不出所料，Sonnet 5.5真的发布了！
就在OpenAI年度开发者大会开幕的前一天，Anthropic连夜推出了重磅产品——Claude Sonnet 5.5。
作为Opus 5.5的完美搭档，Sonnet 5.5的定位是：成为速度最快、成本最低、最贴合日常工作的「全能型助手」。
相比Sonnet 5，它的运行效率提高了30%，完成相同任务的花费最高可降低30%。
此外，它的定价仅为大杯Opus 5.5的一半，但性能几乎与其持平。
它不仅代码编写能力出色，还成为首个仅通过查看屏幕截图就能通关《宝可梦 红》的Sonnet模型。
更令人惊讶的是，在极富挑战性的智能体编程测试Terminal-Bench 4.0中，这个中杯版本竟然击败了大杯版本！
Sonnet 5.5的得分高达70.6%，大约是之前版本的7倍，比Opus 5.5的66.4%还要高出不少。
仅仅一代之间，它就从垫底位置跃升至自家榜首。
上线不久，第三方权威评测机构Artificial Analysis的智能指数榜单就被彻底改写：前三名全部被Claude系列占据，Sonnet 5.5位列第二。
而第三名，是A社四周前才发布的超大杯Fable 5.1，其定价是Sonnet 5.5的整整5倍！
短短一个月内，大杯级别的Claude直接变成了白菜价，按中杯出售。
而且，用户可以自由调节「Effort Level」。
选择低/中等： Claude响应迅速，消耗Token极少，适合日常简单任务。 选择高/最大： Claude会进入深思模式，反复验证自己的结果，用于攻克复杂难题。
Sonnet 5.5，打破「不可能三角」
这次，Sonnet 5.5的发布直接颠覆了「速度快、成本低、质量高」的传统矛盾。
输出速度比前代提升了超过30%，使其毫无悬念地成为迄今为止速度最快的Sonnet模型。
Sonnet 5.5的定价表面上看与Sonnet 5相同：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。
但真正的关键在于效率！
Anthropic发现，由于模型变得更智能，Sonnet 5.5所需的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，就能完成更大的任务。
以下是同一个prompt下，Sonnet 5和Sonnet 5.5的结果对比，差异非常明显。
半价追平Opus，自家顶配也被反超
在Artificial Analysis榜单上，Sonnet 5.5获得了64%的评分，高于Opus 5.5和GPT-6 Astra的60%。
在Terminal-Bench-Science测试中，它得到了53%，排名第三，仅落后于GPT-6 Astra和Opus 5.5。
在代码编写的另外两项测试中，同样表现出色。
在FrontierCode测试中，Sonnet 5.5最高获得了52.1%，超越了OpenAI的GPT-6 Sol（49.3%）。
在模拟真实Cursor编程会话的CursorBench测试中，Sonnet 5.5得到了55.5%，仅比大杯版本低2个多点，而上一代只有34.1%。
早期参与内测的开发者表示：「它理解庞大代码库的速度快得惊人！」
它的工具调用效率同样令人印象深刻：在连续的测试中，Sonnet 5.5学会了将工具调用「打包」批量处理，步骤更少、错误更少、花费也更少。
不仅在代码方面，办公能力也达到了同等水平。
GDPval-AA测试评估的是模型在44种职业中直接交付成品的能力。Sonnet 5.5获得了1844分，大杯Opus 5.5是1846分。
在评估长程知识工作的AA-Briefcase测试中，Sonnet 5.5得到了1811分，与Opus 5.5的1822分基本持平，比GPT-6 Sol高出300多分。
最令人惊喜的是它展现出的「设计天赋」。
这次，Sonnet 5.5 懂得了审美！它能够主动美化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内部有一个硬核案例：测试人员将一家上市公司的季度财报资料、电话会议记录以及一个PPT模板交给Sonnet 5.5，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评价为：「完美，可以直接发送。」
在带工具的「人类最后的考试」中，它获得了64.5%，比上一代高了将近10个百分点。
另一个第三方榜单Vals Index上，Sonnet 5.5首次上榜就排名第二，仅比Opus 5.5低0.47分。
四周前，Fable 5.1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个百分点，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制约，因此一个能同时兼顾两者的模型确实是实实在在的进步。
它搭建的旧金山，着火了会自己派消防车
实测显示，Sonnet 5.5强大得超乎想象。
AI博主Matthew Berman获得了Sonnet 5.5的提前测试资格，发布当天一口气放出了一系列实测。
他让Sonnet 5.5在虚幻引擎中实时搭建了一座旧金山。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」，系统立即将火情评为4.6级（满分10级），随即自主派出5辆消防车和3辆警车。
远处的大楼冒出滚滚黑烟，警车闪着灯赶到路口，当场拉起警戒线。
甚至连星舰V3，也被它制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。
但也有人表达了不同意见。
Robbert van Empel维护了一个LEGO积木星球挑战，要求创建一个带有《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，但它未能通过：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，让两代模型并排编写一段鸟群模拟代码。Sonnet 5.5写完代码、鸟群已经飞了9秒，上一代还在逐行输出代码。
困住Claude一年多的宝可梦，这回只看截图就通关
Sonnet 5.5也打破了纪录，成为首个仅通过查看游戏截图就通关《宝可梦 红》的中杯模型。
此前，Claude已经和宝可梦较劲一年多了。
2025年2月，A社就开始让Claude玩《宝可梦 红》，每一代都被不同关卡卡住。
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，依靠两个外挂：一个能放大截图，一个能把截图存成记忆。
四个月后，Sonnet 5.5仅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测试中，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测试中，它涨到了80.1%，与Opus 5.5的81.8%仅差1.7个百分点。
这刺激到了网友Goody，要求Sonnet 5.5开发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将其命名为《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就创造出了一个全新的类《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，最终能否省钱，完全取决于你把「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。
如上文所述，官方表示：和上一代相比，Sonnet 5.5单个任务最多便宜30%。
在很多测试中，Sonnet 5.5仅开启Low或Medium档，就能超越上一代的满档成绩，成本更是只有十分之一。
但Artificial Analysis将档位推到Max一测，结果就有些吓人了。
在Max档下，Sonnet 5.5每做一道题，平均要生成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档多出了六成，大约是GPT-6 Astra的7倍。
因此，即使单价减半，Sonnet 5.5满档运行一个任务也要花费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）还要贵，直接逼近了超大杯Fable 5.1的7.63美元！
满档甚至可能帮倒忙。
在测试代码合并的FrontierCode上，Sonnet 5.5开启Max档仅获得46.2%，反而比低一档的Xhigh（52.1%）还低。
原因是满档状态下它过于依赖代码审查工具，将任务分派给大量子智能体。结果要么运行超时，要么擅自修改了任务范围之外的代码，直接被扣分。
因此，要真正省钱，修Bug、写文档这类日常任务，Sonnet 5.5开启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，千万别盲目把中杯开满。
护城河升级，继续防蒸馏
这次，A社一如既往地采取了防蒸馏机制。
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。
