Claude Sonnet 5.5重磅发布：单任务成本最高降30%，性能逼近Opus 5.5

仅隔一周，Anthropic 再次推出 Claude 5.5 系列的第二款产品——Claude Sonnet 5.5。

与数日前发布、定位更高的 Claude Opus 5.5 不同，Sonnet 5.5 并未聚焦于最复杂的任务，而是更注重日常开发、代码修复，以及文档、PPT、表格等工作，其核心卖点为速度更快、成本更低。

从 Sonnet 5 到 5.5，最大的变化是“少花 Token，把事情做完”

仅从模型价格来看，Sonnet 5.5 与上一代 Sonnet 5 几乎没有差异。Sonnet 5.5 的 API 输入价格仍为每百万 Token 2 美元，输出为 10 美元，缓存读取则是 0.2 美元。

真正改变的是完成任务所需计算量。

Anthropic 表示，Sonnet 5.5 在多项测试中能以更少 Token 和更少工具调用完成相同工作。根据其内部测试，单项任务的成本最高能比 Sonnet 5 降低 30%。

与此同时，Sonnet 5.5 的输出速度提升了超过 30%，也是目前速度最快的 Sonnet 模型。

在 Coding 场景中，这一点尤为突出：早期测试者发现，新模型对代码库的理解更快，并且能更高效地批量处理工具调用，从而减少完成一个任务所需的步骤。

例如在智能体代码评测基准 Terminal-Bench 4.0 中，Sonnet 5.5 得分为 70.6%，而 Sonnet 5 仅为 10.3%。

在 FrontierCode 1.1 测试中，Sonnet 5.5 在最高 Max effort 下得分为 46.2%，Sonnet 5 为 42.4%。

在基于真实 Cursor 代码会话任务开展的 CursorBench 4.0 上，Sonnet 5.5 达到 55.5%，Sonnet 5 为 34.1%。

Anthropic 还表示，在 FrontierCode 高算力档位下，新模型的得分比同档位 Sonnet 5 高出 10 分，单次任务成本仅为后者的约十五分之一。

从 Anthropic 公布的案例来看，Sonnet 5.5 此次更新的重点，也主要集中在代码维度。

Anthropic 提到，Sonnet 5.5 在理解代码库、使用工具以及处理多步骤任务方面均有改进。部分早期测试者也发现，与此前模型相比，新模型对提示词的要求没那么细致，面对复杂工程任务时，无需将每一步都交代得很具体。

Base44 进行了一组较为直接的测试：让不同模型完成 118 次真实应用构建。Anthropic 公布的测试结果显示，Sonnet 5.5 最终生成的应用质量与 Opus 5 接近，但平均每个项目仅需 3.6 次迭代，而 Opus 5 则需要 7.7 次。

Unity 也对 Sonnet 5.5 进行了测试，任务涉及 Unity Editor 操作和编码等多个步骤。根据 Anthropic 公布的数据，Sonnet 5.5 完成了其中 90% 的任务。

和 Opus 5.5 有什么区别？

Anthropic 此次对 Claude Sonnet 5.5 系列的定位已较为清晰。

Opus 5.5 是目前更高阶的模型，主要面向复杂、开放式、需要长时间保持判断能力的任务，例如大型代码库迁移、复杂研究和知识工作。

Sonnet 5.5 则更像一个速度更快、成本更低的工作型模型，适合明确的开发任务以及大量需要快速迭代的日常工作。

从价格上看，两者也正好拉开一个档次：Sonnet 5.5 的输入和输出价格分别为每百万 Token 2 美元和 10 美元；Opus 5.5 则为 4 美元和 20 美元。两款模型的缓存读取价格均为 0.2 美元。

有趣的是，在部分测试中，Sonnet 5.5 已非常接近 Opus 5.5。

例如在 CursorBench 4.0 基准测试中，Sonnet 5.5 得分为 55.5%，Opus 5.5 为 57.8%；在面向真实职业任务的 GDPval-AA v2.1 测试中，两者分别为 1844 和 1846，几乎处于同一水平。

但在更复杂的开放式工作上，两者仍存在定位上的差异。Anthropic 表示，在自身测试以及外部测试中，Opus 5.5 在需要持续判断的复杂任务上仍然明显更强。

和 GPT-6 Sol 相比，Sonnet 5.5 的重点也不太一样

除了与自家模型对比外，Anthropic 也在测评列表中加入了 OpenAI GPT-6 Sol 的对比数据。

在 FrontierCode 1.1 上，Sonnet 5.5 在高算力档位下为 46.2%，GPT-6 Sol 为 49.3%。

在知识工作方面，差距则更为明显。在横跨 44 个职业、9 大行业、测试真实业务任务的 GDPval-AA v2.1 基准测试中，Sonnet 5.5 得分为 1844，GPT-6 Sol 为 1487；在 AA-Briefcase v1.1 中，两者分别为 1811 和 1483。

Anthropic 因此强调，Sonnet 5.5 在长周期知识工作上的表现已明显超越 GPT-6 Sol。

安全能力也随之提升

Sonnet 5.5 此次还有一个变化：Anthropic 首次将 Sonnet 系列纳入接近旗舰模型级别的网络安全防护体系。

Anthropic 的说法是，Sonnet 5.5 的网络安全能力已接近此前的 Opus 5，因此在处理高风险网络安全任务时，会采用与 Opus 5.5 类似的安全措施；若风险进一步升高，系统还会回退到 Sonnet 5。

生物安全方面，Sonnet 5.5 延续了 Sonnet 5 的相关防护。Anthropic 表示，这些措施不会影响常规软件开发，以及大多数生命科学领域的工作。

此外，Anthropic 还专门针对模型蒸馏增设了一层防护。由于 Sonnet 5.5 的能力相比上一代有明显提升，它也成为首个在发布时就加入相关安全分类器的 Sonnet 模型，用于阻止大规模提取模型推理能力的行为。

Claude 5.5 系列还差一款 Haiku

随着 Sonnet 5.5 上线，Claude 5.5 系列目前已有 Opus 5.5 和 Sonnet 5.5 两款模型。

如上文所述，两款模型的定位也较为明确。Opus 5.5 面向更复杂、开放性更高的任务；Sonnet 5.5 则更多承担日常开发、Coding 和知识工作。

至于面向高并发、成本敏感场景的 Haiku 5.5，目前尚未发布。Anthropic 表示，这款模型将在未来几周加入 Claude 5.5 系列。

本文来自微信公众号“CSDN”，整理：屠敏，36氪经授权发布。