Sonnet 5.5六天反超Opus,中杯追平旗舰
说好的未来几周,Anthropic只等了6天。上周Opus 5.5发布时官方剧透Sonnet 5.5和Haiku 5.5都在后面,如今Sonnet 5.5先到了,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%还是挺能打的成绩。Sonnet 5.5一来直接干到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,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。

Sonnet这次不只是更会写代码,干活方式也更利索。早期测试发现,新Sonnet不太爱一个工具一个工具往下磨,能并行处理的调用会更积极地放到一起。完成同样一项Coding任务,工具调用少了约三分之一,Shell运行次数差不多砍半。Base44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。Epic Games让Sonnet 5.5去啃数万行游戏系统代码,检查系统架构和数据流;Unity的验收方式是模型改完代码后把项目重新打开,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只需少量人工调整。

Sonnet 5.5这次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。Anthropic还专门算起另一笔账: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。
更多推荐阅读

Fable 5.2连操作系统都能搓,大厂开始重新分工:会用 AI 只是及格线
过去几天,Claude Fable 5.2 再次抬高了我们对 AI 编程的想象。 Claude 工程主管 Felix Rieseberg 开发的游戏 Saltline 在 X 上大火,他只用一次初始提示、没有后续人工反馈,Fable 5.2 自己生成游戏模型、音效和贴图,最终呈现了一款紧张刺激的第一人称射击游戏。 图|体验🔗:https://claude.ai/artifact/BGY1Szt...
2026-11-21 19:57:34
谷歌奇袭英伟达:整柜TPU外售加速交付,推理每美元性能领先GB200五成
英伟达最近头疼的事儿可不止老黄那一件。 本周内,谷歌祭出了两款新TPU芯片,分别瞄准机密推理和长上下文。算上上半年发布的两款TPU芯片,第八代TPU已经扩到四种配置。 今年,谷歌第一次在同一年内推出四款TPU系统。而谷歌对TPU的野心,可能比外界想象得更大—— 还是今年,谷歌破天荒开始对外销售TPU系统。 量子位从谷歌内部人士处获悉,谷歌内部信心十足,表示“明年TPU市场份额会快速上升”,...
2026-11-21 19:57:11
Claude 开始「整顿」会议室,建议国内大厂抄作业
「拉个会对齐下颗粒度,叫上 Claude。」 打开 Google Meet 准备进会,参会者名单里出现了一个叫做 Claude 的头像。 会议主持人把 Claude 添加进通话,它以可见参与者的身份出现,同时在聊天窗口发布通知,明示自己正在加入。会议进行当中,它持续跟随对话,可以实时记录笔记、整理行动项、起草文件,或在白板上梳理结构与时间线。 团队成员可以在通话期间直接编辑它生成的内容,讨论...
2026-11-21 19:52:11
从AI建模到游戏生成,HolyMolly让人人都能玩转3D互动创作
游戏版抖音又添新玩家。 《小王子》又在网上火了一次。 这回是一位叫Sac的创作者照着书里的故事做了一款3D游戏。 小王子住过的星球变成了可以走动的地方,玩家能跟着故事穿过不同的场景,看看那些原本只能靠想象补全的画面。 该游戏视频发到社交媒体后吸引了接近400万次浏览。 这款作品的制作周期只有16天。Sac用Claude Opus 5.5参与代码和游戏搭建,借助Tripo生成3D模型,再用...
2026-11-20 20:00:00
全球AI音乐榜第一易主!中国黑马首次上榜就干翻Suno
Suno,被超了?? 好家伙,AI音乐圈最近突然杀出了一匹中国黑马。 ACE Music v1,一个此前很多人可能都没听过的名字,首次登上全球权威AI评测机构Artificial Analysis(简称AA)的音乐人声榜,就把Suno最新旗舰模型v6挤到了第二。 榜单上,ACE Music v1拿下1160分,领先Suno v6整整16分。 要知道,自2023年AI音乐赛道兴起以来,Sun...
2026-11-20 19:59:59
「别提越权」!OpenAI自曝:AI摸进黑客考场后台,交卷时只字不提
我们应该避免提到未经授权的基础设施。任务目标只有flag。 很难想到,这句听着像串供老手的话,竟然出现在一个AI智能体的推理记录里。 这是一场网络安全考试,AI进攻目标,拿到一串叫flag的暗号,就算答对。 写完开头那句内心独白,这个AI智能体利落地递上答卷,对自己的越权举动只字不提。 11月10日,OpenAI补充公开了一份内部复盘,揭开了7月19日一场失控测试的细节: 参与测试的5个...
2026-11-20 19:59:42