Anthropic 在 9 月 28 日发布 Claude 5.5 家族的第二款模型 Claude Sonnet 5.5。官方口径里有两个数字最扎眼：编程智能体评测 Terminal-Bench 4.0 从 Sonnet 5 的 10.3% 跳到 70.6%，单任务成本最高下降 30%——而列表价一分没动。
这款模型的定位很清楚：Opus 5.5 负责”需要持续判断的复杂开放式工作”，Sonnet 5.5 负责”边界清晰的日常活”——修 bug、写文档、做表格、出幻灯片。它已经上线 Claude 平台、AWS、Google Cloud 和 Microsoft Azure，模型 ID 是 claude-sonnet-5-5。想先看 Claude 这一整条产品线怎么排的，可以翻一下 Claude 专题页。
事实梳理：Sonnet 5.5 改了三件事
性能。 官方公布的关键分数：Terminal-Bench 4.0 拿到 70.6%（Sonnet 5 为 10.3%，Opus 5.5 为 66.4%）；CursorBench 4.0 为 55.5%（Sonnet 5 为 34.1%，Opus 5.5 为 57.8%）；FrontierCode 1.1 主集在 Xhigh 档为 52.1%（Opus 5.5 为 54.4%，OpenAI 的 GPT-6 Sol 为 49.3%）；知识工作类评测 GDPval-AA v2.1 为 1844 分（Opus 5.5 为 1846，Sonnet 5 为 1449，GPT-6 Sol 为 1487）。此外 Humanity’s Last Exam 带工具 64.5%，OSWorld 2.1 部分分 80.1%，图表识别 Chartography 61.6%。Anthropic 还提到，这是第一个只靠截图就能通关宝可梦红（Pokémon Red）的 Sonnet 模型。
速度与成本。 输出速度比 Sonnet 5 快 30% 以上，是 Anthropic 迄今最快的 Sonnet。价格维持在每百万输入 token 2 美元、每百万输出 token 10 美元，缓存读取每百万 0.20 美元——列表价完全没降。官方说法是”同样一件事用的 token 少得多”，在自家测试里单任务成本最多比上一代低 30%。
安全。 因为 Sonnet 5.5 的网络安全能力已经和 Opus 5 接近，它成了第一个带上 cyber safeguards 与 fallbacks 的 Sonnet 档模型；生物学防护与 Sonnet 5 一致。官方强调两套防护只拦极少数高风险请求，日常软件开发与多数生命科学工作不受影响。Claude Haiku 5.5 会在未来几周内补齐家族第三档。
跑分跳了 60 个百分点，这个坑得说清楚
10.3% 到 70.6% 的对比很抓人，但基数有水分。Terminal-Bench 的维护方指出，Sonnet 5 当时经常撞上超时和 token 上限，所以 10.3% 本身偏低，把它理解成”提升了 6 倍”是不准确的。
另一处要注意的是测试口径：Artificial Analysis 的 GDPval-AA 与 AA-Briefcase 跑在预发布版本上，存在一个结构化输出 bug（已修复），官方脚注说这个 bug 只会低估 Sonnet 5.5 的表现、不会高估；同时 OpenAI 刚修复 GPT-6 Sol 的图像理解问题，第三方分数可能还没跟上。看跑分连脚注一起看，才不会被数字带节奏。
真实场景：早期测试方给出的生产数据
比跑分更值得看的，是几个已经把它放进生产流程的团队怎么说：
- CodeRabbit 的 AI 副总裁 David Loker：跨复杂度判断力优于 Sonnet 5，输出 token 明显更少，公司打算先把简单与中等难度的代码评审切过去。
- Base44 工程负责人 Gabriel Grinberg：在 118 个真实 App 构建里，Sonnet 5.5 平均 3.6 轮迭代就达到目标质量，Opus 5 需要 7.7 轮，且失败的工具调用是所有对比模型里最少的。
- Slack 首席工程师 Curtis Allen：离线 Slackbot 评测中输出 token 少了约 14%，而且没有改任何 prompt。
- Zendesk AI 主管 Abhinay Kathuria：工单处理速度比 Zendesk 现网在用的 Claude 模型快 20%。
- Epic Games 的早期测试：用 Sonnet 5.5 处理数万行代码规模的游戏系统架构，多小时任务没有靠重型 prompt 工程硬撑。
上手：从 Sonnet 5 迁到 5.5 要动哪几处
- 模型 ID 换成
claude-sonnet-5-5。 Claude 平台、AWS、Google Cloud、Azure 四端都可用，享受零数据保留。 - 关 thinking 的用法要改。 如果你现在给 Sonnet 显式关闭 thinking，迁到 5.5 之前要改成新的
between_tools设置；Opus 5.5 已经直接拒绝完全关闭 thinking 的请求。 - 先用中档 effort 试。 官方称部分评测里 Sonnet 5.5 在低档或中档就能打过 Sonnet 5 的最好成绩，单位任务成本约为其十分之一。默认中档跑，卡住了再升档，比一上来就拉满省钱得多。
- 缓存读取是 0.20 美元/百万 token。 多轮会话把稳定不变的系统提示与长上下文放前面，命中缓存的部分成本极低。
- 别只看官方跑分，跑一版自己的任务集。 抽样比对 Sonnet 5.5 与 Opus 5.5 在你业务上的成功率、迭代轮数和单任务成本，这三项才是账单的真正决定因素。
如果你在选编程模型这条线上还在纠结，AI 编程工具专题页里有 Codex、Claude Code、Cursor 这些工具横向的实战记录，可以先对照自己的使用习惯再决定换不换。
优缺点
优点： 同价位下编程智能体能力跳档；token 效率带来的真实降本（而非降价）；输出速度快，适合高频迭代；知识工作与文档类任务接近 Opus 5.5；首次在 Sonnet 档位配上网安防护。
缺点： 列表价没有下调，降本完全依赖”少用 token”这一官方口径；跑分基数本身有解释空间；复杂开放式工作仍明显不如 Opus 5.5；网安防护首次下放，做安全相关开发的团队要重跑一遍回归。
谁该换、谁先别换
该换的人： 还在用 Sonnet 5 的团队，官方这个升级幅度没有理由不迁；拿 Opus 5.5 干修 bug、写文档、做表格、改 UI 这类边界清晰任务的人，中档或高档的 Sonnet 5.5 基本够用，价格差很难再被合理化；按 token 结算、对迭代轮数特别敏感的小团队——Base44 那组”3.6 轮 vs 7.7 轮”对你们就是直接的账单。
先别换的人： 任务需要长时间开放式判断的，官方自己承认 Opus 5.5 在这一点上明显更强；正在做网络安全相关开发的，Sonnet 5.5 首次带 cyber 防护，可能触发拒答与回退，迁移前务必重跑回归。
替代方案
- Opus 5.5：每百万输入 4 美元、输出 20 美元，接力复杂开放式工作。它和 OpenAI 的降价同天发生，可以对照我们此前的记录：OpenAI 和 Anthropic 同日降价。
- GPT-6 Sol：与 Sonnet 5.5 同价（2/10 美元），FrontierCode 主集 49.3%，略低于 Sonnet 5.5 的 52.1%。
- 按题计费的国产路线：像阶跃星辰 Step 5 Preview 用”一道题 0.71 美元”打成本账，适合对话量小、单次任务重的场景，见 Step 5 Preview 的成本口径。
- 不绑模型的编辑器：JetBrains Air 这类新编辑器允许 Claude Code、Codex、Copilot 混用，换模型不用换 IDE，适合先观望再决定主力的团队。
老达点评
第一，这次最值钱的不是 70.6%，是”价格不动、账单下降”。 Anthropic 选择把成本优势记在 token 效率上，而不是继续打价格战。比起直接降价，这条路更可持续，也更难被对手用一次性促销追平。但代价是：省不省钱取决于你的任务形态，宣传里的”最多 30%”到了实际业务里可能只剩十几个点，得自己量。
第二，看到跳档数字先找脚注。 10.3% 这个基数偏低是评测维护方自己承认的，官方也老实标了预发布版本的 bug 说明。一个博客最该传递的态度不是”AI 又进化了”，而是”数字在什么口径下成立”。
第三，首次给 Sonnet 装网安防护，思路是对的。 防护资源按”能力”分配，而不是按”价格档位”分配——网络安全能力接近 Opus 5，就配 Opus 级的防护。这比按售价分层更符合风险本身的形状。
第四，对国内用户最实际的动作只有一条： 把日常代码评审、改 bug、写文档这类活先切到 Sonnet 5.5 的中档，把 Opus 5.5 留给真正难啃的开放式任务。同时别忘了 Claude Code 这条线上也在同步更新（一周四连更那次的复盘），模型换档和工具换版本，最好排在同一次回归里做。
一句话总结：Sonnet 5.5 不是”更便宜的 Opus”，而是”同价位的 Sonnet 终于能接住大部分日常活了”。对多数团队来说，它带来的最大变化不是能力上限，而是每次迭代敢多跑几轮的底气。
