刚刚，性价比之王Sonnet 5.5发布！

果然，Sonnet 5.5真来了！

就在OpenAI年度开发者大会开幕前一天，Anthropic连夜甩出王炸——Claude Sonnet 5.5。

作为Opus 5.5的最佳搭档，Sonnet 5.5的使命是：成为最快、最省钱、最懂你日常工作的「全能打工助手」。

相较于Sonnet 5，它的运行速度快30%，完成相同任务的成本最高暴降30%。

另外，它的标价只有大杯Opus 5.5的一半，性能却几乎追平。

它不仅代码写得飞起，甚至成了史上第一个仅靠看屏幕截图，就能通关《宝可梦 红》的Sonnet模型。

更狠的是，在极其硬核的智能体编程测试Terminal-Bench 4.0里，这个中杯，竟然把大杯给反杀了！

Sonnet 5.5得分高达70.6%，差不多是原来的7倍，比Opus 5.5的66.4%还高出一截。

一代之间，它从垫底直接冲到了自家第一。

上线没多久，第三方权威评测机构Artificial Analysis的智能指数榜直接被屠了：前三名，全被Claude家包圆，Sonnet 5.5排在第二。

而第三名、A社四周前才端出来的超大杯Fable 5.1，标价是Sonnet 5.5的整整5倍！

短短一个月里，大杯级别的Claude，直接变身白菜价，按中杯卖了。

而且，用户可以随意调节「Effort Level」。

选低/中等： Claude 答得飞快，耗费 Token 极少，适合日常摸鱼和常规任务。

选高/最大： Claude 会进入思考模式，反复检查自己的工作，用于死磕复杂难题。

Sonnet 5.5，打破「不可能三角」

这次，Sonnet 5.5的发布，直接打破了「速度快、成本低、质量高」的不可能三角。

输出速度比前代提升了超过30%，让它毫无争议地成为迄今为速度最快的Sonnet模型。

Sonnet 5.5的定价表面上和Sonnet 5一样：每百万输入Token 2美元，每百万输出Token 10美元，缓存读取每百万Token 0.20美元。

但套路藏在效率里！

Anthropic发现，由于模型变聪明了，Sonnet 5.5需要的Token大幅减少，每个任务的实际成本最多降低了30%。

用更少的Token，就能办更大的事。

以下，是同一个prompt下，Sonnet 5和Sonnet 5.5的结果，对比非常鲜明。

半价追平Opus，自家顶配也被反超

Artificial Analysis榜单上，Sonnet 5.5拿到64%，高于Opus 5.5和GPT-6 Astra的60%。

在Terminal-Bench-Science上，它拿到53%，排第三，只输给GPT-6 Astra和Opus 5.5。

写代码的另外两项测试，同样杀疯了。

在FrontierCode测试上，Sonnet 5.5最高拿到52.1%，顺手超过了OpenAI的GPT-6 Sol（49.3%）。

在模拟真实 Cursor 编程会话的CursorBench上，Sonnet 5.5拿到55.5%，只比大杯低2个多点，而上一代只有34.1%。

早期内测的开发者表示：「它理解庞大代码库的速度快得令人发指！」

它的工具调用效率也很惊人：在背靠背的测试中，Sonnet 5.5 学会了将工具调用「打包」批量处理，步骤更少、报错更少、花钱也更少。

不光写代码，办公能力也追平了。

GDPval-AA测的是模型在44种职业里直接交付成品的能力。Sonnet 5.5拿下1844分，大杯Opus 5.5是1846分。

考长程知识工作的AA-Briefcase测试里，Sonnet 5.5拿到1811分，和Opus 5.5的1822分几乎打平，比GPT-6 Sol高出300多分。

最让人惊喜的，是它展现出的「设计天赋」。

这次，Sonnet 5.5 懂审美了！它能主动美化UI，甚至能完美遵循幻灯片模板，生成几乎不需要人类修改的 PPT。

Anthropic内部有个硬核的案例：测试人员扔给 Sonnet 5.5 一家上市公司的季度财报资料、电话会议记录，以及一个 PPT 模板，要求它生成一份 10 页的运营审查幻灯片。

结果，它生成的初稿被两位人类专家鉴定为：「完美，可直接发送。」

在带工具的「人类最后的考试」上，它拿到64.5%，比上一代高了将近10个点。

另一个第三方榜单Vals Index上，Sonnet 5.5首次上榜就排到第二，只比Opus 5.5低0.47分。

四周前，Fable 5.1刚发布时，还是全球最强的编程和知识工作模型。

现在，Sonnet 5.5在Terminal-Bench 4.0上比它高出将近15个点，GDPval-AA高出109分，智能指数也高出3分。

科技博主@synthwavedd在发布当天发帖说，Anthropic正在疯狂上菜。

在复杂办公测试Box中，Sonnet 5.5 的整体准确率达到 65%，而 Sonnet 5 为 61%。

它完成交付成果的速度也快了约 2.4 倍，总 token 消耗量还降低了 12%。在智能体工作中，速度和准确性通常会相互拉扯，所以一个能同时兼顾两者的模型确实是实实在在的进步。

它搭的旧金山，着火了会自己派消防车

实测显示，Sonnet 5.5强得离谱。

AI博主Matthew Berman拿到了Sonnet 5.5的提前测试资格，发布当天一口气放出了一串实测。

他让Sonnet 5.5在虚幻引擎里现场手搭了一座旧金山。街道上车流不息，甚至还有骑自行车的人穿过路口。

输入一句「泛美金字塔起火」，系统立刻把火情评为4.6级（满分10级），随即自主派出5辆消防车和3辆警车。

远处的大楼冒起滚滚黑烟，警车闪着灯赶到路口，当场拉起警戒线。

3D版的大海里，帆船先在暴风雨里颠簸，天色从黄昏切到夜里。镜头往下一沉潜进水里，成群的鱼从头顶游过。

还有一个能直接上手玩的糖豆人式闯关游戏。60个角色挤在同一张地图上，有一关踩过的六边形地砖会立刻塌掉，还有一关要顶着滚下来的石头冲上山顶抢皇冠。

甚至连星舰V3，都被它做成了可交互的爆炸图。整艘飞船一层层拆开，一直拆到底部的猛禽3发动机。

他还用Claude Sonnet生成了在线乐高游戏。

Matthew Berman感慨3D 模拟已被Claude攻克。

但也有人表示了不同意见。

Robbert van Empel维护了一个LEGO积木星球挑战，要创建一个带有《南方公园》剧情的可互动游戏：

Create a 3D world as a globe with a South Park theme. I want to be able to walk through the world using WSAD, interact via 'e', and jump using the spacebar. I also want to be able to rotate the mouse and move objects. I want the world to be made of Lego bricks. Also, make it a game where the characters make typical South Park jokes, and the game must really have a South Park storyline.

Claude Sonnet 5.5这次被测试了，但它没能通过：它无法一次性构建出整个世界。而GPT Luna 则成功做到了。

另一个卖点，就是快。

同一个题目，让两代模型并排写一段鸟群模拟代码。Sonnet 5.5写完代码、鸟群已经飞了9秒，上一代还在一行行往外蹦代码。

困住Claude一年多的宝可梦，这回只看截图就通关

Sonnet 5.5也破了纪录，成为第一个只看游戏截图，就通关《宝可梦 红》的中杯模型。

此前，Claude已经和宝可梦死磕一年多了。

2025年2月，A社就开始让Claude玩《宝可梦 红》，每一代都被不同关口卡住。

Opus 4.5在一栋楼里困了好几周，硬是不去捡关键的钥匙卡；Opus 4.6一路打到接近冠军，结果被某个机关卡了几个月，因为看不清地上的开关在哪。

直到今年5月，Opus 4.7才终于通关，凭着两个外挂：一件能放大截图，一件能把截图存成记忆。

四个月后，Sonnet 5.5只靠看截图，就一次性通关了！

关键原因，就是它「长出」了眼睛。

在不借助工具强读复杂图表的Chartography测试里，它从上一代的15.6%暴涨到61.6%，翻了近4倍。

在看着屏幕截图去操作电脑的OSWorld 2.1测试里，它涨到了80.1%，和Opus 5.5的81.8%仅差1.7个点。

这刺激到了网友Goody，要Sonnt  5.5开发了一款属于他自己的游戏。

这是一款墨西哥怪物风格的 Game Boy 游戏。

Sonnet 5.5把它命名为《Nahual》：一只火属性的墨西哥无毛犬，可以进化成 Xolcán、一株仙人掌、一只美西螈、一只凤尾绿咬鹃。

单个文件 2342 行代码，连音乐都有。

一个提示词，Sonnet 5.5就创造出了一个新的类《宝可梦》游戏，简直疯狂至极。

档位开到最高，中杯反而比大杯还贵？

不过，Sonnet 5.5标价便宜，最后能不能省下钱，全看你把「努力档」开到哪一格。

努力档（effort）是Claude留给开发者调节脑力的开关，从Low到Max一共五档，档位越高越烧钱。

如上文所说，官方表示：和上一代相比，Sonnet 5.5单个任务最多便宜30%。

在很多测试里，Sonnet 5.5只开Low或Medium档，就能锤爆上一代的满档成绩，成本更是只有十分之一。

但Artificial Analysis把档位推到Max一测，结果就有点吓人了。

在Max档下，Sonnet 5.5每做一道题，平均要狂吐19.3万个输出Token！这是该机构测过的历史最高纪录。比大杯Opus 5.5的Max档多吐了六成，大约是GPT-6 Astra的7倍。

所以，哪怕单价减半，Sonnet 5.5满档跑一个任务也要花7.60美元。不仅比上一代贵了50%，甚至比大杯Opus 5.5（5.98美元）还贵，直接逼近了超大杯Fable 5.1的7.63美元！

满档甚至还会帮倒忙。

在测试代码合并的FrontierCode上，Sonnet 5.5开Max档只拿到46.2%，反而比低一档的Xhigh（52.1%）还低。

原因是满档状态下它太爱调用代码审查工具，把活儿包给一大群子智能体。结果要么跑超时，要么手欠改了任务范围之外的代码，直接被扣分。

所以真要省钱，修Bug、写文档这种日常活，Sonnet 5.5开Medium或High档最划算。复杂的长任务，直接交给大杯Opus 5.5的High档，千万别无脑把中杯开满。

护城河升级，继续防蒸馏

这次，A社一如既往采取了防蒸馏机制。

官方原话是：「由于 Sonnet 5.5 的能力远超其前代版本， 它是首款搭载安全分类器以防止推理提取的 Sonnet 模型。」

这意味着 Claude 脑子里的「思考过程」无法与账户解绑。

对于正经开发者来说，你完全感觉不到变化；但对于想白嫖核心技术的人来说，这条路就彻底堵住了。

而且，由于Sonnet 5.5的网安能力大升级，它也成为了第一款配备Opus同级别「网络安全防护与回退机制」的 Sonnet 模型。

遇到高风险网安任务时，系统会自动回退到Sonnet 5。

在生物学领域，它也会拦截高风险请求。

现在，压力给到OpenAI

现在，压力全在OpenAI这边了。

9月22日，Anthropic发大杯Opus 5.5，90分钟后OpenAI发了GPT-6 Sol和Luna，双方直接硬刚。

6天后，Anthropic发了中杯Sonnet 5.5。标价和GPT-6 Sol一模一样，智能指数却碾压。

OpenAI DevDay，就定在美西时间9月29日，Sonnet 5.5发布的一天后。

Claude已经把最强战力价格拉到白菜价，OpenAI要拿出什么迎战？

参考资料：

https://x.com/goofyninjaaa/status/2104657861334950098

https://x.com/AnthropicAI/status/2104633259925630995

https://x.com/claudeai/status/2104633115620823187

https://www.anthropic.com/claude-sonnet-5-5

https://blog.box.com/claude-sonnet-55-real-enterprise-knowledge-work

https://x.com/MatthewBerman/status/2104634635234005025

https://x.com/MatthewBerman/status/2104634641772925084

文章来自于微信公众号 “新智元”，作者 “新智元”