Anthropic 在 9 月 28 日放出了 Claude 5.5 家族的第二款模型 Sonnet 5.5,距离旗舰 Opus 5.5 只隔六天。官方口径很直白:比 Sonnet 5 输出快 30% 以上、单任务成本最多省 30%,token 单价一分没降。真正值得注意的是另一件事——在 Terminal-Bench 4.0 这个智能体编码评测上,这款中端模型拿到 70.6%,超过了自家旗舰 Opus 5.5 的 66.4%(官方公告,AI/TLDR 独立收录)。
跑分:中端档咬住旗舰
具体数字:Terminal-Bench 4.0 上 Sonnet 5.5 得分 70.6%,上一代 Sonnet 5 只有 10.3%,Opus 5.5 为 66.4%(Xhigh 档成绩)。CursorBench 4.0 拿 55.5%,距 Opus 5.5 的 57.8% 只差约两分;FrontierCode 1.1 在 Xhigh 档 52.1%,略低于 Opus 的 54.4%,高于 GPT-6 Sol 的 49.3%。知识工作类同样贴身:GDPval-AA 拿 1844 分,Opus 是 1846,Sonnet 5 只有 1449。图表识别 Chartography 61.6%,电脑操作 OSWorld 2.1 达 80.1%(partial 口径)。
不过 Anthropic 自己也压了预期:在复杂、开放式、需要持续判断的任务上,Opus 5.5 依然明显更强,基准分数只反映能力的一个切面。一个有趣的注脚:官方称这是第一个只靠截图就通关《宝可梦 红》的 Sonnet。
成本:单价不动,靠省 token 降价
定价与 Sonnet 5 完全一致:输入每百万 2 美元、输出 10 美元、缓存读取 0.2 美元,是 Opus 5.5(输入 4 美元、输出 20 美元)的一半。降价全部来自 token 效率:官方测试里同等工作量最多省 30%;Medium 档就能以不到十分之一的单任务成本,超过 Sonnet 5 的最好 Terminal-Bench 成绩。
第三方数据更直观:Balyasny 资产管理在 2441 个金融任务上,每个答案约用 12.1 万 token,Sonnet 5 要 49.7 万;Slack 的离线评测省了约 14% 输出 token;Base44 的 118 次真实应用构建平均 3.6 轮迭代完成,而 Opus 5 需要 7.7 轮。再配合 Low 到 Max 的 effort 分档,中端模型第一次把「调档」变成了比「换模型」更顺手的成本杠杆。
安全:中端第一次带上旗舰级护栏
因为网络安全能力与 Opus 5 相当,Sonnet 5.5 成为第一个发布即带网络防护与回退机制的 Sonnet——高风险网安任务会显式回落到 Sonnet 5。它也是第一个内置防蒸馏分类器、阻止推理能力被批量提取的 Sonnet,并扩展了 preserved thinking,让思考过程无法与创建它的账号解绑。在约 1850 个场景的自动化行为审计里,它是 Anthropic 全系模型里最不主动试探容器边界的那个。
所以呢
5.5 家族的分工已经写明:Opus 做架构与判断,Sonnet 做实现与日常量,Haiku 5.5 几周内补上低价位。当基准分数趋同、token 效率拉开数倍差距,「买中端还是买旗舰」正在变成「先买中端,不够再升档」。回头看一眼你的工作流:有多少任务,真的需要旗舰?