Anthropic 发布了 Claude Sonnet 5.5，这是其 Claude 5.5 家族中的第二个模型。它的输出生成速度提升了 30% 以上，每项任务的成本最多降低 30%，在多项基准测试中几乎与 Opus 5.5 持平。
Opus 5.5 专为需要审慎判断的复杂任务而打造。Sonnet 5.5 则面向定义明确的日常工作，比如修复 bug、撰写文档、制作演示文稿和创建电子表格。Anthropic 还宣布 Claude Haiku 5.5 将在未来几周内推出。该模型将聚焦于高吞吐量、低成本的使用场景。
凭借 Fable、Opus 和 Sonnet，Anthropic 已经拥有了与 OpenAI 的 GPT-6 Astra、Sol 和 Luna 相对应的产品，而正是这些产品掀起了最新的价格战。大致来说，Opus 略高于 Sol，Sonnet 高于 Luna，Fable 高于 Astra，不过 Anthropic 的整体收费更高。同档产品之间的性能差异小到成本可能最终成为决定性因素。Haiku 或许能帮助 Anthropic 缩小这一差距。
编程性能大幅跃升
据 Anthropic 称，Sonnet 5.5 与其前代之间的性能差距在编程方面最为显著。在针对智能体编程的测试 Terminal-Bench 4.0 上，Sonnet 5.5 达到 70.6%，而 Sonnet 5 为 10.3%。在重现 Cursor 编辑器真实编程会话的 CursorBench 4.0 上，Sonnet 5.5 得分为 55.5%，而前代为 34.1%，仅比 Opus 5.5（57.8%）低两个百分点。
Anthropic 表示，在 "High" 设置下的 FrontierCode 1.1 上，Sonnet 5.5 的得分比 Sonnet 5 高出十分，而每项任务的成本约为其十五分之一。早期测试者称赞该模型理解代码库的速度之快。Sonnet 5.5 还比其前代更频繁地批量调用工具，从而减少了所需的步骤数。
推理强度方面有一个奇怪的小问题。在最高努力级别 "Max" 下，Sonnet 5.5 在 FrontierCode 上的得分实际上比在 "Xhigh" 下更差。Anthropic 表示，在最大努力下，该模型会更频繁地触发一个代码审查功能，将工作拆分给多个子智能体。在某些情况下，这会导致超时或超出任务范围的改动，而这两者都会被 FrontierCode 扣分。
知识工作几乎与 Opus 5.5 持平
在 GDPval-AA 上——这是 OpenAI 开发的一个知识工作基准测试，覆盖 44 个职业和 9 个行业的任务——Sonnet 5.5 得分 1,844 分。这几乎追平了 Opus 5.5（1,846），并比 Sonnet 5（1,449）高出约 400 分。按 Anthropic 的数据，OpenAI 的 GPT-6 Sol 为 1,487 分。在 Chartography 这一视觉图表识别测试中，Sonnet 5.5 从 15.6% 跃升至 61.6%。
| 类别 | 基准测试 | Sonnet 5.5 | Sonnet 5 | Opus 5.5 | GPT-6 Sol |
|---|---|---|---|---|---|
| 基于智能体的编程 | Terminal-Bench 4.0 | 70.6% | 10.3% | 66.4%¹ | — |
| 基于智能体的编程 | FrontierCode 1.1（Main） | 46.2%（Max）；52.1%（Xhigh）² | 42.4% | 54.4% | 49.3% |
| 基于智能体的编程 | CursorBench 4.0 | 55.5% | 34.1% | 57.8% | — |
| 知识工作 | GDPval-AA v2.1³ | 1,844 | 1,449 | 1,846 | 1,487 |
| 知识工作 | AA Briefcase v1.1³ | 1,811 | 1,359 | 1,822 | 1,483 |
| 跨学科思维 | Humanity's Last Exam（带工具） | 64.5% | 54.9% | 67.7% | — |
| 计算机技能 | OSWorld 2.1（部分评估） | 80.1% | 57.0% | 81.8% | — |
| 可视化图表识别 | Chartography（不带工具） | 61.6% | 15.6% | 64.4% | 53.6% |
¹ 对于 Opus 5.5，Terminal-Bench 4.0 在“Xhigh”设置下显示最高分。² Sonnet 5.5 在 FrontierCode 上“Max”设置的得分低于“Xhigh”。³ Sonnet 5.5 的数值来自一个预发布版本，其中一个此后已修复的 bug 可能影响了结构化输出。
早期测试者将 Sonnet 5.5 描述为一个更自然的对话伙伴，对设计有感觉。Anthropic 声称，该模型能够重做用户界面并执行幻灯片模板，效果之好几乎无需再修饰。
Anthropic 还表示，Sonnet 5.5 是首个仅使用截图就能通关《宝可梦 红》的 Sonnet 模型。OpenAI 的 Astra 最近在游戏基准测试上也展现了类似的进展。就在几年前，这类任务还被视为困难，且往往需要定制算法。如今，即便是产品系列中的中端模型也能处理它们。
相同的 token 价格，每项任务更少的 token
Sonnet 5.5 每百万 token 的价格与 Sonnet 5 相同：输入 token 2 美元，输出 token 10 美元，缓存读取 0.20 美元。Anthropic 表示，由于该模型每项任务使用的 token 更少，实际成本最多可降低 30%。输出生成速度也提升了 30% 以上。这些说法仍需独立测试来证实。
| 每百万 token 价格 | Claude Opus 5.5 | GPT-6 Sol | Claude Sonnet 5.5 | GPT-6 Luna |
|---|---|---|---|---|
| 输入 token | 4 $ | 2 $ | $2 | $0.10 |
| 输出 token | $20 | $10 | $10 | $0.50 |
| 缓存读取访问 | $0.20 | $0.20 | $0.20 | $0.01 |
| 缓存写入访问 | $5 | $2.50 | $2.50 | $0.125 |
与 Anthropic 的其他模型以及 OpenAI 的同类产品一样，Sonnet 5.5 提供了一个可调节的 effort 设置，让用户可以在成本与速度同输出质量之间进行权衡。Anthropic 表示，在低或中等设置下，Sonnet 5.5 在多项基准测试中已经击败了 Sonnet 5 的最佳成绩，而每任务成本仅约为其十分之一。不过，为每个任务找到合适的 effort 级别，仍然更像是艺术而非科学。
为更强大的模型提供新的网络安全保障措施
Claude Sonnet 5.5 现已在所有主流云平台上可用，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。与 Opus 5.5 和 Sonnet 5 一样，Anthropic 以零数据保留的方式提供该模型。开发者可以通过 Claude Platform 使用模型 ID "claude-sonnet-5-5" 访问它。
由于 Sonnet 5.5 在网络安全方面的能力远超其前代，Anthropic 首次为 Sonnet 模型添加了保障措施。涉及高风险网络安全任务的请求会被明显地重新路由到 Sonnet 5。通过扩展的Cyber Verification Program，合格的专业人员可以申请分级访问权限。
Anthropic 还添加了针对蒸馏攻击的安全分类器，与其最强大的模型中使用的同类分类器相同。这些措施是否真正有效，应该会在未来几个月内见分晓。如果中国实验室一直在从此类攻击中获益，那么堵住这一途径可能会再次拉大与西方实验室之间的差距。
没有炒作的 AI 新闻——由人类精选
订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、我们每年六期的独家 "AI Radar" 前沿报告、完整档案访问权限，以及评论区访问权限。