Anthropic 发布 Claude Sonnet 5.5，性能接近 Opus 5.5 且成本降低最多 30%

Anthropic 发布了 Claude 5.5 家族的第二款模型 Claude Sonnet 5.5，同时宣布 Claude Haiku 5.5 将在未来数周推出，面向高吞吐、低成本场景。按报道转述的定位，Opus 5.5 面向需要审慎判断的复杂任务，而 Sonnet 5.5 面向修 bug、写文档、做演示和表格等定义明确的日常工作。

这一定位决定了发布叙事的重心不在“最强”，而在“够用且便宜”。报道称各对标层级模型之间的性能差异小到成本可能成为决定性因素，但这一判断未给出量化依据，只能视为报道的推测。

真正需要读者自己判断的问题是：当官方给出的基准数字把中端模型推到旗舰身边时，这些数字在多大程度上能转化为日常任务中的实际差距。报道本身也提示，所有性能与成本数字均来自 Anthropic 自述或该报道转述，仍需独立测试确认。

编码是 Sonnet 5.5 与前代差距最明显的地方。报道转述称，在智能体编码测试 Terminal-Bench 4.0 上，Sonnet 5.5 得分为 70.6%，而 Sonnet 5 为 10.3%；在 CursorBench 4.0 上，Sonnet 5.5 得 55.5%，Sonnet 5 为 34.1%，仅比 Opus 5.5 的 57.8% 低约两个百分点。

Anthropic 还称，在 FrontierCode 1.1 的 High 设置下，Sonnet 5.5 比 Sonnet 5 高十分，而每任务成本约为其十五分之一。报道提到早期测试者称赞该模型理解代码库的速度，并称 Sonnet 5.5 比前代更频繁地批量调用工具，从而减少所需步骤。

但努力档位存在一个反常之处：在最高努力档 Max 下，Sonnet 5.5 的 FrontierCode 得分反而低于 Xhigh 档。Anthropic 的解释是，最大努力时模型更频繁触发代码审查功能、把工作拆分给多个子智能体，导致超时或超出任务范围的改动，而这两点都会被 FrontierCode 扣分。

这构成一个明确的约束：最高努力设置并非总是最优。报道同时指出，为每个任务找到合适的努力档位目前仍更像艺术而非科学，缺乏明确方法。

对比口径也需要留意：Opus 5.5 的 Terminal-Bench 4.0 成绩取的是 Xhigh 档的最高分，与 Sonnet 5.5 的对比口径并不完全一致。

在 OpenAI 开发、覆盖 44 个职业和 9 个行业的知识工作基准 GDPval-AA 上，报道转述 Sonnet 5.5 得 1,844 分，接近 Opus 5.5 的 1,846 分，比 Sonnet 5 的 1,449 分高约 400 分。在图表识别测试 Chartography 上，Sonnet 5.5 从 15.6% 跃升至 61.6%。

这些数字有一个必须随行标注的前提：报道注明 Sonnet 5.5 的 GDPval-AA 与 AA Briefcase 数值来自预发布版本，一个此后已修复的 bug 可能影响了结构化输出。也就是说，这两项成绩反映的不是最终交付版本的确定表现。

另有口径限制：OSWorld 2.1 的 Sonnet 5.5 成绩为部分评估结果。报道还称，早期测试者把 Sonnet 5.5 描述为更自然的对话伙伴、对设计有感觉，Anthropic 则声称该模型能重做用户界面、执行幻灯片模板，效果几乎无需再修饰——这些属于厂商自述。

Anthropic 还称 Sonnet 5.5 是首个仅凭截图就能通关《宝可梦 红》的 Sonnet 模型。报道将其与游戏基准上的类似进展并列，作为中端模型能力上移的一个例证。

理解这次发布的成本叙事，关键要区分两个层面。Sonnet 5.5 的每百万 token 价格与 Sonnet 5 相同：输入 2 美元、输出 10 美元、缓存读取 0.20 美元。单价没有变化。

Anthropic 称，由于模型每任务使用的 token 更少，实际每任务成本最多降低 30%；输出生成速度也提升逾 30%。报道明确写道，这些说法仍需独立测试确认。

报道还称，在低或中档努力设置下，Sonnet 5.5 已以约十分之一每任务成本超过 Sonnet 5 的最佳成绩，但这是 Anthropic 单方说法。结合 Max 档反而更差的现象，努力档位与成本、质量之间的关系并不线性。

因此“最多降低 30%”是一个上限表述，而非普遍值；它依赖具体任务、努力档位与 token 用量，且尚未经第三方验证。

因为 Sonnet 5.5 的网络安全能力远超前代，Anthropic 首次为 Sonnet 模型加入防护：高风险网络安全请求会被明显改道至 Sonnet 5，合格专业人员可通过扩展的 Cyber Verification Program 申请分级访问。

Anthropic 还为 Sonnet 5.5 加入了与其最强模型同类的反蒸馏攻击安全分类器。报道称，这些措施是否真正有效，需在未来数月才能看清。

报道进一步推测，若反蒸馏措施确实堵住相关攻击路径，可能重新拉大西方实验室与中国实验室之间的差距。这属于报道的推测，而非已确认的结果。

把安全条款与前面的能力叙事放在一起看，逻辑是自洽的：一个在编码与网络安全上大幅跃升的中端模型，会同时放大误用风险，因此厂商选择在开放可用的同时设置改道与分级访问。

Sonnet 5.5 已在 AWS、Google Cloud 和 Microsoft Azure 上线，可通过 Claude Platform 以模型 ID “claude-sonnet-5-5” 调用，并提供零数据保留。这是本次发布中确定性最高的一部分。

需要打上待验证标记的清单同样清楚：速度提升逾 30%、每任务成本降低最多 30% 尚未经独立测试验证；反蒸馏安全分类器与网络安全防护是否真正有效，报道称需在未来数月才能看清；GDPval-AA 与 AA Briefcase 的 Sonnet 5.5 数值取自预发布版本；OSWorld 2.1 为部分评估结果；Opus 5.5 的 Terminal-Bench 成绩取 Xhigh 档最高分，对比口径不完全一致。

把这些限制叠加起来，本次发布最稳妥的读法是：Anthropic 在编码与知识工作方向上给出了大幅跃升的自述数据，并同步下调了每任务成本预期，但“接近 Opus 5.5”目前仍是厂商与单一报道口径下的结论。