Claude Sonnet 5.5：快30%还更便宜
Anthropic 推出了 Claude Sonnet 5.5，这是 Claude 5.5 家族的第二款模型。相比前代，它不仅运行速度快了30%以上，任务成本还降低了30%。在 Terminal-Bench 4.0 等代码评测中，Sonnet 5.5 的表现从10.3%飙升至70.6%，甚至能仅凭截图通关 Pokémon Red。Epic Games 和 Slack 的早期测试反馈显示，该模型在处理复杂系统架构和自动化任务时，既保持了高质量又显著提升了效率。作为 Opus 5.5 的高性价比补充，Sonnet 5.5 专为日常任务、代码修复和文档制作打造，同时配备了与顶级模型相当的网络安全防护。
在 Epic 的早期测试中，Claude Sonnet 5.5 达到了人们预期的高级模型质量标准，在系统架构审计和数据流审查中表现稳健，该新模型处理了数行游戏系统架构代码，保持了响应敏捷，处理了数小时的任务，并以更少的指令性提示交付了成果。
HN 评论区
602- Sol-
这大概是个发达国家的问题，但得益于 Opus 5.5 的效率，5x 套餐的限制对我日常工作的需求来说已经绰绰有余了，哪怕同时运行 2-3 个会话也是如此。所以我开始疑惑，我什么时候才会用到 Sonnet 5.5 呢？
对我来说，如果要保留某种程度的理解力，比这更高的并发量其实并不实用。也许对于纯 Web 应用或前端任务来说情况不同，因为那些任务更看重结果而非过程，但我在那方面经验不多（而且我也不想贬低这些领域，我可能低估了它们的复杂性）。
所以令人惊讶的是，就现阶段而言，我自己工作对模型能力的需求几乎已经饱和了。我不确定接下来该如何扩展。当然，我可以把所有请求都开到最大努力模式，为了消耗 token 而消耗 token，但这肯定不是长久之计。而且对于很多任务，我确实无法定义出如此明确的验收标准或自我验证循环，从而让我能受益于让智能体（或一群智能体）自主运行一整天。
所以我意识到这是我自己的技能问题，但我应该不是唯一一个有这种感受的人。我在想，token 的需求量是否真的存在上限，至少在短期内是这样。感觉要么是他们加速迈向 AGI 和 RSI（递归自我改进），让 AI 自己找到 token 的用途；要么就是事情会在某个节点达到 plateau（停滞）。
注：我这么想并不是因为我是 AGI 怀疑论者，或者认为智能存在天花板，而仅仅是因为对于公司来说，可能会出现一个经济困境的谷底，即 token 的供给超过了需求，du […]
- thefourthchime
它在一次性生成 PacMan 克隆版方面表现非常出色，几乎完美。
https://jonclegg.github.io/pacman-bakeoff/entries/claude-son...
仅次于 Opus 5.5，后者是完美的。
https://jonclegg.github.io/pacman-bakeoff/entries/claude-opu...
直到非常最近之前，所有模型在这方面都很吃力。
所有结果：
- abejora
Sonnet 5.5 在 Terminal-Bench 上的得分（70.6）高于 Opus 5.5（66.4），这很有趣。我特意去查了一下，因为感觉有点不对劲。
结果是，Opus 有 10% 的测试用例因安全机制触发了备用模型回答；而 Sonnet 的备用模型触发率仅为 1.5%。[1] 所以我不建议对此过度解读，仅仅是备用模型使用率的差异就足以解释这个差距。
[1] Sonnet 5.5 系统卡（System Card）第 8.5 节
- vincengomes
对于那些问“既然 Opus 5.5 各方面都更好，Sonnet 5.5 存在的意义是什么”的朋友们：Sonnet 现在已经是免费层级的默认模型了，这意味着使用 Claude Web 免费版的用户现在也能接触到几乎接近前沿水平的模型。
- azuanrb
除非你使用的是 Astra、Sol、Fable 或 Opus 这类前沿模型，否则我觉得你通常用中国模型会更划算，价格只是零头。我不确定大家是否意识到它们已经变得多么具有竞争力。
GLM 和 DeepSeek 就是很好的例子。它们有点像 Linux 或 Android，并没有一个绝对最好的提供商。你需要做一些调研，尝试几个，然后选择最适合你使用场景的那个。
我认为这也是为什么 Anthropic 一直大力推销其最昂贵模型的部分原因。Sonnet 和 Haiku 曾经很棒，但在那个智能水平上，它们要在价格上与已经大幅追赶上来的中国模型竞争变得难上加难。
现在使用 Anthropic 或 OpenAI 前沿模型的主要理由，在于智能与速度的结合。中国的前沿模型仍然难以匹敌这一点，部分原因可能是硬件限制。但根据最近 GLM 的发布情况判断，它们似乎正朝着正确的方向迈进。
- wongarsu
“Sonnet 5.5 的网络攻防能力相比 Sonnet 5 有了显著提升，因此我们部署了与 Opus 5.5 类似的安全保障措施。用户仍可以在常规软件开发过程中查找和修复代码漏洞，但高风险的网络安全任务将明显回退到 Sonnet 5。”
听起来至少对于 Anthropic 的模型来说，我们在 Opus 4.8 上已经达到了网络攻防能力的巅峰。在此之后的所有内容都会回退到更弱的模型。
- MisterMunchkin
它的价格是我使用的中国模型的 20 倍。我根本不需要它们了。当然，如果工作强制要求，我会用，但除此之外我就不再为它们付费了。
而且我的公司甚至不会为 Claude 买单，因为它贵得离谱。
- wkcheng
成本/性能图表显示，在几乎所有配置下，它看起来都比 Opus 差。如果你在 Opus 5.5 high 模式下能获得更好的结果（更高的分数、更低的成本），为什么还要在 Sonnet 5.5 上使用 xhigh 模式呢？
有什么好的使用场景吗？这不像 Luna，在某些情况下使用 Luna 确实便宜且高效得多。
- simonw
鹈鹕（Pelicans）。Sonnet 5.5 存在和 Opus 5.5 一样的问题：在“max”思考努力下，它烧掉了 128,000 个思考 token（耗时 15 分钟），结果在生成最终的 SVG 之前就耗尽了。
https://tools.simonwillison.net/markdown-svg-renderer?url=ht...
以下是不同思考努力等级的对比：
low
27 输入，1,623 输出，thinking_tokens: 0
1.6284 美分
耗时：10138ms (10s)
medium
27 输入，1,796 输出，thinking_tokens: 0
1.7914 美分
耗时：11266ms (11s)
high
27 输入，2,334 输出，thinking_tokens: 745
2.3394 美分
耗时：17376ms (17s)
xhigh
27 输入，5,730 输出，thinking_tokens: 2535
5.7354 美分
耗时：41882ms (41s)
max (未能返回响应)
27 输入，128,000 输出，thinking_tokens: 128000
$1.28
耗时：940617ms (15 分 40 秒)
Low 和 medium 模式都使用了 0 个思考 token。
- ghoshbishakh
所以 Sonnet 现在比 Fable 更好了？那个 Fable 可是危险到无法发布啊？我现在完全晕了。