说好的未来几周，Anthropic 只等了 6 天。

上周 Opus 5.5 发布的时候，官方顺手剧透了一嘴，Sonnet 5.5 和 Haiku 5.5 都在后面。

刚刚，Sonnet 5.5 先到了。

而且 Claude 家的 " 中杯 "，已经撵着刚发布的旗舰追了。

上周 Opus 5.5 发布时，Terminal-Bench 4.0 的66.4%还是一个挺能打的成绩。

Sonnet 5.5 一来直接干到了70.6%，上一代 Sonnet 5 只有 10.3% ……

在覆盖 44 种职业真实任务的 GDPval-AA 里，Opus 5.5 拿到 1846 Elo，Sonnet 5.5 已经追到 1844；

OSWorld 2.1 测试计算机操作，两者分别拿到 81.8% 和 80.1%。

当然了，真碰上复杂、开放式、需要长时间判断的任务，Opus 5.5 依然明显更强。

Sonnet 5.5 更适合日常 Coding、修 Bug、做文档、PPT、表格这些边界比较明确的活。

价格也继续保持 Sonnet 档：

输入 2 美元 / 百万 Token，输出 10 美元 / 百万 Token，正好只有 Opus 5.5 的一半。

中杯贴着大杯跑

而且 Sonnet 这次不只是更会写代码，干活方式也利索了一点。

早期测试发现，新 Sonnet 不太爱一个工具一个工具往下磨了，能并行处理的调用会更积极地放到一起。

最后完成同样一项 Coding 任务，工具调用少了大约三分之一，Shell 运行次数差不多直接砍半。

Base44 干脆拿 118 个真实 App 构建任务来测。

Sonnet 5.5 平均跑 3.6 轮就能做到和 Opus 5 相当的结果，后者平均需要 7.7 轮；

同时，新 Sonnet 还是这组测试里工具调用失败最少的模型。

还有人直接把它扔进大工程。

Epic Games 让 Sonnet 5.5 去啃数万行游戏系统代码，拿它检查系统架构和数据流；

Unity 的验收方式是模型改完代码之后把项目重新打开，真正跑起来才算完成。

最后 Sonnet 5.5 做完了他们多步骤 Unity Editor 和 Coding 测试中 90% 的任务。

Anthropic 祖传的宝可梦也没落下。

Sonnet 5.5 成了 Claude 家第一款只看游戏截图就成功通关《宝可梦：红》的 Sonnet。

这一代 Sonnet 还多了点设计感，给定幻灯片模版，就能照着原来的版式和视觉规范往下做，生成的 PPT 只需要少量人工调整，大大减少工作量。

单次任务花钱更少

Sonnet 5.5 这次连 API 单价没动。

每百万输入 Token 还是 2 美元，输出还是 10 美元，缓存读取也继续维持 0.2 美元，和 Sonnet 5 完全一样。

但 Anthropic 测下来，完成大多数任务的实际成本，最高能再降 30%，速度提升 30% 以上。

而且这次 Anthropic 还专门算起了另一笔账，同样的钱，模型到底能干多少活。

Terminal-Bench 4.0 上，Sonnet 5.5 只开到 Medium effort，已经超过 Sonnet 5 能做到的最好成绩，单任务成本却不到后者的十分之一。

CursorBench 更省，Sonnet 5.5 甚至只开 Low effort，就能超过 Sonnet 5 的最高成绩，同样只花不到十分之一的钱。

到了 FrontierCode，比较对象直接换成了 GPT-6 Sol。

在 Claude Platform 默认的 High effort 下，Sonnet 5.5 能做到和 GPT-6 Sol 最佳成绩相当，而 Anthropic 给出的单任务成本大约只有后者的五分之一。

这两周 Claude 连续更新，Anthropic 已经越来越喜欢把一个数字放在 Benchmark 旁边：

完成一项任务，到底花多少钱。

而 Anthropic 接下来还有一款模型，更是来卷这笔账的——

Haiku 5.5。

Anthropic 给它的定位很明确，高吞吐量、成本敏感型。

参考链接：

[ 1 ] https://x.com/claudeai/status/2104633131760333046

[ 2 ] https://www.anthropic.com/claude-sonnet-5-5

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见