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。