Anthropic 發布 Claude Sonnet 5.5，試圖將接近旗艦 Opus 5.5 的能力壓縮至價格更低、適合高頻調用的日常 Agent 模型中。其 API 單價仍為每百萬輸入／輸出 Token 2 美元和 10 美元，但官方稱輸出速度提升 30% 以上，完成典型任務所需的 Token 數減少，使單項任務成本最多下降 30%。在官方測試中，它在 Terminal‑Bench 4.0 取得 70.6%，高於 Sonnet 5 的 10.3% 和 Opus 5.5 的 66.4%；職業任務 GDPval‑AA 也以 1844 Elo 接近 Opus 的 1846。不過，“半價 Opus”並非完整結論：Artificial Analysis 發現，Sonnet 5.5 在最高推理強度下平均每題生成約 19.3 萬輸出 Token，是其測過最耗 Token 的配置，單題成本反而比 Sonnet 5 高約 50%；CodeRabbit 的真實程式碼審查測試也顯示，Sonnet 5.5 雖然比上一代快約一倍，卻仍會漏掉 Opus 能夠發現的高難度問題。因此，它更像一款適合明確、可重複任務的新主力模型，而不是對 Opus 的全面替代。文章作者、來源：Anthropic
Anthropic 將 Sonnet 重新定位為日常 Agent 主力
Sonnet 5.5 是 Claude 5.5 系列的第二款模型。與一周前發布、面向複雜開放式任務的 Opus 5.5 不同，Anthropic 將它定位為處理邊界清晰、需要大量重複運行的日常工作：修復程式錯誤、審查程式碼、調查資料，以及生成文件、簡報和電子表格。
模型支援文字與圖像輸入，提供100萬Token上下文，可在Claude網頁和移動端、Anthropic API、AWS、Google Cloud及Microsoft Azure中使用。API名稱為claude-sonnet-5-5。Anthropic未公佈參數量、模型架構、訓練資料和訓練算力，因此無法判斷提升具體來自基礎訓練、後訓練、推理策略還是Agent工具鏈優化。
它與 Opus 之間的區別並不只是「能力較弱、價格較便宜」。Anthropic 希望形成新的模型分工：Opus 負責問題定義不完整、需要持續判斷的複雜任務；Sonnet 則快速執行已明確的工作，並以較低成本擴大調用次數。
70.6% 對 10.3%，是最醒目也最需要謹慎理解的數據
Sonnet 5.5 在 Anthropic 公布的 Terminal‑Bench 4.0 測試中取得 70.6%，而 Sonnet 5 僅有 10.3%，甚至高於 Opus 5.5 的 66.4%。該基準要求 Agent 在命令列環境中完成多步驟專業任務，能反映程式編寫、終端操作與工具使用之間的協同配合。
其他項目的提升雖未如此誇張，但仍然明顯。CursorBench 4.0 從 Sonnet 5 的 34.1% 升至 55.5%，距離 Opus 5.5 的 57.8% 僅差約兩個百分點；帶工具的 Humanity’s Last Exam 從 54.9% 提高到 64.5%；OSWorld 2.1 電腦操作從 57.0% 升至 80.1%，接近 Opus 的 81.8%。
在職業知識任務 GDPval‑AA 中，Sonnet 5.5 獲得 1844 Elo，Opus 5.5 為 1846；在長時間知識工作評測 AA‑Briefcase 中，兩者分別為 1811 和 1822。Anthropic 因此認為，部分邊界明確的專業工作已經不必默認調用旗艦模型。
不過，這些數字不能簡單合併成「Sonnet 已經超過 Opus」。不同項目使用的推理強度並不完全相同，而且 Anthropic 明確表示，在需要長期維持判斷、處理開放式目標的任務中，Opus 仍然明顯更強。
一個有趣的反例來自 FrontierCode。Sonnet 5.5 在 Xhigh 推理強度下取得 52.1%，提升至 Max 後反而降至 46.2%。Anthropic 解釋說，模型在 Max 模式中更頻繁地啟動多個程式碼審查子 Agent，有兩次因此超時或修改了任務範圍之外的程式碼，最終被評測判為失敗。
這個結果說明，更多的推理和更多的 Agent 並不必然帶來更好的答案。模型可能因為檢查過度、擴大任務範圍或消耗完時間預算而失分。
每 Token 沒有降價，為何官方稱任務成本低 30%？
Sonnet 5.5 的公開價格與 Sonnet 5 相同：每百萬輸入 Token 2 美元、輸出 Token 10 美元、快取寫入 2.5 美元、快取讀取 0.2 美元，分別為 Opus 5.5 對應價格的一半。
Anthropic 所謂「單項任務最多便宜 30%」，並非 API 價目表下调，而是模型完成同一工作時所需的步驟和 Token 更少。官方稱其生成速度提高 30% 以上；Slack 在內部測試中觀察到輸出 Token 減少約 14%，Atlassian 称 Agent 速度最多提高 30%，Lovable 則報告工具調用減少約三分之一、Shell 運行次數約減半。
當一家資產管理公司在2,441項金融問答、抽取、分析和預測任務上進行測試時，Sonnet 5.5平均每項使用約12.1萬Token，而Sonnet 5則為49.7萬。由於這些都是合作夥伴的私有測試，外界無法檢查任務難度、提示詞和完整輸出，但結果共同指向一個變化：新模型較少反覆搜尋、重複讀取資料或進行過長的內部推理。
這對 Agent 尤其重要。在傳統聊天中，一次輸出數百個 Token 的影響有限；但長期 Agent 會重複讀取上下文、調用工具和修正結果，一步的冗餘可能在數十輪後放大成顯著的時間與費用差異。
最高推理強度揭示了另一種成本真相
Artificial Analysis 的獨立測試給 Sonnet 5.5 的最高推理配置打出 56 分，在其綜合智能指數中僅落後 Opus 5.5 的 58 分。
但達到這一成績的代價很高：Sonnet 5.5 平均每項測試生成約 19.3 萬輸出 Token，是該機構測量過的最高水平，比 Opus 5.5 Max 和 Sonnet 5 Max 高約 60%，約為 GPT‑6 Astra Max 的七倍。其估算單題成本達到 7.60 美元，比 Sonnet 5 高約 50%。
這與Anthropic「任務成本最多下降30%」並不直接矛盾。官方結論主要描述典型工作負載和較低推理強度；Artificial Analysis測量的是為了追求能力上限而開啟Max的情況。
兩組結果共同說明，推理強度已成為模型產品的一部分。Sonnet 5.5 在 Low 或 Medium 模式下可能提供極高的性價比；如果為了追趕 Opus 而把推理強度推到 Max，它雖然每 Token 更便宜，卻可能因為生成數量過多而失去成本優勢。
Artificial Analysis 還發現，Sonnet 5.5 的事實知識準確率約為 54%，低於 Opus 的 66%；科學推理項目也落後約六個百分點。所謂「接近 Opus」主要成立於 Agent 終端操作和部分知識工作，不能外推到所有能力。
在真實代碼審查中，速度優勢成立，旗艦差距也仍然存在
CodeRabbit 使用真實開源項目中的已知錯誤進行了一組發布日測試。
在13個較難的程式碼審查案例中，開啟推理的Sonnet 5.5找出6個問題，高於Sonnet 5的4個；兩者有效評論精度分別為41.2%和40.0%。但Opus 5.5標準模式找出8個，Max模式找出10個，說明複雜審查任務中的差距仍然明顯。
在另一組涉及44個真實Pull Request的測試中，Sonnet 5.5平均每次審查需要6分33秒，Sonnet 5則為13分31秒。前者生成的評論少24%，瑣碎意見只有上一代的約三分之一；按公開價格計算，核心模型調用平均約0.46美元，而Sonnet 5約為1.16美元。
不過，這組 44 個 PR 的完整錯誤覆蓋評分在文章發布時尚未完成，因此目前只能確認它更快、輸出更少，不能確認少寫的評論是否遺漏了更多真實問題。13 個高難案例的樣本也很小，CodeRabbit 自己提醒，足以觀察方向，卻不足以確定普遍排名。
更合理的模型分工是：Sonnet 5.5 負責對每一個 PR 進行快速常規審查；涉及安全、核心架構或漏掉錯誤代價很高的變更，再升級給 Opus 或人類專家。
視覺設計開始成為通用工作模型的賣點
Anthropic 也特別強調了 Sonnet 5.5 的視覺設計能力。官方示範讓 Sonnet 5 和 5.5 分別在單個 HTML 檔案中製作 400 只椋鳥群飛、風塑沙丘和由 24 個小鐘組成的大鐘。新模型的生成速度更快，動畫、層次和介面完成度也更高。
它還能根據模板生成簡報。Anthropic 在一項內部測試中提供了一家上市公司的季度業績資料、電話會議文字稿和十頁簡報模板，兩名專家認為 Sonnet 5.5 的第一版可直接發送。
這些依然屬於廠商選擇的展示案例，不能代表模型能夠穩定理解每套企業模板。複雜圖表的數據準確性、品牌規範和引用來源仍需人工檢查，但它反映了模型競爭的新方向：不只生成正確內容，還要盡量交付接近成品的介面和文檔。
安全能力提升，也意味著部分請求會被舊模型接管
Sonnet 5.5 是首款在發布時採用旗艦級網路安全防護的 Sonnet 模型。Anthropic 表示，其網路安全能力已接近 Opus 5，因此一般漏洞修復仍可正常進行，但更高風險的網路安全請求將被透明地轉交給 Sonnet 5。
公司還在約1850種情境中測試誤導用戶、違背用戶利益、協助高風險濫用和突破環境邊界等行為。官方稱，新模型在多數指標上持平或優於Sonnet 5，並且是所有Claude模型中最少主動試探容器邊界的一個。
不過，這些主要是 Anthropic 的內部自動化評測，不能視為對現實環境風險的完整證明。公司自己也承認，沒有任何一組測試能夠發現全部失敗模式。
Sonnet 5.5 是首款加入反蒸餾分類器的 Sonnet，並擴大了「保留思考內容」機制，以防止不同帳戶之間轉移推理上下文。對普通開發者影響有限，但部分跨帳戶遷移 Claude Code 對話的工作流程需要調整。
真正的變化不是第 1 名，而是「夠強的模型」開始成為預設選擇
Sonnet 5.5 沒有公開新的模型架構，也沒有全面超越 Opus。它更重要的意義，在於將過去需要旗艦模型處理的大量工作，移至更快、單位 Token 價格減半的中檔模型上。
對於每天運行數千次的客服、程式碼審查、資料調查和文件生產系統，決定能否部署的通常不是單項最高分，而是每項任務需要多少步驟、多少 Token、等待多久，以及錯誤是否能夠被升級處理。Sonnet 5.5 的價值恰好集中在這些指標上。