Anthropic 的 Claude Sonnet 5.5 发布，编程表现超越 Opus 5.5 且价格减半

简报

• Anthropic 在周一发布了 Claude Sonnet 5.5，价格为每百万输入 token $2，每百万输出 token $10——与 Sonnet 5 持平，且为 Opus 5.5 价格的一半。
• 根据 Anthropic 的数据，Sonnet 5.5 在 Terminal-Bench 4.0 上得分为 70.6%，而 Opus 5.5 为 66.4%；独立测试机构 Artificial Analysis 的结果也显示其处于领先地位，得分为 63.6% 对 59.6%。
• Artificial Analysis 将其排在 Opus 5.5 之后的第二位，但表示它在每个任务中使用的 token 数量比其测试过的任何模型都多。

Anthropic 在周一发布了 Claude Sonnet 5.5，这是对 6 月份发布的 Sonnet 5 的升级。Anthropic 表示，这款中阶模型的运行速度比其前代产品快 30% 以上。

“Sonnet 5.5 在范围明确的日常任务、修复错误以及创建精美的文档、幻灯片和电子表格方面表现最为出色。它在设计方面也具有敏锐的眼光，”Anthropic 写道。

价格保持在每百万输入 token $2 和每百万输出 token $10。Token 是 AI 阅读和编写的文本块，比单词稍短，公司按百万单位计费。这是 Opus 5.5 费用的一半。然而，它在每个任务中使用的 token 减少了近三分之一，这意味着最终的运行成本比 Sonnet 5 更便宜。

尽管如此，该模型在编程方面表现出色。在 Terminal-Bench 4.0（一项测试 AI 智能体能否通过自行输入命令来完成复杂的专业任务的测试，以任务完成率为评分标准）中，Sonnet 5.5 达到了 70.6%。Opus 5.5 得分为 66.4%，而 Sonnet 5 为 10.3%。

简单来说，更便宜的模型完成了更多工作。Artificial Analysis 这家独立测试公司运行了自己的版本并表示认同：Sonnet 5.5 为 63.6%，Opus 5.5 为 59.6%，而 OpenAI 的 GPT-6 Astra 为 59.1%。

分数还取决于努力程度（effort）设置，这是一个拨盘，让模型思考更长时间以获得更好的答案，但也会增加账单。Anthropic 表示，高努力程度（High effort）下的 Sonnet 5.5 在 FrontierCode 上的表现与 GPT-6 Sol 相当，而每个任务的成本仅为后者的五分之一左右。

在 GDPval-AA（使用 Elo——一种对相对技能进行排名的国际象棋风格系统，对 44 个职业的现实世界专业工作进行评分）中，Sonnet 5.5 得分为 1844，而 Opus 5.5 为 1846，实际上不分上下。GPT-6 Sol 得分为 1487。