Claude Sonnet 5.5重磅发布：单任务成本最高降30%，性能逼近Opus 5.5
Claude Sonnet 5.5 正式登场：单任务开销最多降三成，性能逼近 Opus 5.5
仅仅相隔一周，Anthropic 再次推出 Claude 5.5 系列的第二款模型——Claude Sonnet 5.5。
相较于几天前发布、定位更高的 Claude Opus 5.5，Sonnet 5.5 并未将重心放在最复杂的任务上，而是更关注日常开发、代码修复以及文档、PPT、表格等工作，核心亮点在于速度更快、成本更低。
从 Sonnet 5 到 5.5，核心变化是“少耗 Token，完成工作”
如果仅看模型定价，Sonnet 5.5 与上一代的 Sonnet 5 几乎无差异。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。
真正发生改变的是完成任务所需的计算量。
Anthropic 指出，Sonnet 5.5 在多项测试中能以更少的 Token 和更少的工具调用完成相同工作。根据内部测试显示，单项任务的成本最高可比 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。
在编程场景中，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，并且能更多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 70.6%，而 Sonnet 5 仅为 10.3%。
在 FrontierCode 1.1 的测试中，Sonnet 5.5 在最高 Max effort 下得分 46.2%，Sonnet 5 为 42.4%。
在基于真实 Cursor 代码会话任务开展的测试 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，单次任务成本仅约为后者的十五分之一。
从 Anthropic 公布的案例来看，Sonnet 5.5 此次更新的重点也主要落在代码维度。
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都有改进。部分早期测试者也发现，与此前的模型相比，新模型对提示词的要求不那么细致，面对复杂的工程任务时，无需把每一步都交代得十分具体。
Base44 进行了一组比较直接的测试：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，但平均每个项目只需 3.6 次迭代，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。
与 Opus 5.5 有何区别？
Anthropic 这次对 Claude Sonnet 5.5 系列的定位已经相当清晰。
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，两者也正好拉开一档：Sonnet 5.5 的输入和输出价格分别是每百万 Token 2 美元和 10 美元；Opus 5.5 则是 4 美元和 20 美元。两款模型的缓存读取价格都是 0.2 美元。
有趣的是，在部分测试中，Sonnet 5.5 已经非常接近 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，两者依然存在定位上的差异。Anthropic 表示，在自己的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。
与 GPT-6 Sol 相比，Sonnet 5.5 的重点也有所不同
除了与自家模型进行对比外，Anthropic 还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，差距则更加显著。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。
安全能力同步提升
Sonnet 5.5 此次还有一个变化：Anthropic 首次将 Sonnet 系列纳入了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；如果风险进一步升高，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加了一层防护。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，用以阻止大规模提取模型推理能力的行为。
Claude 5.5 系列还缺一款 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。
正如上文所述，两款模型的定位也比较明确。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、编程和知识工作。
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。此外，爱游戏娱乐入口也在持续关注这些技术进展。