众力资讯网

Claude Sonnet 5.5 上线,能力摸到了 Opus 那一档

Anthropic 把 5.5 世代的第 2 个模型推了出来,Sonnet 5.5。它对外的档位排成 4 层,Fable 坐在最顶上,往下依次是 Opus、Sonnet、Haiku,价钱一层比一层低。分工也交代得清楚,Fable 接那种要连着跑几个钟头、翻遍整套代码库的大工程,Opus 5.5 接需要来回权衡的复杂活,Sonnet 5.5 接边界清楚的日常事,改 bug、写文档、出几张幻灯片都归它,Haiku 5.5 几周内跟上。

比上一代 Sonnet 5,它出字快了 30% 以上,做同样的活最多能省 30% 的开销,标价却跟 Sonnet 5 持平,输入每百万 token 2 美元、输出每百万 10 美元,正好是 Opus 5.5 的一半。省下的钱不出在单价上,出在它干完一件活消耗的 token 更少。

编程这一项的变化最直观,Terminal-Bench 4.0 它拿到 70.6%,自家上一代只有 10.3%,Opus 5.5 的过往最好纪录停在 66.4%,等于把这个家族在这个榜单上的天花板往上顶了一截。CursorBench 的题目取自真实的 Cursor 会话,它跟 Opus 5.5 之间只隔 2 分。真正让门槛降下来的是那个 1M token 的上下文窗口和 128K 的最大输出,过去只有最贵那一档能吞下的整份代码库,现在中杯也能一口气装进去,改一处动全局的活不用再来回切文件。早期试用的人注意到一个变化,它更习惯把几次工具调用并成一步走,步骤少了,报错也跟着少。这件事的背后是多步任务里每一轮都要重新读一遍上下文,轮次越多,重复喂进去的 token 越堆越高,能并成一步省下的正是这部分重复开销。

办公这一侧的成绩也没落下,GDPval-AA 拿 44 个职业、9 个行业的真实任务打分,它 1844 分,Opus 5.5 是 1846 分,上一代只有 1449 分。第三方榜单上,Artificial Analysis 的智能指数前 3 名被这家公司包圆,它排第 2;Vals Index 头一回上榜就站到第 2,比 Opus 5.5 低 0.47 分。往前推 4 周,那会儿 Fable 5.1 刚发布,顶着这家公司最强的编程与知识工作模型的名头,标价是 Sonnet 5.5 的 5 倍。
长程知识工作的 AA-Briefcase 上,它 1811 分,Opus 5.5 是 1822 分,这点差距基本可以忽略。上架也没留尾巴,AWS、Google Cloud、Microsoft Azure 上都拿得到,API 里的名字是 claude-sonnet-5-5。早期试用者的反馈挺一致,做代码审查的 CodeRabbit 说它找缺陷的准头比上一代明显稳,做无代码搭站的 Base44 说原型交付的返工少了,Slack 和 Zendesk 那边的团队则提到,日常工单里它能自己收尾的比例高了一截。

真正影响用起来爽不爽的,是官方新加的那个思考力度开关,Claude 那边分了 5 档,从 Low 一路排到 Max,档位越高想得越久、烧得越多,App 和 Claude Code 默认停在 Medium。还是 Terminal-Bench 那道题,Sonnet 5.5 挂 Medium 档,跑完一题的开销是 0.83 美元,成绩 28.8%;上一代把档位拧到头,还是同一道题,烧掉 11.62 美元,只拿到 10.3%。

档位也不是拧得越高越好,Artificial Analysis 把它直接推到头,结果翻了面:它平均每次要写掉 19.3 万个 token 的输出,是该机构测到过的最高值,比 Opus 5.5 满档还多出 60%。算下来跑完一题 7.60 美元,比自家上一代贵出 50%,比 Opus 5.5 的 5.98 美元更贵,已经贴上 Fable 5.1 的 7.63 美元。FrontierCode 考的是代码合并,它开到 Max 只拿 46.2%,比低一档的 52.1% 还差,原因挺直白:档位拉满以后它特别爱叫上代码审查工具,把活分包给一群子智能体,要么跑超时,要么手伸到交代范围外面去改代码,直接扣分。

Sonnet 5.5 上线这件事,最直接的变化其实不在榜单上,而在很多人默认会怎么用它。过去碰到一个跨十几个文件的重构,第一反应是把活交给最贵那一档,现在可以先拿 Sonnet 5.5 试一遍,跑不动了再往上换,这个「先试便宜档」的习惯一旦养成,团队每个月的账会松动一大截。Anthropic 把 5.5 世代的节奏压得很紧,Opus 5.5 落地才几周,Sonnet 5.5 就跟上,Haiku 5.5 还有几周,等于把从日常到重活的整条梯度一口气铺满。这套打法想抢的不是跑分第一,是让开发者默认把活先分给合适的一档,而不是闭着眼睛挑最强的那个。

安全这块也换了几处配置,它的网安能力已经追上 Opus 5,是第 1 个带网安回退的 Sonnet,日常改 bug、查问题照旧,碰上风险高的请求会被推回给 Sonnet 5,用户能看到这次切换。防蒸馏也是第一次落到 Sonnet 上,它想出来的那部分内容,跟当时调它的账号锁在一起,在 Claude Code 里中途换号的用法会受影响。之前靠关掉思考功能来调 Sonnet 的开发者,迁移前得改用新的 between_tools 设置。

把视线放得再长远一些,这一代的落点挺清楚,把中杯的日常手感推到接近大杯,价格却停在半价,这种组合会先把那批「够用就行」的活从最贵那一档手里接过去。真正贵的一档因此能空出来,专心去接几小时起步的长任务;这一档往上还有 Fable 压在顶端,分层一旦坐实,选型时按任务边界挑档位就成了常规动作,不再一股脑全押最强那个。想省钱又不想降效果的小团队,等 Haiku 5.5 补上最后一格,一个 Key 里从最便宜到最贵全部拉齐,这套梯度会更好用。