杂谈

Anthropic Sonnet 5.5 发布：编程能力从 10% 飙到 70%，但"何时用"成为新问题

Anthropic 在 Opus 5.5 发布不到一周，再推 Claude Sonnet 5.5。编程能力 Terminal-Bench 4.0 从 10.3% 跃升至 70.6%，超过 Opus 5.5。多数任务成本降 30%，但 Max 推理下成本可达 7.60 美元 / 次。

#Anthropic#Claude#Sonnet 5.5#Opus 5.5#AI 模型#编程 Agent

一句话总结

Anthropic Sonnet 5.5 把”Sonnet 这个中档模型”推到了接近 Opus 的位置，但同时让”我什么时候才用 Sonnet”的灵魂拷问浮上水面。

核心数据

指标数值
速度提升30%+
单任务成本（多数任务）最高省 30%
Terminal-Bench 4.0（核心 Agentic Coding 测试）10.3% → 70.6%（超过 Opus 5.5）
CursorBench55.5%（Opus 5.5 是 57.8%，差 ~2 个百分点）
Haiku 5.5未来几周内推出

编程能力跃迁

Terminal-Bench 4.0

  • 模型在命令行环境自主使用工具，完成复杂多步骤任务
  • 这已经不只是代码补全，而是完整的 Agentic Coding

CursorBench（更接近日常开发）

  • 使用 Cursor 编辑器真实编程会话的任务
  • 需求模糊、跨文件修改、理解现有代码库
  • Sonnet 5.5：55.5%，Opus 5.5：57.8%

早期测试者反馈（Lovable / Base44）

  • 编程任务工具调用减少约 1/3
  • Shell 执行次数大约减半
  • Base44：118 次构建里，Sonnet 5.5 平均 3.6 轮完成应用，Opus 5 要 7.7 轮
  • 工具调用失败次数也是所有参测模型中最少的

“省 30%” 的真相

Sonnet 5.5 延续 Sonnet 5 价格：

类别价格 / 百万 Token
输入$2
输出$10
缓存读取$0.2
缓存写入$2.5

但 Artificial Analysis 测试显示：

  • Sonnet 5.5 Max 平均每任务 19.3 万输出 Token（测试过模型中最高）
  • 比 Opus 5.5 Max 高约 60%，约为 GPT-6 Astra Max 的 7 倍
  • 单任务成本 $7.60（比 Sonnet 5 高约 50%）
  • Intelligence Index：56 分（Opus 5.5 Max 低 2 分）

结论：Anthropic 的”30%” 针对多数任务；把推理强度调到 Max 后成本优势立刻消失。

何时用 Sonnet 5.5？—— 社区灵魂拷问

用户视角的尴尬

  • Hacker News 用户 A：Opus 5.5 效率已经很高，Max 5x 套餐额度也够用 —— “我想知道自己什么时候才会使用 Sonnet 5.5”
  • Hacker News 用户 B：“Opus 5.5 Low 设置看起来比 Sonnet Medium 更聪明、更便宜、速度也更快，那 Sonnet 存在的意义是什么？”
  • 唯一场景：Claude Code 子 Agent 继承主 Agent 的 Thinking Level，需要不同强度推理时会用 Sonnet
  • 原话：“这算不上一个特别好的理由，只是我目前唯一会使用 Sonnet 的场景”

真正适合的场景

用户类型Sonnet 5.5 适用性
Max 订阅用户（固定月费）❌ Opus 5.5 + 现有额度已够用，没迫切切换理由
API 用户（高频明确可验证任务）✅ 批量修 Bug、补测试、并行多 Agent —— Medium/High 价格优势明显
Max 推理强度（不分订阅/API）❌ 成本反而进入另一个区间（10 任务 $76，100 任务 $760）

最清晰定位：高频、明确、可验证的 API 任务。

网络安全回退机制

Sonnet 5.5 是首款加入网络安全分类器和模型回退机制的 Sonnet，防护级别接近 Opus 5：

  1. 第一阶段：系统探针读取模型内部激活状态
  2. 第二阶段：Sonnet 5.5 上运行的轻量级分类器检查
  3. 第三阶段：单独训练的 LLM 分类器决定是否拦截

如果判定为高风险任务：

  • Claude 应用：用户会看到模型切换提示
  • API 开发者：需主动启用服务器端 fallback
  • 高风险请求会自动交给 Sonnet 5（较弱版）处理

实际触发率：

  • Artificial Analysis 测试 5 档推理强度时均启用了默认回退
  • 约 0.1% Intelligence Index 任务触发回退
  • 主要集中在 Terminal-Bench 4.0
  • 所有触发回退的请求最终由 Sonnet 5 处理

意义：“选 Sonnet 5.5” = “它是否比 Opus 更适合当前任务” + “这项请求最终是否真的由 Sonnet 5.5 完成”

配图

Claude Sonnet 5.5 发布与编程能力对比

图 1：Sonnet 5.5 发布概览（含 Terminal-Bench 4.0 等基准对比）

来源