Anthropic 周一发布了 Claude Sonnet 5.5,这是对 6 月发布的 Sonnet 5 的升级版,定价为每百万个输入代币 2 美元、每百万个输出代币 10 美元。该中端模型的运行速度比前代快 30% 以上,并在 Terminal-Bench 4.0 中取得 70.6% 的成绩,超过了价格更高的 Opus 5.5 的 66.4%,据 Anthropic 的数据。独立测试机构 Artificial Analysis 以 Sonnet 5.5 的 63.6% 对比 Opus 5.5 的 59.6% 的成绩证实了这一优势,不过该机构指出,Sonnet 5.5 每项任务使用的代币数量超过了其测试的任何模型。
Anthropic 将 Sonnet 5.5 的价格定为 Opus 5.5 的一半
价格仍为每百万个输入代币 2 美元、每百万个输出代币 10 美元,与 Sonnet 5 相比没有变化,是 Opus 5.5 价格的一半。代币是 AI 读取和生成的文本块,比单词略短,而企业按百万代币计费。与 Sonnet 5 相比,Sonnet 5.5 每项任务使用的代币少了近三分之一,因此运行成本低于前代。
竞争对手的价格相当。OpenAI 上周将 GPT-6 Sol 的价格下调至 2 美元和 10 美元,而其中端模型 GPT-5.6 Terra 的定价为 2 美元和 12 美元。
Sonnet 5.5 在编码基准测试中击败 Opus 5.5
在 Terminal-Bench 4.0 中——这项测试评估 AI Agent 能否通过自行输入命令完成复杂的专业任务,评分标准是完成任务的比例——Sonnet 5.5 达到了 70.6%。Opus 5.5 得分为 66.4%,Sonnet 5 则为 10.3%。简单来说,价格更低的模型完成了更多任务。
Artificial Analysis 运行了自己的测试版本,结果也得出了相同结论:Sonnet 5.5 为 63.6%,Opus 5.5 为 59.6%,OpenAI 的 GPT-6 Astra 为 59.1%。得分取决于努力程度设置,这个调节项会让模型花更长时间思考,以获得更好的答案,同时产生更高的账单。Anthropic 表示,在高努力程度下,Sonnet 5.5 在 FrontierCode 上的表现可匹敌 GPT-6 Sol,而每项任务的成本约为后者的五分之一。
在 GDPval-AA 中,Sonnet 5.5 得分为 1844,而 Opus 5.5 为 1846,基本可以视为平局。该测试使用类似国际象棋的 Elo 系统对相对技能进行排名,评估 44 个职业中的现实世界专业工作。GPT-6 Sol 得分为 1487。
Anthropic 写道:“Sonnet 5.5 最擅长范围明确的日常任务、修复漏洞,以及创建精美的文档、幻灯片和电子表格。它在设计方面也有敏锐的眼光。”
代币使用量高推高每项任务成本
Sonnet 5.5 非常健谈。在最高努力程度下,它每项测试任务约生成 193,000 个代币,这是 Artificial Analysis 测得的最高数量,比 Opus 5.5 大约多 60%。这使每项任务的成本达到 7.60 美元,比 Sonnet 5 高出约 50%,与 Anthropic 所称的最高可节省 30% 的说法相悖。
Anthropic 所说的节省来自较低的设置:在默认的中等努力程度设置下,Anthropic 表示,Sonnet 5.5 的编码得分超过了 Sonnet 5 的最佳成绩,而成本不到后者的十分之一。Artificial Analysis 表示,高努力程度的性价比最高。对日常用户而言,这意味着只要将调节项保持在较低水平,就能以一小部分价格获得接近旗舰级的编码能力。
Anthropic 的表格数据由其自行报告,而 Artificial Analysis 测试的是预发布版本,其中存在一个漏洞。Anthropic 预计该漏洞对得分的影响很小,或略微低估了得分。Anthropic 表示,在需要持续判断的复杂工作中,Opus 5.5 仍然明显更强。
Claude Haiku 5.5 将于未来几周推出
Claude Haiku 5.5 面向高频、大规模且对成本敏感的应用,预计将在未来几周推出。
常见问题
Claude Sonnet 5.5 的定价与 Opus 5.5 相比如何?
Claude Sonnet 5.5 的定价为每百万个输入代币 2 美元、每百万个输出代币 10 美元,是 Opus 5.5 价格的一半。该定价与 Sonnet 5 相比没有变化。
为什么 Sonnet 5.5 在编码基准测试中的得分高于 Opus 5.5?
据 Anthropic 的数据,在 Terminal-Bench 4.0 中,Sonnet 5.5 的得分为 70.6%,而 Opus 5.5 为 66.4%。独立测试机构 Artificial Analysis 也证实了这一点:Sonnet 5.5 为 63.6%,Opus 5.5 为 59.6%,表明价格更低的模型完成了更多编码任务。
Claude Sonnet 5.5 每项任务的实际成本是多少?
在最高努力程度下,Sonnet 5.5 每项测试任务使用约 193,000 个代币,每项任务成本为 7.60 美元,比 Sonnet 5 高出约 50%。在默认的中等努力程度设置下,Anthropic 表示,Sonnet 5.5 的编码得分超过了 Sonnet 5 的最佳成绩,而成本不到后者的十分之一。