簡述

  • Anthropic 於週一發布 Claude Sonnet 5.5，每百萬輸入 token 收費 2 美元，每百萬輸出 token 收費 10 美元——與 Sonnet 5 相同，且為 Opus 5.5 價格的一半。
  • 根據 Anthropic 的說法，Sonnet 5.5 在 Terminal-Bench 4.0 上得分 70.6%，而 Opus 5.5 為 66.4%；獨立測試機構 Artificial Analysis 也認為它領先，分別為 63.6% 對 59.6%。
  • Artificial Analysis 將其排在 Opus 5.5 之後，位居第二，但表示它每項任務使用的 token 比其測試過的任何模型都多。

Anthropic 於週一發布 Claude Sonnet 5.5，這是對六月推出的 Sonnet 5 的升級。Anthropic 表示，這款中階模型的運行速度比其前代快 30% 以上。

「Sonnet 5.5 在範圍明確的日常任務、修復錯誤，以及製作精美的文件、簡報和試算表方面最為強大。它對設計也有敏銳的眼光，」Anthropic 寫道。

Myriad: How low will Nvidia go? Click to make your prediction.
Myriad：Nvidia 會跌到多低？點擊做出你的預測。

價格維持在每百萬輸入 token 2 美元、每百萬輸出 token 10 美元。Token 是 AI 讀寫的文字區塊，比一個單詞稍短，而公司按百萬計費。這是 Opus 5.5 收費的一半。然而，它每項任務使用的 token 少了近三分之一，這意味著它最終運行起來比 Sonnet 5 更便宜。

話雖如此，這個模型在程式設計方面表現出色。在 Terminal-Bench 4.0 上——這是一項測試 AI 代理能否自行輸入指令完成複雜專業任務的測試，以完成任務的比例計分——Sonnet 5.5 達到了 70.6%。Opus 5.5 得分為 66.4%，而 Sonnet 5 僅達到 10.3%。

簡單來說，更便宜的模型完成了更多工作。 Artificial Analysis，一家獨立測試公司，運行了自己的版本並表示同意：Sonnet 5.5 為 63.6%，Opus 5.5 為 59.6%，而 OpenAI 的 GPT-6 Astra 為 59.1%。

分數也取決於努力設定，這是一個讓模型思考更久以獲得更好答案、同時帳單也更高的調節旋鈕。Anthropic 表示，Sonnet 5.5 在高努力設定下，在 FrontierCode 上可與 GPT-6 Sol 匹敵，而每項任務成本約為其五分之一。

在 GDPval-AA 上，該基準使用 Elo——這套類似西洋棋、用來排名相對技能的系統——為橫跨 44 種職業的真實世界專業工作評分，Sonnet 5.5 得分 1844，Opus 5.5 得分 1846，實際上打成平手。GPT-6 Sol 得分 1487。

競爭對手也跟上價格。 OpenAI 上週將 GPT-6 Sol 降至 2 美元與 10 美元，而其中階模型 GPT-5.6 Terra 定價為 2 美元與 12 美元。Anthropic 未公布 Terra 的基準測試。

問題所在

Sonnet 5.5 話很多。在最大努力設定下，它每個測試任務寫了約 193,000 個 token，是 Artificial Analysis 測量過最多的，約比 Opus 5.5 多 60%。這相當於每項任務 7.60 美元，約比 Sonnet 5 高 50%，這與 Anthropic 聲稱最多可節省 30% 的說法相牴觸。

Anthropic 的節省來自較低設定：在其應用程式中預設的中等努力設定下，該公司表示 Sonnet 5.5 以不到十分之一的成本，超越 Sonnet 5 的最佳程式編寫分數。Artificial Analysis 表示，高努力設定最具性價比。對日常使用者而言，這意味著只要把旋鈕保持在低檔，就能以一小部分價格獲得接近旗艦級的程式編寫能力。

Anthropic 的表格是自行回報的，而 Artificial Analysis 測試的是一個預發布版本，該版本存在一個錯誤，Anthropic 預期這對其分數的影響很小或略微低估了其分數。Anthropic 表示，Opus 5.5 在需要持續判斷的複雜工作上仍然明顯更強。

Claude Haiku 5.5 專為高用量、成本敏感的應用而打造，預計將在未來幾週內推出。