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/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 上也几乎追平 Opus 5.5，同时维持每百万输入令牌 2 美元、每百万输出令牌 10 美元的 Sonnet 定价。Anthropic 表...
Anthropic 表示，Claude Sonnet 5.5 和 Haiku 5.5 将在 Opus 5.5 发布后的“未来几周内”推出。
Sonnet 5.5 仅在六天后就正式发布了。
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，在多项可量化任务上，Sonnet 5.5 与 Anthropic 的旗舰模型之间的差距异常接近，同时仍保持较低的 Sonnet 价格档位。
但两款模型之间的区别仍然重要。
Anthropic 表示，对于需要在较长时间内持续进行判断的复杂、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，有用的结论并不是 Sonnet 5.5 已经“取代”了 Opus。
更准确的说法是，对于许多常规工作负载和编码密集型工作负载，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格呈现的结果出人意料地吻合。
| 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 自己也强调了同样的区别：基准测试得分只是衡量模型质量的一个角度。当任务模糊、开放式，或需要更长时间持续判断时，Opus 仍然更强。
这次升级并不只是原始得分的提升。
早期测试者还注意到，Sonnet 5.5 的工作方式发生了变化。
与 Sonnet 5 相比，当任务可以并行运行时，该模型更愿意批量处理工具调用，而不是逐个动作地处理所有操作。
Anthropic 引用的客户反馈中，有一项编码评测显示，Sonnet 5.5 使用了：
约少 1/3 的工具调用
约少一半的 Shell 运行次数
就完成了同类型的任务。
这对智能体系统很重要，因为每一次额外的工具调用都可能增加：
即使模型的标称令牌价格没有变化，一个通过更少工具交互就能得到相同答案的模型，也可能明显更便宜。
Base44 在 118 个真实应用构建任务上测试了 Sonnet 5.5。
其测试结果尤其具有实践意义。
Base44 报告称，Sonnet 5.5 生成的应用得分与 Opus 5 相同，但平均每次构建所需的迭代次数更少：
Sonnet 5.5：
每次构建平均 3.6 次迭代
Opus 5：
每次构建平均 7.7 次迭代
Base44 还表示，在对比中的所有模型里，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：
输入令牌价格
+
输出令牌价格
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
失败操作次数
重试次数
人工中断次数
达到可接受结果所需的时间
如果一个模型只需要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 价格表显示的差异。
Epic Games 在规模更大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表现良好，涉及的任务包括：
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发挥价值的工作类型。
开发者可能仍然希望使用 Opus 5.5 来定义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。
Unity 不会因为模型声称任务已完成就直接接受代码补丁，而是会重新打开项目，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 的多步骤编辑器和编码基准测试中完成了：
90%
的任务。
这类测试比单纯评估代码生成质量更有参考价值。
一个代码补丁看起来可能是正确的，但仍可能因为以下原因失败：
Unity 的基准测试试图衡量真正的端到端任务，而不只是文本答案。
Anthropic 还延续了其一项常见的长时程演示。
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用于衡量编码能力的基准测试。
它的价值在于其他方面。
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 的能力提升并不只体现在代码方面。
Anthropic 也在将它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。
该模型的设计目标是遵循已有的视觉规范，而不是每次都从头创建所有内容。
例如，在给定一个已有的幻灯片模板后，它可以继续沿用相同的：
Anthropic 表示，这可以减少生成后所需的人工清理工作量。
这使 Sonnet 5.5 特别适合这样的商业工作流：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 仍维持与 Sonnet 5 相同的核心 API 定价。
Anthropic 当前列出的价格如下：
| 令牌类型 | Sonnet 5.5 | Opus 5.5 |
|---|---|---|
| 输入 | 2 美元 / 100 万 | 4 美元 / 100 万 |
| 输出 | 10 美元 / 100 万 | 20 美元 / 100 万 |
| 缓存读取 | 0.20 美元 / 100 万 | 0.20 美元 / 100 万 |
| 缓存写入 | 2.50 美元 / 100 万 | 5 美元 / 100 万 |
按照标价计算，Sonnet 5.5 的标准输入和输出令牌价格恰好是 Opus 5.5 的一半。
但 Anthropic 现在更加强调另一个指标：
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，该模型通常需要更少的令牌和更少的步骤来完成同一项工作。
因此，Anthropic 报告称，对于大多数工作负载，Sonnet 5.5 的成本可能比 Sonnet 5：
每项任务最高低 30%
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
这也是为什么只关注 2 美元 / 10 美元的令牌价格，会忽略这次升级的一部分价值。
名义价格保持不变。
但完成一项任务所需的模型工作量减少了。
Anthropic 现在提供多个努力程度等级。
更高的努力程度允许模型进行更长时间的推理，并检查更多工作。
较低的努力程度则能让模型运行得更快、成本更低。
在 Claude Code 和 Anthropic 的消费者应用中，默认努力程度为中等。在 Claude Platform 上，默认值为高。
在 Terminal-Bench 4.0 上，Anthropic 的成本与性能图表显示，Sonnet 5.5 在中等努力程度下，已经超过 Sonnet 5 的最佳结果，而每次尝试的成本大约只有后者的十分之一。
重要结论并不是中等努力程度始终是正确设置。
而是开发者现在可以更直接地调节质量与成本。
对于常规编码，较低的努力程度可能已经足够。
对于困难任务，提高努力程度可以给 Sonnet 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，即使在相对较低的努力程度下，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 Sonnet 特别具有吸引力的地方。
它与 Opus 之间的绝对基准测试差距可能足够小，因此对于高频编码来说，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 努力程度下取得了最佳 FrontierCode 得分，而 GPT-6 Sol 在不同努力程度设置下的得分处于相近范围。
在高努力程度下，Sonnet 5.5 的得分已经接近 GPT-6 Sol 经过测试的较高设置，同时 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 图表强调的可比节点上：
Sonnet 5.5 的任务成本：
约为 GPT-6 Sol 的 1/5
这个数字应当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：在这一设置下，Anthropic 的基准测试图表显示，Sonnet 5.5 能够以明显更低的测量任务成本达到相近的 FrontierCode 质量。
这并不意味着所有 Sonnet 工作负载的成本都一定比 GPT-6 Sol 低 80%。
这些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，在需要以下能力的工作中，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
→ 复杂度最高的任务
Sonnet 5.5
→ 实现
→ 修复错误
→ 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明显，因此它是首个在发布时配备与 Anthropic 最强模型类似的网络安全防护和回退机制的 Sonnet 模型。
Anthropic 还表示，这些防护针对的是一小部分高风险请求，并不打算干扰常规软件开发。
这一点很重要，因为更强的编码和工具使用能力也可能提升双重用途的安全能力。
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 还在符合条件的 API 配置中支持 Sonnet 5.5 的零数据保留。
对于从 Sonnet 5 迁移的团队，Anthropic 建议重新检查新的努力程度控制，并重新考虑配置，而不是假设所有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。
它的定位已经比较明确：
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 预计将进一步聚焦于大规模部署的经济性。
Claude 5.5 家族的发展方向正在变得清晰。
Anthropic 关注的并不只是原始基准测试得分。
它越来越倾向于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，这可能是比单独的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、成本更低的补充模型，适用于编码、智能体、知识工作、文档、幻灯片和其他范围明确的任务。
在一些基准测试中是的。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依旧更强。
Anthropic 公布的标准 API 价格为每百万输入令牌 2 美元、每百万输出令牌 10 美元。缓存读取费用为每百万令牌 0.20 美元，缓存写入费用为每百万令牌 2.50 美元。
两者的令牌价格相同，但 Anthropic 表示，Sonnet 5.5 通常使用更少的令牌，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，这可以使每项任务的成本最高降低 30%。
Anthropic 表示，Sonnet 5.5 的输出生成速度比 Sonnet 5 快 30% 以上。外部测试者还报告称，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 成本与性能图表显示，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能胜出。
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成本敏感型应用。
claude-sonnet-5-5 集成到应用中的官方 API 文档。Claude Sonnet 5.5 缩小 Anthropic 中端模型与旗舰模型之间差距的幅度，比其名称所暗示的更大。它在 Terminal-Bench 4.0 上击败了 Opus 5.5，在 GDPval-AA 上仅相差 2 个 Elo，并且在 OSWorld 和 CursorBench 上几乎追平 Opus。
更重要的部署层面变化在于效率。Sonnet 5.5 维持与 Sonnet 5 相同的 2 美元 / 10 美元令牌价格，但 Anthropic 表示，其运行速度快 30% 以上，并且可以将每项已完成任务的成本最高降低 30%。外部测试者还报告称，它需要更少的工具调用、更少的 Shell 运行次数以及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上达到了旗舰级质量。
Sonnet 5.5 最重要的升级并不是赢得某一项基准测试，而是在保持 Sonnet 级别价格的同时，以更低的每项任务成本，尽可能接近旗舰模型的质量。
从一句话开始，几分钟内拿到完整网站。
