz działa zawsze, chyba że świadomie wyłączysz.
3. Nowy tokenizer — 30% więcej tokenów dla tego samego tekstu. To zmiana techniczna z poważną konsekwencją finansową: ten sam dokument, który na Sonnet 4.6 kosztował X tokenów, na Sonnet 5 kosztuje 1,3X tokenów. Przy tej samej cenie za milion — realna cena analizy tego samego dokumentu rośnie o 30%.
Milion tokenów — ile to stron i co można z tym zrobić
Jeden milion tokenów brzmi abstrakcyjnie. W języku polskim jeden token odpowiada mniej więcej 0,6 słowa. Przy standardowej stronie A4 zawierającej około 300 słów, milion tokenów mieści się w okolicach 2000–2400 stron tekstu.
Dla porównania: typowa umowa z dostawcą ma 10–20 stron. Roczna historia korespondencji z ważnym klientem — 50–150 stron. Komplet faktur za rok obrotowy — 100–300 stron. Milion tokenów pozwala załadować całość naraz, w jednym żądaniu API.
Co to zmienia w praktyce?
Analiza porównawcza umów. Dotychczas musieliśmy dzielić zestaw umów na fragmenty, przetwarzać każdą osobno, a potem scalać wnioski. Teraz model widzi wszystkie dokumenty jednocześnie i może wychwytywać niespójności między nimi — np. inne warunki gwarancji w umowie ramowej a w aneksie, który przyszedł 8 miesięcy później.
Historia projektu w jednym kontekście. Typowy projekt z klientem trwający rok to setki e-maili, kilkanaście notatek ze spotkań, dwa–trzy aneksy umowne i korespondencja wewnętrzna. Załadowanie tego do jednego żądania API pozwala generować kompleksowe podsumowania, szukać niespełnionych zobowiązań albo przygotowywać brief dla nowej osoby w zespole — bez ręcznego selekcjonowania, które dokumenty są „istotne”.
Praca z dużymi bazami danych produktów. Sklep z 5000 SKU, rozbudowaną hierarchią kategorii i kilkusetpagową dokumentacją dostawcy — to razem często mieści się w okolicach 600–900 tysięcy tokenów. Wcześniej wymagało RAG (retrieval-augmented generation) z wektorizacją. Teraz można wrzucić całość do kontekstu bez budowania indeksu wektorowego.
Wyjście: 128 tysięcy tokenów w jednej odpowiedzi. Sonnet 5 pozwala wygenerować do 128 000 tokenów w jednym żądaniu API — to odpowiednik ponad 200 stron gotowego tekstu. W praktyce oznacza to, że model może w jednym przebiegu wygenerować pełny raport z analizy dużego zestawu dokumentów, bez konieczności sklejania wielu mniejszych odpowiedzi. Dla firm generujących obszerne dokumenty (oferty przetargowe, raporty dla klientów, analizy rynkowe) to realna zmiana w stosunku do poprzednich limitów.
Ważne zastrzeżenie: większy kontekst to więcej tokenów, a więcej tokenów to wyższy koszt. Milionowy kontekst sensownie stosować tam, gdzie naprawdę potrzebujesz cross-dokumentowej analizy. Do prostych zadań — przetwarzania jednej faktury, odpowiedzi na jedno pytanie klienta — rozmiar kontekstu nie ma znaczenia, a jego pełne wykorzystanie tylko generuje zbędny koszt.
Adaptive thinking — jak model myśli, zanim odpowie
Adaptive thinking to mechanizm, w którym model przed wygenerowaniem odpowiedzi wykonuje wewnętrzny krok rozumowania. W API pojawia się on jako osobny blok tokenów — widzisz, co model „przemyślał”, ale nie dostajesz go w głównej odpowiedzi. To są tokeny wyjściowe, które kosztują.
Kluczowa różnica wobec poprzednich generacji: w Sonnet 5 ten mechanizm jest zawsze włączony z domyślnym poziomem wysiłku ustawionym na „high”. Anthropic argumentuje, że to podnosi jakość odpowiedzi na złożone pytania — i w naszej praktyce to prawda. Przy analizie umów, kalkulacjach wieloetapowych czy zadaniach agentowych wyniki są wyraźnie lepsze.
Ale jest haczyk: jeśli korzystasz z Sonnet 5 do zadań, gdzie liczy się prędkość i każde dodatkowe sekundy ma znaczenie — domyślne „high” thinking może wydłużać czas odpowiedzi zauważalnie. Można to zmienić parametrem:
thinking: {type: "disabled"}albo korzystając z parametru effort (wartości: low, medium, high). Na potrzeby prostych zadań — klasyfikacja mailów przychodzących, generowanie krótkich odpowiedzi na standardowe zapytania, formatowanie danych — warto rozważyć wyłączenie lub obniżenie poziomu.
W praktyce: jeśli budujesz agenta do obsługi korespondencji z klientami i chcesz, żeby działał szybko, nie potrzebujesz thinking na poziomie „high” do każdej wiadomości. Możesz kierować proste zapytania z wyłączonym thinking, a tylko skomplikowane eskalacje — do modelu z pełnym potencjałem rozumowania.
Adaptive thinking ma też jeden nieoczywisty efekt uboczny: Anthropic wyłączył w Sonnet 5 możliwość ustawiania parametrów temperature, top_p i top_k. W poprzednich modelach temperature: 0 dawało deterministyczne odpowiedzi przydatne przy ekstrakcji danych. Teraz, gdy chcesz sterować spójnością odpowiedzi, robisz to przez system prompt (np. „Odpowiadaj ściśle w formacie JSON, bez żadnych komentarzy”) zamiast przez parametry API. To zmiana, którą warto uwzględnić przy migracji istniejących integracji.
Nowy tokenizer i realne koszty API
To jest zmiana, o której producenci AI nie piszą na pierwszej stronie, a która bezpośrednio wpływa na budżet.
Nowy tokenizer w Sonnet 5 jest bardziej wydajny technicznie (lepiej radzi sobie z polskim tekstem), ale ten sam dokument w języku polskim produkuje teraz około 30% więcej tokenów niż na Sonnet 4.6. Co to oznacza?
Typowa faktura (jedna strona A4, 300 słów polskiego tekstu): na Sonnet 4.6 to było około 500 tokenów. Na Sonnet 5 to około 650 tokenów — wzrost o 30%. Przy analizie 1000 faktur miesięcznie: 500 000 tokenów vs 650 000 tokenów. Różnica to 150 000 tokenów wejściowych więcej — przy cenie $3/milion tokenów to zaledwie $0,45/miesiąc. W tej skali to bez znaczenia.
Ale przy cięższych zadaniach — analiza kompletnych umów, wieloetapowe zadania agentowe z długim historycznym kontekstem — ta 30% różnica zaczyna być widoczna.
Cennik Claude Sonnet 5 (z docs.anthropic.com):
| Okres | Input (za 1M tokenów) | Output (za 1M tokenów) |
|---|---|---|
| Do 31 sierpnia 2026 | $2 | $10 |
| Od 1 września 2026 | $3 | $15 |
Porównanie z główną konkurencją (od września 2026):
| Model | Input | Output | Uwagi |
|---|---|---|---|
| Claude Sonnet 5 | $3 | $15 | Adaptive thinking w cenie |
| GPT-4o | $2,50 | $10 | Bez wbudowanego rozumowania |
| Gemini 2.5 Flash | $0,30 | $2,50 | Niski koszt, mniejsze możliwości agentowe |
| GPT-4o mini | $0,15 | $0,60 | Tani, do prostych zadań |
Strategia hybrydowa dla małej firmy: Sonnet 5 nie jest najtańszy i nie powinien obsługiwać wszystkiego. Optymalny wzorzec, który stosujemy w Monaltro przy budowaniu automatyzacji dla klientów: tanie modele (Gemini Flash, GPT-4o mini) pełnią rolę „sieciaka” — klasyfikują przychodzące zapytania, wyciągają proste dane, formatują wyniki. Sonnet 5 wchodzi tylko do zadań, które naprawdę wymagają głębokiej analizy lub długiego kontekstu.
Więcej o optymalizacji kosztów API — w tym prompt caching i batch API — opisywaliśmy w szczegółach w artykule Jak obniżyć koszt API AI w MŚP w 2026.
Zdolności agentowe — co Sonnet 5 robi autonomicznie
Poza większym kontekstem i lepszym rozumowaniem, Sonnet 5 przynosi wyraźny skok w zdolnościach agentowych — czyli w możliwości autonomicznego planowania i realizowania wieloetapowych zadań z użyciem narzędzi zewnętrznych.
Co to oznacza dla firmy, która integruje AI przez API lub narzędzia jak n8n? Model potrafi teraz bardziej niezależnie:
- Zaplanować serię kroków, zanim je wykona, i korygować plan w trakcie gdy napotka nieoczekiwany wynik
- Używać przeglądarki — logować się do paneli dostawców, pobierać dokumenty, wypełniać formularze, weryfikować statusy
- Wykonywać polecenia terminala — sprawdzać logi systemowe, uruchamiać skrypty naprawcze, weryfikować stan usług
W kontekście MŚP: typowy scenariusz to agent, który co noc pobiera nowe faktury z portali dostawców (każdy ma swój panel), zapisuje je do folderu na serwerze, a rano generuje zbiorczy raport płatności z podziałem na terminy i kwoty. Bez ręcznego logowania, bez kopiowania PDF-ów, bez składania danych z czterech różnych arkuszy.
Analogicznie dla działu handlowego: agent sprawdza skrzynkę mailową pod kątem zapytań od klientów, klasyfikuje je według priorytetu, wyciąga dane kontaktowe i uzupełnia CRM, a skomplikowane sprawy oznacza do ręcznego przeglądu. Sonnet 5 robi to lepiej od poprzednich generacji, bo thinking pozwala mu radzić sobie z przypadkami brzegowymi zamiast ślepo podążać za pierwszym skryptem.
Ostrzeżenie: Zdolności agentowe to narzędzie — nie gotowe rozwiązanie. Agent działający autonomicznie w systemach produkcyjnych wymaga granic: jakich danych może dotykać, jakich operacji nigdy nie wykonuje bez potwierdzenia człowieka, i gdzie loguje każdą podjętą akcję. Wdrożenie bez tych guardrails to nie automatyzacja, a ryzyko operacyjne.
Kiedy Sonnet 5 ma sens dla małej firmy — a kiedy nie
Na podstawie migracji, które realizowaliśmy i obserwowaliśmy, nakreślamy granicę:
Tak, Sonnet 5 jest dobrym wyborem gdy:
- Analizujesz długie dokumenty (umowy, opinie prawne, obszerne raporty) i potrzebujesz wychwytywać niuanse
- Budujesz agenta, który musi zaplanować wiele kroków i autonomicznie użyć narzędzi (przeglądarka, terminal, API zewnętrzne)
- Potrzebujesz cross-dokumentowej analizy — znajdowania sprzeczności lub wzorców w wielu plikach jednocześnie
- Jakość wygenerowanego tekstu (oferty, analizy, raporty dla klientów) ma bezpośredni wpływ na wynik biznesowy
Nie, Sonnet 5 to za dużo gdy:
- Generujesz proste odpowiedzi na standardowe zapytania klientów (potwierdzenia, FAQ, statusy zamówień)
- Klasyfikujesz lub taggujesz duże wolumeny krótkich tekstów
- Twoje zadanie to ekstrakcja danych ze strukturyzowanych formularzy (np. NIP z faktury, numer zamówienia z e-maila)
- Liczy się prędkość i latencja bardziej niż jakość — adaptive thinking dodaje czas
Kalkulator dla MŚP z budżetem 50–200 zł/miesiąc na AI API:
Przy 50 zł (~$12,50/miesiąc) i cenie $3/$15 (od września):
- Możesz przetworzyć wejściowo około 4 miliony tokenów → 8000–10 000 stron A4 dokumentów wejściowych
- Albo wygenerować wyjściowo około 800 000 tokenów → kilkanaście tysięcy akapitów tekstu
W praktyce 50 zł/miesiąc w API Sonnet 5 to więcej niż wystarczy dla większości małych firm, które nie robią procesowania masowego. Koszt API rzadko jest ograniczeniem — ograniczeniem jest czas na integrację i konfigurację.
Jak wdrożyć Sonnet 5 w istniejącej automatyzacji
Jeśli korzystasz już z Claude’a przez API, n8n lub Make, migracja do Sonnet 5 wymaga uwagi w trzech miejscach:
1. Usuń parametry temperature, top_p i top_k. Sonnet 5 zwraca błąd 400, gdy te parametry są ustawione na wartości inne niż domyślne. Jeśli używałeś temperature: 0.7 do generowania kreatywnych treści — usuń to ustawienie. Zachowanie modelu regulujesz teraz przez system prompt.
2. Sprawdź limity max_tokens. Adaptive thinking generuje tokeny myślenia, które wliczają się w limit max_tokens. Jeśli miałeś ustawiony max_tokens: 2000 na Sonnet 4.6, przy włączonym thinking możesz nie dostać pełnej odpowiedzi. Zwiększ limit — odpowiednia wartość zależy od zadania.
3. Zrewiduj budżety tokenowe. Nowy tokenizer produkuje 30% więcej tokenów dla tego samego wejścia. Jeśli masz w automatyzacji limity oparte na liczbie tokenów (np. odrzucasz dokumenty >100 000 tokenów), musisz te limity przeliczyć.
Dla integracji n8n: zmiana identyfikatora modelu to jedna linijka w węźle Anthropic. Reszta — sprawdzenie limitów i usunięcie temperature — zajmuje kilkanaście minut. Więcej o budowaniu agentów w n8n dla MŚP opisywaliśmy w artykule Agent AI w n8n dla MŚP — jak zbudować od prototypu do działającego systemu.
Podsumowanie
Claude Sonnet 5 to solidna aktualizacja, ale nie rewolucja dla każdej firmy. Kluczowe wnioski:
- Milion tokenów otwiera prawdziwie nowe zastosowania dla firm pracujących z dużymi zbiorami dokumentów — ale zwiększa koszt analizy każdego dokumentu o 30% przez nowy tokenizer
- Adaptive thinking domyślnie poprawia jakość złożonych zadań, ale wydłuża czas odpowiedzi i kosztuje tokeny — warto wyłączyć tam, gdzie prędkość jest ważna
- Migracja z Sonnet 4.6 to technicznie prosta zmiana identyfikatora modelu, ale wymaga przeglądu ustawień temperature i limitów tokenowych
- Cena $3/$15 od września jest wyższa niż Gemini Flash ($0,30/$2,50) i zbliżona do GPT-4o ($2,50/$10) — hybrydowa architektura (tanie modele do przesiewania, Sonnet 5 do analizy) to optymalny wzorzec dla MŚP
Wskazówka: Przed migracją istniejących integracji uruchom Sonnet 5 na kilku reprezentatywnych zadaniach i zmierz faktyczną liczbę tokenów wyjściowych. Nowy tokenizer i domyślne thinking mogą zaskoczyć — lepiej policzyć wcześniej niż odkryć rachunek na koniec miesiąca.
Jeśli rozważasz integrację Claude Sonnet 5 z procesami w swojej firmie i chcesz wiedzieć, które zadania naprawdę się do tego nadają — chętnie to sprawdzimy razem.