Claude Sonnet 5.5 – Anthropic 推出的中端模型,编程基准反超旗舰 Opus 5.5

AI工具2个月前更新 aibin_cn
326 0
Claude Sonnet 5.5 - Anthropic 推出的中端模型,编程基准反超旗舰 Opus 5.5

Claude Sonnet 5.5 是什么

Claude Sonnet 5.5 是 Anthropic 于 2026 年 9 月 28 日发布的中端大语言模型,是 Claude 5.5 家族继 Opus 5.5 之后的第二款成员,API 型号 ID 为 claude-sonnet-5-5。它相比上一代 Sonnet 5 的主要提升集中在智能体编程:Terminal-Bench 4.0 从 Sonnet 5 的 10.3% 跃升到 70.6%,反超同门旗舰 Opus 5.5 的 66.4%。模型支持 100 万 token 输入与 128K 最大输出,输出速度比上一代快 30% 以上,定价维持 Sonnet 5 的每百万 token 输入 2 美元、输出 10 美元不变,但因单任务 token 消耗更低,实测每条任务成本最多降低约 30%。官方同时确认 Haiku 5.5 将在未来数周内加入该家族。

Claude Sonnet 5.5 的主要功能

  • 智能体编程:Terminal-Bench 4.0 拿到 70.6%,上一代 Sonnet 5 仅有 10.3%,是本次提升幅度最大的一项,也是 AI 智能体 方向最直接的进展。
  • 代码修复与仓库级改动:SWE-bench Pro 81.3%,SWE-bench Multilingual 90.3%,SWE-bench Multimodal 54.3%,覆盖多语言与带截图的缺陷修复场景。
  • 办公成品输出:面向日常任务优化,可生成排版完整的文档、幻灯片与电子表格,官方称其在设计感上表现敏锐。
  • 图表与图像理解:Chartography 无工具成绩 61.6%,接近 Sonnet 5 的 4 倍,是 Sonnet 系列首个仅凭截图通关《宝可梦 红》的模型。
  • 长程任务执行:OSWorld 2.1 部分完成口径 80.1%,可在真实桌面环境里跨多步自主操作。
  • 五档思考深度:通过 output_config.effort 在 low、medium、high、xhigh、max 之间调节。平台与 API 默认 high,Claude 应用与 Claude Code 中默认 medium。
  • 批处理与缓存:支持提示缓存与批处理,缓存读取每百万 token 0.2 美元,批处理价格再打五折。
  • 多云端可用:发布即可通过 Claude API、Amazon Bedrock、Google Cloud Vertex AI 与 Azure 调用。

Claude Sonnet 5.5 的技术原理

  • 多智能体并行摊薄成本:智能体编程成绩反超旗舰的机制并不玄妙。Sonnet 5.5 单价只有 Opus 5.5 的一半,可以在同等预算下同时启动多个编码智能体并行推进,因此单位任务的整体完成率更高。
  • 思考档位与成本曲线:effort 决定模型答题前思考多久。在 CursorBench 4.0 上,low 档以每任务 0.50 美元拿到 36.0%,medium 档 0.70 美元拿到 39.5%,两者都已超过 Sonnet 5 在最高档的 34.1%,而后者单任务要花约 7 美元。换句话说,用低档就能打赢上一代的顶配,成本只有约十分之一。
  • 高档位的收益递减:继续往上加档,high 为 48.0%、xhigh 为 53.0%、max 为 55.5%,逐渐逼近 Opus 5.5 的水平,但单价也从 1.60 美元一路涨到 8.00 美元。
  • 用力过猛反而扣分:在 FrontierCode 上,Sonnet 5.5 的 max 档只拿到 46.2%,低于 xhigh 档的 52.1%。官方解释是 max 档更频繁地调用 Claude Code 的多智能体代码审查技能,导致子代理派发超时或出现任务范围外的改动,而该评测会惩罚越界修改。
  • 上一代的成绩坍塌是「修好了失败」:Sonnet 5 在 Terminal-Bench 4.0 上的 10.3% 并非笔误,独立评测机构 Artificial Analysis 自己跑出的 14% 也印证了这一点。所以这次提升的性质更接近补上一个致命短板,而非在既有强项上继续加码。
  • 首个对齐 Opus 级防护的 Sonnet:官方称其网络安全能力与 Opus 5 相当,因此 Sonnet 系列首次配备了与最强模型同级的网络防护与降级机制,并新增了阻止推理内容被提取的分类器。

如何使用 Claude Sonnet 5.5

方式一:在 Claude Code 中直接使用

  • 升级客户端:Claude Code v2.1.284 已把默认模型切到 Sonnet 5.5,此前 v2.1.280 刚把默认切到 Opus 5.5,一周内默认项变了两次,注意确认当前设置。
  • 按任务调档:需求明确的日常编码建议用 medium,多文件重构或需要完整验证时升到 high 或 xhigh,不建议无脑拉到 max。

方式二:通过 API 调用

  • 指定模型:请求中把模型名填为 claude-sonnet-5-5。
  • 设置思考档位:在请求体里传 output_config 与 effort 字段,按业务需要选择档位。
  • 注意破坏性变更:从 Sonnet 5 迁移过来共有五项不兼容的接口变更,升级前需要核对官方迁移文档。
curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-5-5",
    "max_tokens": 4096,
    "output_config": { "effort": "medium" },
    "messages": [{ "role": "user", "content": "帮我修一下这个空指针异常" }]
  }'

方式三:接入云平台

  • Bedrock:在 Amazon Bedrock 控制台启用该模型,用 AWS IAM 鉴权。
  • Vertex AI:在 Google Cloud Vertex AI 中开启模型访问,用 GCP IAM 鉴权。
  • Azure:走 Azure 上的 Claude 服务入口。

Claude Sonnet 5.5 的核心优势

  • 一半价格拿到接近旗舰的能力:列报价为 Opus 5.5 的一半,但在部分专业任务上反超,性价比是本次最核心的卖点。
  • 低档位性价比断层:用 low 或 medium 档就能超过上一代顶配的成绩,对高频调用场景意味着成本量级上的下降。
  • 速度明显更快:输出生成速度比 Sonnet 5 快 30% 以上,是迄今最快的 Sonnet 模型,官方引用客户数据称有场景达 2.4 倍加速。
  • token 效率提升:同样的任务消耗更少 token,官方称单任务成本最多降低 30%,Lovable 反馈工具调用减少三分之一。
  • 上下文与输出都够用:100 万 token 输入配合 128K 最大输出,长文档与大型仓库都能覆盖。
  • 不涨价:定价与 Sonnet 5 完全一致,升级不需要重新做成本测算。
  • 防护等级补齐:作为首个配备 Opus 级网络防护的 Sonnet,安全敏感场景的顾虑减少。

Claude Sonnet 5.5 的同类竞品对比

对比维度 Claude Sonnet 5.5 Claude Opus 5.5
定位 中端,面向范围明确的日常工作 旗舰,面向需要持续判断的复杂开放任务
Terminal-Bench 4.0 70.6% 66.4%(Xhigh 档)
CursorBench 4.0 55.5% 57.8%
SWE-bench Pro 81.3% 89.9%
AutomationBench 44.7% 42.5%
HealthBench Professional 69.2% 65.6%
GDPval-AA v2.1(Elo) 1844 1846
Humanity’s Last Exam(无工具) 56.9% 64.4%
ProgramBench(长上下文) 79.7% 91.2%
API 价格(每百万 token) $2 输入 / $10 输出 $4 输入 / $20 输出

这张表需要配三段说明,否则容易得出错误结论。

第一,所谓「反超旗舰」只成立于部分项目。Sonnet 5.5 在八项基准中的三项领先 Opus 5.5,分别是 Terminal-Bench 4.0、AutomationBench 与 HealthBench Professional;另外五项仍是 Opus 5.5 领先。同时在 Terminal-Bench 上领先的 4.2 个百分点并不能算确定的胜利,官方给出的标准误差是 Sonnet 5.5 为 ±2.5、Opus 5.5 为 ±2.6,在 66 题的评测规模下,这个差距落在噪声范围内。稳妥的读法是「终端任务上与 Opus 5.5 打平」。不过 Artificial Analysis 的独立复现同样显示 Sonnet 5.5 领先(64% 对 60%),方向是站得住的。

第二,Sonnet 5.5 明显落后的是深度推理与长上下文重建。无工具版的 Humanity’s Last Exam 差 7.5 个百分点,ProgramBench 差 11.5 个百分点,差距最大的 SWE-bench Pro 差了 8.6 个百分点。这类需要长时间保持判断的任务,官方自己也在文档里承认 Opus 5.5 仍然更强。

第三,也是最容易被忽略的一点:拉到 max 档时,单任务成本反而会超过 Opus 5.5。低价只在低中档位成立。Artificial Analysis 的测试显示,高档位下单任务账单高于同门的旗舰模型,而且 max 档还会因为触发多智能体审查而出现成绩回落。所以正确用法是按任务难度分档调用,而不是把档位拉满。此外 Sonnet 5.5 的输出相当啰嗦,Artificial Analysis 跑完一轮 Intelligence Index 消耗了 4.1 亿输出 token,这会抵消一部分单价优势。以上基准均为官方自报或第三方在发布当日的实测,规格与价格以官方文档实时展示为准。

Claude Sonnet 5.5 的应用场景

  • 日常编码智能体:把 IDE 插件或 CI 自动修复流水线接到 medium 档,用远低于上一代的成本拿到更高的改动通过率,官方给出的场景测算可把每千任务账单从约 7000 美元压到 700 美元。
  • 批量缺陷修复:用 SWE-bench Multilingual 90.3% 的多语言能力处理跨语言仓库的存量问题单,适合技术债清理这类高频重复工作。
  • 文档与演示材料生产:把源材料交给模型直接产出带排版的文档、幻灯片与表格,适合咨询、运营与销售支持团队。
  • 截图与设计稿理解:图表识别能力接近上一代四倍,可用于设计稿还原、报表截图转结构化数据这类图像输入任务。
  • 客服与工单处理:面向高并发、成本敏感的工单分流与回复起草,官方将这类高吞吐场景的最终答案留给了即将发布的 Haiku 5.5。
  • 桌面流程自动化:借助 OSWorld 2.1 部分口径 80.1% 的成绩,承接跨应用的界面操作类自动化任务。

同期上线的国产模型有 LongCat-2.5-Preview、MiniMax M3.1-Flash-Preview 与 openPangu-2.0 三篇评测可以对照,想挑更多开发助手可以逛 AI 编程工具 分类。

© 版权声明

相关文章