For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh-HK/articles/claude-sonnet-5-closes-in-on-opus-5-70-6-b02eab8e.md.
Claude Sonnet 5.5 在 Terminal-Bench 4.0 上达到 70.6%，在 GDPval-AA 和 OSWorld 上几乎追平 Opus 5.5，同时维持 Sonnet 每百万输入代币 2 美元、每百万输出代币 10 美元的定价。Anthropic 表示...
Anthropic 表示，Claude Sonnet 5.5 和 Haiku 5.5 将在 Opus 5.5 之后“未来几周内”推出。
Sonnet 5.5 仅六天后便正式发布。
这款全新的中端 Claude 模型并不只是 Opus 5.5 的缩小版。在一些编码基准测试中，它的得分实际上更高。
最引人注目的例子是 Terminal-Bench 4.0：
Claude Sonnet 5.5：70.6%
Claude Opus 5.5： 66.4%
Claude Sonnet 5： 10.3%
不过，在更广泛的专业工作中，Opus 5.5 仍保持着微弱领先。
Anthropic 公布的数据如下：
GDPval-AA v2.1
Opus 5.5： 1846 Elo
Sonnet 5.5：1844 Elo
OSWorld 2.1
Opus 5.5： 81.8%
Sonnet 5.5：80.1%
这意味着，在多个可量化任务上，Sonnet 5.5 与 Anthropic 的旗舰模型之间的差距已经异常接近，同时仍保持更低的 Sonnet 价格档位。
但两款模型之间的区别仍然很重要。
Anthropic 表示，对于需要长时间持续判断的复杂、开放式工作，Opus 5.5 仍然明显更强。Sonnet 5.5 则更直接地面向范围明确的日常工作，例如：
因此，真正有用的结论并不是 Sonnet 5.5 已经“取代”了 Opus。
更准确的说法是，对于许多日常工作和以编码为主的工作负载，两者之间的性能差距已经大幅缩小。
原文将 Sonnet 5.5 描述为追赶“大杯”的“中杯”。
这个比喻与基准测试表呈现出的结果 surprisingly 相符。
| 评测项目 | Sonnet 5.5 | Opus 5.5 | Sonnet 5 | GPT-6 Sol |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 70.6% | 66.4% | 10.3% | — |
| FrontierCode 1.1 Main | Xhigh 下 52.1% | 54.4% | 42.4% | 最高 52.1% |
| CursorBench 4.0 | 55.5% | 57.8% | 34.1% | — |
| GDPval-AA v2.1 | 1844 | 1846 | 1449 | 1487 |
| Humanity's Last Exam | 64.5% | 67.7% | 54.9% | — |
| OSWorld 2.1 | 80.1% | 81.8% | 57.0% | — |
| Chartography | 61.6% | 64.4% | 15.6% | 53.6% |
这张表展示了真正的趋势。
Sonnet 5.5 在一项重要的编码基准测试中直接胜出，在其他几项测试中也非常接近，但并没有全面击败 Opus 5.5。
Anthropic 自己也做出了相同区分：基准测试得分只是衡量模型质量的一个角度。当任务模糊、开放，或需要更长时间的持续判断时，Opus 仍然更强。
这次升级并不只是原始得分的提升。
早期测试人员还注意到，Sonnet 5.5 改变了自己的工作方式。
与 Sonnet 5 相比，当任务可以并行运行时，该模型更愿意批量发起工具调用，而不是将所有操作拆成一个接一个的步骤。
Anthropic 分享的客户反馈中，有一项编码评测显示，Sonnet 5.5 完成同类任务时使用了：
约少 1/3 的工具调用
约少一半的 Shell 运行次数
这对智能体系统非常重要，因为每一次额外的工具调用都可能带来：
即使模型的公开代币价格没有变化，如果一个模型能够通过更少的工具交互得出相同答案，其实际成本也可能明显更低。
Base44 在 118 项真实应用构建任务上测试了 Sonnet 5.5。
其结果尤其具有实际参考价值。
Base44 报告称，Sonnet 5.5 生成的应用得分与 Opus 5 相当，但平均每次构建所需的迭代次数为：
Sonnet 5.5：
平均每次构建 3.6 次迭代
Opus 5：
平均每次构建 7.7 次迭代
Base44 还表示，在对比的所有模型中，Sonnet 5.5 的工具调用失败次数最少。
这提醒我们，“模型成本”并不只是：
输入代币价格
+
输出代币价格
对于真实的智能体工作流，总成本还取决于：
迭代次数
工具调用次数
失败操作
重试次数
人工中断次数
达到可接受结果所需的时间
如果一个模型只需一半的迭代次数就能完成任务，那么实际成本差异可能远大于 API 价格表所显示的差异。
Epic Games 在规模大得多的软件系统上测试了 Sonnet 5.5。
根据 Anthropic 发布的客户反馈，该模型在处理数万行游戏系统代码时，能够完成以下类型的任务：
Epic Games 表示，该模型达到了通常由更高档模型才能达到的质量标准，同时所需的提示词约束更少。
这正是较小模型能够体现价值的工作负载。
开发者可能仍希望使用 Opus 5.5 来确定架构或解决最困难的模糊问题，但 Sonnet 5.5 可以以更低成本承担更多实现和审查工作。
Unity 采用了更严格的完成标准。
它没有因为模型声称代码补丁已经完成就直接接受结果，而是重新打开项目，并检查最终结果是否能够在运行时正常工作。
在这项评测中，Sonnet 5.5 在 Unity 的多步骤编辑器与编码基准测试中完成了：
90%
的任务。
这类测试比单纯的代码生成质量更有参考价值。
一个补丁看起来正确，但仍可能因为以下原因失败：
Unity 的基准测试试图衡量实际的端到端任务，而不仅仅是文本答案。
Anthropic 还继续开展了其长期运行的演示之一。
Sonnet 5.5 成为 Claude 家族中首个仅凭截图操作并击败 **《宝可梦 红》**的 Sonnet 模型。
这项测试并不是直接意义上的编码基准测试。
它的价值在于其他方面。
这款游戏要求模型能够：
这些特性同样适用于计算机使用智能体和长期运行的软件工作流。
原文指出，Sonnet 5.5 的能力提升并不局限于代码。
Anthropic 也在将其定位为适用于高质量文档、幻灯片、电子表格和视觉工作的模型。
该模型能够遵循既有的视觉规范，而不是每次都从零开始创建所有产物。
例如，在提供现有幻灯片模板的情况下，它可以继续沿用相同的：
Anthropic 表示，这能够减少生成后所需的人工清理工作。
这使 Sonnet 5.5 尤其适合这样的企业工作流：任务范围明确，但仍然需要保持视觉一致性。
尽管性能大幅提升，Sonnet 5.5 仍然沿用与 Sonnet 5 相同的核心 API 定价。
Anthropic 当前列出的价格如下：
| 代币类型 | Sonnet 5.5 | Opus 5.5 |
|---|---|---|
| 输入 | 每 1M 个代币 2 美元 | 每 1M 个代币 4 美元 |
| 输出 | 每 1M 个代币 10 美元 | 每 1M 个代币 20 美元 |
| 缓存读取 | 每 1M 个代币 0.20 美元 | 每 1M 个代币 0.20 美元 |
| 缓存写入 | 每 1M 个代币 2.50 美元 | 每 1M 个代币 5 美元 |
从标价来看，Sonnet 5.5 的标准输入和输出代币价格正好是 Opus 5.5 的一半。
但 Anthropic 现在更加重视另一个指标：
每项已完成任务的成本。
Anthropic 表示，Sonnet 5.5 的输出生成速度比 Sonnet 5 快 30% 以上。
Anthropic 还表示，与完成相同工作相比，该模型通常需要更少的代币和更少的步骤。
因此，Anthropic 报告称，对于大多数工作负载，Sonnet 5.5 的成本可以比 Sonnet 5：
每项任务最高低 30%
这就是为什么只关注每百万输入代币 2 美元、每百万输出代币 10 美元的价格，会忽略此次升级的一部分价值。
輸入一句想法，We0 AI 即可生成展示站、頁面與 CMS。發佈上線後並幫你獲取客戶和流量。
用戶註冊贈送一次完整項目生成
適合先體驗一次完整生成流程，快速看到專案初稿。
名义价格保持不变。
但完成一项任务所需的模型工作量下降了。
Anthropic 现在提供多个推理强度级别。
更高的推理强度允许模型花费更长时间进行推理，并检查更多工作。
较低的推理强度则会让模型更快、更便宜。
在 Claude Code 和 Anthropic 的消费者应用中，默认推理强度为中等。在 Claude Platform 上，默认值为高。
在 Terminal-Bench 4.0 中，Anthropic 的成本性能图显示，Sonnet 5.5 在中等推理强度下，已经超过 Sonnet 5 的最佳结果，而每次尝试的成本约为后者的十分之一。
重要的结论并不是中等推理强度永远是正确设置。
而是开发者现在可以更加直接地调节质量与成本。
对于常规编码任务，较低的推理强度可能已经足够。
对于困难任务，提高推理强度可以让 Sonnet 获得更多推理时间。
CursorBench 4.0 根据真实的 Cursor 会话评估编码工作。
Sonnet 5.5 达到：
55.5%
而 Opus 5.5 为：
57.8%
Anthropic 的成本图表显示，即使在相对较低的推理强度下，Sonnet 5.5 也能以每项任务约十分之一的成本，超过 Sonnet 5 的最高得分。
这正是新款 Sonnet 特别具有吸引力的地方。
与 Opus 的绝对基准差距可能足够小，以至于对于高频编码任务，成本更低的模型往往是更好的生产选择。
原文特别关注 FrontierCode 1.1，因为这项对比包含 GPT-6 Sol。
Anthropic 发布的图表显示，Sonnet 5.5 在 Xhigh 推理强度下取得 FrontierCode 的最佳成绩，而 GPT-6 Sol 在不同推理强度设置下的得分处于相近范围。
在高推理强度下，Sonnet 5.5 已经处于 GPT-6 Sol 较强测试设置的得分范围附近，而 Anthropic 估计其每项任务的成本明显更低。
原文将差距概括为：在 Anthropic 图表所突出显示的可比点上，
Sonnet 5.5 的任务成本：
约为 GPT-6 Sol 的 1/5
这个数字应被理解为特定基准测试中的每项任务成本对比，而不是普遍适用的 API 定价比例。
这些模型：
因此，更稳妥的说法是：在该测试设置中，Anthropic 的基准测试图表显示，Sonnet 5.5 以明显更低的测量任务成本，达到了相近的 FrontierCode 质量。
这并不意味着 Sonnet 的每项工作负载都一定比 GPT-6 Sol 便宜 80%。
基准测试的头条结果很容易让人得出这样的结论：更便宜的 Sonnet 模型已经让 Opus 变得没有必要。
Anthropic 明确否定了这种解读。
Anthropic 自己的测试和客户反馈仍然显示，在以下工作中，Opus 5.5 明显更强：
因此，实际的模型路由策略更接近于：
Opus 5.5
→ 架构设计
→ 困难规划
→ 模糊研究
→ 最高复杂度任务
Sonnet 5.5
→ 实现
→ 修复漏洞
→ 审查
→ 常规智能体任务
→ 文档和办公工作
→ 高频编码
Anthropic 的一位客户以类似方式描述了两者的关系：让 Opus 定义架构，再让 Sonnet 负责实现。
这可能是理解 5.5 家族最有用的方式。
原文主要关注性能和成本，但有一项官方信息值得注意。
Anthropic 表示，Sonnet 5.5 的网络安全能力提升幅度足够大，因此它成为 首个在发布时采用类似 Anthropic 最强模型安全防护和回退机制的 Sonnet 模型。
Anthropic 还表示，这些安全防护针对的是一小部分高风险请求，并不以干扰常规软件开发为目的。
这一点很重要，因为更强的编码和工具使用性能，也可能提升双重用途的网络安全能力。
Anthropic 表示，Sonnet 5.5 可通过以下平台使用：
API 模型 ID 为：
claude-sonnet-5-5
Anthropic 还支持在符合条件的 API 配置中为 Sonnet 5.5 提供零数据保留。
对于从 Sonnet 5 迁移的团队，Anthropic 建议重新审视新的推理强度控制，并重新考虑配置，而不是假设旧的运行时设置都应原样复制。
原文最后展望了 Claude 5.5 家族的下一位成员。
Anthropic 表示，Haiku 5.5 将在未来几周内推出。
它的定位已经很明确：
高吞吐量
+
对成本敏感的工作负载
如果说 Sonnet 5.5 是快速的通用型工作主力，Opus 5.5 是处理困难开放式判断的模型，那么 Haiku 5.5 预计将进一步推动高频部署的经济性。
Claude 5.5 家族的发展方向正在变得清晰。
Anthropic 不仅是在原始基准测试得分上展开竞争。
它越来越多地围绕以下维度来呈现模型：
质量
+
速度
+
每项已完成任务的成本
对于开发者而言，这可能是比单独查看基准测试得分更有用的部署指标。
Claude Sonnet 5.5 是 Anthropic 最新的 Sonnet 模型，也是 Claude 5.5 家族的第二款产品。它被设计为 Opus 5.5 的更快速、更低成本补充，适用于编码、智能体、知识工作、文档、幻灯片以及其他范围明确的任务。
在部分基准测试中是的。Sonnet 5.5 在 Terminal-Bench 4.0 上的得分为 70.6%，而 Opus 5.5 为 66.4%；但 Opus 在大多数更广泛的评测中仍然领先，并且在需要持续判断的复杂开放式工作中更强。
Anthropic 列出的标准 API 价格为每百万输入代币 2 美元、每百万输出代币 10 美元。缓存读取费用为每百万代币 0.20 美元，缓存写入费用为每百万代币 2.50 美元。
两者的代币价格相同，但 Anthropic 表示，Sonnet 5.5 通常使用更少的代币，并且能够更高效地完成工作。根据其测试，在许多工作负载中，每项任务的成本最多可降低 30%。
Anthropic 表示，其输出生成速度比 Sonnet 5 快 30% 以上。外部测试人员还报告称，在许多编码任务中，它需要更少的工具调用、更少的 Shell 运行次数和更少的迭代次数。
Anthropic 的 FrontierCode 成本性能图表显示，在该基准测试中，Sonnet 5.5 以明显更低的测量任务成本，达到了与经过测试的 GPT-6 Sol 设置相近的质量范围。这并不是普遍适用的成本比例，也不应被解读为 Sonnet 在所有编码或推理工作负载中都更强。
官方 Claude API 模型 ID 为：
claude-sonnet-5-5
Anthropic 表示，该模型也可通过 AWS、Google Cloud 和 Microsoft Foundry 使用。
Anthropic 表示，Haiku 5.5 将在未来几周内推出。它的定位是面向高吞吐量和对成本敏感的应用。
claude-sonnet-5-5 集成到应用中的官方 API 文档。Claude Sonnet 5.5 缩小了 Anthropic 中端模型与旗舰模型之间的差距，其幅度比名称所暗示的更加明显。它在 Terminal-Bench 4.0 上击败 Opus 5.5，在 GDPval-AA 上仅相差 2 个 Elo 分，在 OSWorld 和 CursorBench 上也几乎追平 Opus。
更大的部署价值在于效率。Sonnet 5.5 保持与 Sonnet 5 相同的每百万代币 2 美元输入、10 美元输出定价，但 Anthropic 表示，其运行速度快 30% 以上，并且每项已完成任务的成本最高可降低 30%。外部测试人员还报告称，它需要更少的工具调用、更少的 Shell 运行次数和明显更少的迭代次数。
对于需要持续判断的困难开放式工作，Opus 5.5 仍然是更强的选择。更准确地说，Sonnet 5.5 是一款面向高频使用的工作主力，如今在越来越多范围明确的任务中达到了旗舰级质量。
Sonnet 5.5 最重要的升级并不是赢下一项基准测试，而是在保持 Sonnet 级别价格并显著降低每项已完成任务成本的同时，越来越接近旗舰模型的质量。
從一句話開始，幾分鐘內拿到完整網站。
