Anthropic发布Claude Sonnet 5.5

Anthropic于9月28日发布了Claude 5.5系列的第二款模型Claude Sonnet 5.5。公司在发布文中表示，Sonnet 5.5的输出速度比Claude Sonnet 5快30%以上，在大多数工作中单项任务成本最多降低30%。令牌单价与Sonnet 5完全相同，成本的下降来自用少得多的令牌完成同样的工作。面向大批量、成本敏感场景的Claude Haiku 5.5将在未来几周内加入该系列。

两款模型的分工很明确。Anthropic将Opus 5.5定位为需要审慎判断的复杂工作，将Sonnet 5.5定位为范围明确的日常任务、修复程序缺陷以及撰写文档、幻灯片和电子表格。公司还补充说，它在设计上也很有眼光。METAL曾报道该系列首款模型Opus 5.5于9月22日发布，六天之后中端模型随之推出。

基准测试表显示，它与上一档模型的差距大幅缩小。在衡量命令行多步骤任务的Terminal-Bench 4.0上，Sonnet 5.5得分70.6%，远高于Sonnet 5的10.3%，甚至高于Opus 5.5在最高设置下取得的66.4%。在衡量44种职业真实工作的GDPval-AA上，它得分1844，比Opus 5.5的1846低2分，领先Sonnet 5的1449和GPT-6 Sol的1487。在计算机使用测试OSWorld 2.1上，它得分80.1%，紧随Opus 5.5的81.8%；在图表识读测试Chartography上，它从Sonnet 5的15.6%跃升至61.6%。在取材自真实Cursor编程会话的CursorBench 4.0上，它得分55.5%，比Opus 5.5的57.8%低约2分。它还是首款仅凭截图就通关《宝可梦 红》的Sonnet模型。

Anthropic更加强调的是每一分的成本。在公司公布的准确率与成本曲线中，Sonnet 5.5在多项基准测试上仅用Low或Medium设置，就以约十分之一的单项任务成本超过了Sonnet 5的最高分。在衡量代码改动能否直接合并的FrontierCode上，同为High设置时，它比Sonnet 5高出10分，而单项任务成本约为其十五分之一。Claude应用和Claude Code的默认设置为Medium，Claude平台的默认设置为High。把设置调到最高并不总是更好。在FrontierCode上，Max设置的得分为46.2%，低于低一档的Xhigh设置的52.1%。公司解释说，在Max设置下，模型有时会把代码审查拆分给多个子智能体运行，从而导致超时或超出任务范围的修改。Anthropic写道，在需要持续判断的开放式工作中，Opus 5.5仍然明显更强。

早期客户的数据都指向步骤和令牌的减少。Base44的AI工程负责人Gabriel Grinberg表示："在118个真实应用构建中，Claude Sonnet 5.5做出的应用与Opus 5水平相当"，并称"它平均每次构建只用了3.6轮迭代，而Opus 5需要7.7轮"。Balyasny Asset Management表示，在2441项金融任务中，Sonnet 5.5每个回答约使用12.1万个令牌，远少于Sonnet 5的49.7万个。Lovable联合创始人兼首席技术官Fabian Hedin表示，在其编程评估中，工具调用减少了三分之一，shell执行次数减少了约一半。

办公工具方面的结果也指向同一方向。Slack首席工程师Curtis Allen表示："在没有修改任何提示词的情况下，Claude Sonnet 5.5在我们几乎所有离线Slackbot评估中都优于Sonnet 5"，步骤更少，输出令牌减少约14%。Zendesk表示，在数百个真实客服案例中，该模型的错误判断更少，工单处理速度加快20%；Box表示，它比上一代模型更准确，速度快2.4倍，总令牌用量减少12%。在Anthropic的内部测试中，模型拿到一家上市公司的季度财报材料、电话会议记录和幻灯片模板，被要求制作一份10页的经营回顾，两名专家判定其初稿可以直接发送。

安全防护措施提升了一个层级。Anthropic表示，Sonnet 5.5的网络安全能力与Opus 5相当，因此它是首款配备最强模型所用网络安全防护措施和回退机制的Sonnet模型。日常的程序缺陷查找和修复不受影响，但高风险的网络安全请求会明显地回退到Sonnet 5处理。为应对利用数千个虚假账户大规模提取模型能力的蒸馏攻击，它也是首款配备推理提取拦截分类器的Sonnet模型，Anthropic还扩大了preserved thinking的适用范围，使模型的思考过程无法与创建它的账户分离。生物学防护措施与Sonnet 5相同。在涵盖约1850个场景的自动化行为审计中，Sonnet 5.5在大多数对齐指标上与Sonnet 5持平或更好；在隔离评估中，它试探容器边界的倾向是Anthropic所有模型中最低的。据报道，该模型还加入了为符合EU AI Act而设计的不可见文本水印。

该模型已登陆包括AWS、Google Cloud和Microsoft Azure在内的所有平台，开发者可以通过claude-sonnet-5-5调用。与Opus 5.5和Sonnet 5一样，它也可以在零数据保留的设置下使用。此前关闭思考功能使用Sonnet的开发者，在迁移前需要改用新的between_tools设置。METAL核实的Claude官方账号发布帖附有一段13秒的视频，核实时浏览量超过260万次，点赞超过3.1万个。视频中有一幕鸟群布满天空的画面，而发布文以"用一个HTML文件画出400只椋鸟的群飞"这一提示词作为速度对比示例。

价格竞争的坐标轴也在移动。据报道，OpenAI上周推出的GPT-6 Sol的标准API单价与Sonnet 5.5相同，谷歌则以更低的推广价销售Gemini 3.8 Flash直至年底。Anthropic在6月以推广价推出Sonnet 5，并在8月将该价格固定下来，METAL曾报道Sonnet 5推广价永久适用。这一次，它没有再调整单价，而是通过减少完成一项任务所需的令牌和工具调用次数来压低成本。

这次发布改变了企业挑选模型的标准。随着中端模型的得分逼近顶级模型，此前交给Opus处理的大量工作如今有了留在Sonnet上的理由。比较的单位也正从单个令牌的价格转向完成一项工作所需的总量，而Anthropic已经把这张计算表连同基准测试一起亲自摆了出来。