Anthropic 的 Claude Sonnet 5.5，重新定义规模化AI智能体性价比基准

Sonnet 5.5 是 Amodei 9 月初呼吁「pacing the frontier」以来 Anthropic 的第二款发布（第一款是 9/23 的 Opus 5.5）。Anthropic 研究产品经理 Theo Chu 对媒体表示定位：「Sonnet 真正面向的是注重成本的客户，他们可能不需要那么高的智能。它可能用于只需要执行、但不需要 Opus 所能带来的那种判断力的常规任务。」解决的是「中档模型在长周期终端任务上不可用」的问题。Sonnet 5 在 Terminal-Bench 4.0 上仅 10.3%——这个数字意味着上一代中端模型在长会话终端工作流上基本无法交付。

一、关键参数

二、核心性能https://AIDeepThink☑.cn

相比前代Sonnet 5，Sonnet 5.5的能力提升幅度远超常规迭代，多项核心指标甚至追平旗舰级Opus 5.5：

1. 编程能力爆发‌

Terminal-Bench 4.0智能体编程测试得分从10.3%飙升至70.6%，CursorBench 4.0得分55.5%，仅比Opus 5.5低2.3个百分点，在部分中等复杂度编程场景下表现甚至反超Opus 5.5 ‌。

2. 全场景能力逼近旗舰‌

覆盖44种职业真实工作场景的GDPval-AA v2.1测试中得分1844，仅比Opus 5.5低2分，比Sonnet 5高出约400分；OSWorld 2.1计算机操作测试得分从57.0%升至80.1%，图表识别测试得分从15.6%升至61.6% ‌。

3. 趣味能力突破‌

成为首款仅通过屏幕截图就能通关《宝可梦红》的Sonnet系列模型，长程图像理解能力大幅升级 。

三、技术原理或方法

官方未披露架构或训练配方。可确认的是对齐测试范围的策略性收窄：Anthropic 表示 Sonnet 5.5 未推进模型能力前沿，因此其大部分对齐测试集中在「适用于任何能力水平模型的一组针对性风险」上。但同时称其网络安全能力较前代有「大幅提升」，因此是首款以类似后备保护措施（fallback）和网络安保措施推出的 Sonnet 模型——这些措施原本为能力最强的模型开发。

此外，clauday 报道提到加入了防止推理被抽取用于蒸馏的分类器。

四、成本与速度优势

在定价完全持平Sonnet 5的基础上，实现了效率与成本的双重优化：

1. API定价‌

输入价格每百万Token 2美元，输出价格每百万Token 10美元，缓存读取价格每百万Token 0.20美元，所有输入输出单价均为Opus 5.5的一半 ‌。

2. 实际成本更低‌

完成相同任务所需Token数量大幅减少，单任务综合运行成本相比Sonnet 5最高可降低30%，部分中等复杂度编程任务的单项成本仅为Sonnet 5的十五分之一 ‌。

3. 速度大幅提升‌

输出生成速度比Sonnet 5提高超过30%，成为目前Sonnet系列中运行速度最快的模型，多家企业实测业务处理速度提升20%~2.4倍 。

五、安全防护

作为首款在发布时就引入高等级网络安全防护的Sonnet模型，它补齐了此前中端产品线的安全短板：

• 网络安全能力达到与Opus 5相近水平，高风险网络安全任务会自动回退至更成熟的Sonnet 5处理，避免新模型引入未知风险 ‌。
• 配备防止推理提取的安全分类器，完整保留扩展思考机制，在自动化行为审计中，尝试逃离沙箱的频率已接近Opus 5.5，是Anthropic所有模型中最不容易试探容器限制的产品之一 ‌。
• 全面适配NVIDIA开放智能体安全平台，可直接接入OpenShell安全运行时，从根源上杜绝智能体越权访问、目标漂移等失控风险 。

六、相比较上一代产品的提升

七、定价或者使用策略

价格不变 + 单任务成本下降的组合。这是本期最清晰的商业信号：Anthropic 选择不降价，而是通过提升 token 效率降低实际支出，把「每任务成本」而非「每 token 价格」作为竞争指标。clauday 指出：Anthropic 公布了每任务成本而非只有价目表——这是每个智能体构建方真正需要的数字，而业界仍然少见。

八、应用与生态

目前Sonnet 5.5已在全主流云平台上线，开发者可直接通过模型标识符claude-sonnet-5-5调用，零数据保留政策与Opus 5.5完全一致 ：

1. 核心适配场景

边界明确的日常任务、代码漏洞修复、文档/幻灯片/电子表格生成，是高频Agent任务的规模化部署首选模型 ‌。https://AIDeepThink☑.cn

2. 头部企业已率先落地

CodeRabbit将简单和中等代码审查任务全部迁移至该模型，Base44 AI实测118个真实应用构建的平均迭代次数从7.7次降至3.6次，Slack离线评估中输出Token自动减少14%，Zendesk工单处理速度提升20% ‌。

3. 后续产品线规划https://AIDeepThink☑.cn

面向超高调用量、极致成本敏感场景的Claude Haiku 5.5将在未来几周内正式发布，完整覆盖从旗舰到入门的全梯度模型矩阵 。

4. 应用场景