刚刚，性价比之王Sonnet 5.5发布 - 过关组合

不出所料，Sonnet 5.5真的发布了！

在OpenAI年度开发者大会开幕的前一天，Anthropic突然放出重磅消息——Claude Sonnet 5.5正式登场。

作为Opus 5.5的完美搭档，Sonnet 5.5的定位是：成为速度最快、成本最低、最贴合日常工作的「全能助手」。

相比Sonnet 5，它的运行效率提升了30%，执行相同任务的开销最多能降低30%。

此外，它的定价仅为高端版Opus 5.5的一半，但性能几乎与之持平。

它不仅代码编写能力出色，还成为史上首个仅通过观察屏幕截图就能通关《宝可梦 红》的Sonnet模型。

更令人印象深刻的是，在难度极高的智能体编程测试Terminal-Bench 4.0中，这款中端模型竟然击败了高端版本！

Sonnet 5.5的得分高达70.6%，几乎是之前版本的7倍，比Opus 5.5的66.4%还要高出不少。

仅一代之差，它就从垫底位置跃升至自家产品的首位。

上线后不久，第三方权威评测机构Artificial Analysis的智能指数榜单就被彻底改写：前三名全部被Claude系列包揽，Sonnet 5.5位列第二。

而第三名，是A社四周前才推出的高端版Fable 5.1，其定价是Sonnet 5.5的整整5倍！

短短一个月内，高端级别的Claude就变成了平价产品，以中端价格销售。

而且，用户可以自由调节「Effort Level」。

选择低/中等： Claude响应迅速，消耗Token极少，适合日常简单任务和常规操作。

选择高/最大： Claude会进入思考模式，反复核查自身工作，用于攻克复杂难题。

Sonnet 5.5，打破「不可能三角」

这次，Sonnet 5.5的发布直接打破了「速度快、成本低、质量高」这个难以兼顾的三角关系。

输出速度比上一代提升了超过30%，使其毫无争议地成为迄今为止速度最快的Sonnet模型。

Sonnet 5.5的官方定价与Sonnet 5一致：每百万输入Token 2美元，每百万输出Token 10美元，缓存读取每百万Token 0.20美元。

但关键在于效率的提升！

Anthropic发现，由于模型更加智能，Sonnet 5.5所需的Token大幅减少，每个任务的实际成本最多降低了30%。

用更少的Token，就能完成更多工作。

以下是在相同prompt下，Sonnet 5和Sonnet 5.5的结果对比，差异非常明显。

半价追平Opus，自家顶配也被反超

在Artificial Analysis榜单上，Sonnet 5.5获得了64%的评分，高于Opus 5.5和GPT-6 Astra的60%。

在Terminal-Bench-Science测试中，它取得了53%的成绩，排名第三，仅次于GPT-6 Astra和Opus 5.5。

在另外两项代码编写测试中，它的表现同样出色。

在FrontierCode测试中，Sonnet 5.5最高获得52.1%的分数，轻松超过了OpenAI的GPT-6 Sol（49.3%）。

在模拟真实Cursor编程会话的CursorBench测试中，Sonnet 5.5获得了55.5%的分数，仅比高端版本低2个百分点，而上一代仅为34.1%。

参与早期内测的开发者表示：「它理解庞大代码库的速度快得令人难以置信！」

它的工具调用效率也相当惊人：在连续测试中，Sonnet 5.5学会了将工具调用「打包」批量处理，步骤更少、错误更少、成本也更低。

不仅代码能力出色，办公能力也追平了高端版本。

GDPval-AA测试评估了模型在44种职业中直接交付成品的能力。Sonnet 5.5获得了1844分，高端版Opus 5.5为1846分。

在针对长程知识工作的AA-Briefcase测试中，Sonnet 5.5获得了1811分，与Opus 5.5的1822分几乎持平，比GPT-6 Sol高出300多分。

最令人惊喜的是它展现出的「设计能力」。

这次，Sonnet 5.5懂得审美了！它能主动美化用户界面，甚至能完美遵循幻灯片模板，生成几乎无需人工修改的PPT。

Anthropic内部有一个典型的案例：测试人员将一家上市公司的季度财报资料、电话会议记录以及一个PPT模板交给Sonnet 5.5，要求它生成一份10页的运营审查幻灯片。

结果，它生成的初稿被两位人类专家评价为：「完美，可直接发送。」

在包含工具的「人类最后的考试」中，它获得了64.5%的分数，比上一代提升了近10个百分点。

在另一个第三方榜单Vals Index上，Sonnet 5.5首次上榜就排名第二，仅比Opus 5.5低0.47分。

四周前，Fable 5.1刚发布时，还是全球最强的编程和知识工作模型。

现在，Sonnet 5.5在Terminal-Bench 4.0上比它高出近15个百分点，GDPval-AA高出109分，智能指数也高出3分。

科技博主@synthwavedd在发布当天发帖称，Anthropic正在疯狂推出新产品。

在复杂的办公测试Box中，Sonnet 5.5的整体准确率达到65%，而Sonnet 5为61%。

它完成交付成果的速度也快了约2.4倍，总token消耗量还降低了12%。在智能体工作中，速度和准确性通常会相互制约，因此一个能同时兼顾两者的模型确实是实实在在的进步。

它构建的旧金山，着火了自己会派消防车

实际测试显示，Sonnet 5.5的表现非常强大。

AI博主Matthew Berman获得了Sonnet 5.5的提前测试资格，发布当天一口气发布了一系列实测结果。

他让Sonnet 5.5在虚幻引擎中现场构建了一座旧金山。街道上车流不息，甚至还有骑自行车的人穿过路口。

输入一句「泛美金字塔起火」，系统立即将火情评级为4.6级（满分10级），随后自主派出了5辆消防车和3辆警车。

远处的大楼冒出滚滚黑烟，警车闪着灯赶到路口，当场拉起了警戒线。

甚至星舰V3，也被它做成了可交互的爆炸图。整艘飞船一层层拆解，一直拆到底部的猛禽3发动机。

他还用Claude Sonnet生成了在线乐高游戏。

Matthew Berman感慨，3D模拟已被Claude攻克。

但也有人表达了不同意见。

Robbert van Empel发起了一个LEGO积木星球挑战，要求创建一个带有《南方公园》剧情的可互动游戏：

Create a 3D world as a globe with a South Park theme. I want to be able to walk through the world using WSAD, interact via 'e', and jump using the spacebar. I also want to be able to rotate the mouse and move objects. I want the world to be made of Lego bricks. Also, make it a game where the characters make typical South Park jokes, and the game must really have a South Park storyline.

Claude Sonnet 5.5这次接受了测试，但它未能通过：它无法一次性构建出整个世界。而GPT Luna则成功做到了。

另一个卖点就是速度。

同一个题目，让两代模型并排编写一段鸟群模拟代码。Sonnet 5.5写完代码、鸟群已经飞了9秒，而上一代还在逐行输出代码。

困住Claude一年多的宝可梦，这回只看截图就通关

Sonnet 5.5也打破了纪录，成为第一个仅通过观察游戏截图就通关《宝可梦 红》的中端模型。

此前，Claude已经与宝可梦死磕了一年多。

2025年2月，A社就开始让Claude玩《宝可梦 红》，每一代都被不同的关卡卡住。

Opus 4.5在一栋楼里困了好几周，硬是不去捡关键的钥匙卡；Opus 4.6一路打到接近冠军，结果被某个机关卡了几个月，因为看不清地上的开关在哪。

直到今年5月，Opus 4.7才终于通关，依靠两个外挂：一件能放大截图，一件能把截图存成记忆。

四个月后，Sonnet 5.5仅靠看截图，就一次性通关了！

关键原因，就是它「长出」了眼睛。

在不借助工具强读复杂图表的Chartography测试中，它从上一代的15.6%暴涨到61.6%，翻了近4倍。

在看着屏幕截图去操作电脑的OSWorld 2.1测试中，它涨到了80.1%，与Opus 5.5的81.8%仅差1.7个百分点。

这刺激到了网友Goody，要求Sonnet 5.5开发了一款属于他自己的游戏。

这是一款墨西哥怪物风格的Game Boy游戏。

Sonnet 5.5将其命名为《Nahual》：一只火属性的墨西哥无毛犬，可以进化成Xolcán、一株仙人掌、一只美西螈、一只凤尾绿咬鹃。

单个文件2342行代码，连音乐都有。

一个提示词，Sonnet 5.5就创造出了一个全新的类《宝可梦》游戏，简直疯狂至极。

档位开到最高，中杯反而比大杯还贵？

不过，Sonnet 5.5标价便宜，最终能否省钱，完全取决于你把「努力档」开到哪一格。

努力档（effort）是Claude留给开发者调节脑力的开关，从Low到Max一共五档，档位越高越烧钱。

如上文所述，官方表示：与上一代相比，Sonnet 5.5单个任务最多便宜30%。

在很多测试中，Sonnet 5.5只开Low或Medium档，就能击败上一代的满档成绩，成本更是只有十分之一。

但Artificial Analysis将档位推到Max进行测试，结果就有点吓人了。

在Max档下，Sonnet 5.5每做一道题，平均要输出19.3万个输出Token！这是该机构测过的历史最高纪录。比高端版Opus 5.5的Max档多输出六成，大约是GPT-6 Astra的7倍。

因此，即使单价减半，Sonnet 5.5满档运行一个任务也要花费7.60美元。不仅比上一代贵了50%，甚至比高端版Opus 5.5（5.98美元）还贵，直接逼近了超高端版Fable 5.1的7.63美元！

满档甚至可能帮倒忙。

在测试代码合并的FrontierCode上，Sonnet 5.5开Max档只获得46.2%，反而比低一档的Xhigh（52.1%）还低。

原因是满档状态下它太喜欢调用代码审查工具，将工作分派给大量子智能体。结果要么运行超时，要么手欠修改了任务范围之外的代码，直接被扣分。

所以真要省钱，修Bug、写文档这类日常任务，Sonnet 5.5开Medium或High档最划算。复杂的长期任务，直接交给高端版Opus 5.5的High档，千万别盲目将中端开满。

护城河升级，继续防蒸馏

这次，A社一如既往地采取了防蒸馏机制。

官方原话是：「由于Sonnet 5.5的能力远超其前代版本，它是首款搭载安全分类器以防止推理提取的Sonnet模型。」

这意味着Claude脑子里的「思考过程」无法与账户解绑。

对于正经开发者来说，你完全感觉不到变化；但对于想白嫖核心技术的人来说，这条路就彻底堵住了。

而且，由于Sonnet 5.5的网络安全能力大幅升级，它也成为了第一款配备Opus同级别「网络安全防护与回退机制」的Sonnet模型。

遇到高风险网络安全任务时，系统会自动回退到Sonnet 5。

在生物学领域，它也会拦截高风险请求。

现在，压力给到OpenAI

现在，压力全在OpenAI这边了。

9月22日，Anthropic发布高端版Opus 5.5，90分钟后OpenAI发布了GPT-6 Sol和Luna，双方直接硬碰硬。

6天后，Anthropic发布了中端版Sonnet 5.5。标价与GPT-6 Sol一模一样，智能指数却碾压。

OpenAI DevDay，就定在美西时间9月29日，Sonnet 5.5发布的一天后。

Claude已经把最强战力价格拉到平价，OpenAI要拿出什么来迎战？