Anthropic 发布 Claude Sonnet 5.5,同价下输出快 30% 以上
Introducing Claude Sonnet 5.5
Anthropic 发布 Claude 5.5 家族的第二款模型 Claude Sonnet 5.5,已在包括 Amazon Web Services、Google Cloud 和 Microsoft Azure 在内的所有平台上线,API 名为 claude-sonnet-5-5。
Claude Sonnet 5.5 与 Sonnet 5 同价,输入每百万 token 2 美元、输出 10 美元,缓存读取降到 0.10 美元,官方称完成同一任务最多省 30%。
隆重推出 Claude Sonnet 5.5,这是 Claude 5.5 家族的第二款模型。相比 Claude Sonnet 5 有明显升级,运行速度快 30% 以上,大多数工作场景的成本最多可降低 30%。
Sonnet 5.5 是 Claude Opus 5.5 更快、成本更低的补充。Opus 5.5 专为需要审慎判断的复杂工作而打造,Sonnet 5.5 则最擅长范围明确的日常任务、修复 bug,以及制作精美的文档、幻灯片和电子表格。它对设计的眼光也相当敏锐。面向高并发、成本敏感型应用的 Claude Haiku 5.5 将在未来几周内加入 Claude 5.5 家族。
Sonnet 5.5 在以下方面较 Sonnet 5 有所提升:
性能。在智能体编程评测 Terminal-Bench 4.0 上,Sonnet 5.5 得分 70.6%,而 Sonnet 5 为 10.3%。在考察多种职业真实工作表现的 GDPval-AA 测试中,它的得分比 Opus 5.5 低两分。它在长程任务和图像理解方面表现强劲——它是首个仅凭截图就能通关 Pokémon Red 的 Sonnet 模型。
协作。与 Opus 5.5 一样,Sonnet 5.5 的行文比我们上一代模型更清晰;早期测试者称,相比 Sonnet 5,它是更好的协作伙伴。它的速度也使其非常适合在不太复杂的任务上快速迭代。
成本。Sonnet 5.5 定价与 Sonnet 5 相同,每百万输入 token 2 美元、每百万输出 token 10 美元,但完成同样的工作通常需要的 token 少得多。缓存读取为每百万 token 0.10 美元,是 Sonnet 5 的 0.20 美元的一半。在我们的测试中,它每个任务的成本比上一代最多低 30%。
速度。Sonnet 5.5 的输出生成速度比 Sonnet 5 快 30% 以上,是我们迄今最快的 Sonnet 模型。
对齐与安全。在我们的自动化行为审计中,Sonnet 5.5 在大多数对齐指标上优于或持平 Sonnet 5。由于其网络安全能力与 Opus 5 相当,它是首个在发布时即配备网络安全防护与回退机制的 Sonnet 模型,这些机制与我们为最强模型开发的机制类似。其生物安全防护与 Sonnet 5 相同。两项防护都只针对一小类高风险请求;常规软件开发和大多数生命科学工作不受影响。
性能
Sonnet 5.5 在各领域均较 Sonnet 5 有所提升——某些方面提升显著。在多项评测中,以 Max 强度运行的 Sonnet 5.5 甚至能与 Opus 5.5 表现相当。不过,基准分数只反映模型能力的一个侧面;在我们自己的测试以及外部测试者的测试中,Opus 5.5 在需要持续判断的复杂、开放式工作上仍明显更强。
| Sonnet 5.5 | Sonnet 5 | Opus 5.5 | GPT-6 Sol | |
|---|---|---|---|---|
| 智能体编程Terminal-Bench 4.0 | 70.6% | 10.3% | 66.4%¹ | — |
| 智能体编程FrontierCode 1.1(Main) | 46.2%Max² | 42.4% | 54.4% | 49.3% |
| 52.1%Xhigh | ||||
| 智能体编程CursorBench 4.0 | 55.5% | 34.1% | 57.8% | — |
| 知识工作GDPval-AA v2.1³ | 1844 | 1449 | 1846 | 1487⁴ |
| 知识工作AA-Briefcase v1.1³ | 1811 | 1359 | 1822 | 1483⁴ |
| 多学科推理Humanity’s Last Exam | 64.5%使用工具 | 54.9%使用工具 | 67.7%使用工具 | — |
| 计算机使用OSWorld 2.1 | 80.1%部分 | 57.0%部分 | 81.8%部分 | — |
| 视觉图表识别Chartography | 61.6%无工具 | 15.6%无工具 | 64.4%无工具 | 53.6%⁴无工具 |
关于我们如何开展评估的详细信息,请参阅 Sonnet 5.5 系统卡。
下图展示了各模型在每个努力等级下的得分与单任务成本之间的关系。努力等级越高,模型通常工作得越久,单任务成本随之上升,但得分一般也会更高。数据点越靠近图表的左上角,说明每美元能换来的能力越强。
在多项基准测试中,Sonnet 5.5 在低或中等努力等级下的成绩就超过了 Sonnet 5 的最佳得分,而单任务成本只有后者的约十分之一。在较低努力等级下,它与 Opus 5.5 配合得最好,此时单任务成本更低;在较高等级下,它也能以相近的成本达到相当的表现。
Terminal-Bench 4.0 衡量模型在命令行界面中完成复杂、多步骤专业任务的能力。在中等努力等级(Claude 应用中的默认设置)下,Sonnet 5.5 远超 Sonnet 5 的最佳得分,而单任务成本不到后者的十分之一。
Terminal-Bench 和 OpenAI 均未公开 GPT-6 Sol 的表现,因此我们在此报告的是 GPT-5.6 Sol。
编程
Sonnet 5.5 的性能提升在编程方面尤为明显。在 FrontierCode 上以高努力等级运行时,它的得分比同等设置下的 Sonnet 5 高出 10 分,而单任务成本约为后者的十五分之一。在 CursorBench(用真实 Cursor 编程会话中的任务测试模型)上,它的最佳得分与 Opus 5.5 相差约两分以内。
早期测试者很欣赏 Sonnet 5.5 理解代码库的速度。它的效率也令他们印象深刻:在对比测试中,它比 Sonnet 5 更常把工具调用批量合并,从而减少步骤、降低成本。
引述
“在 Epic 的早期测试中,Claude Sonnet 5.5 达到了你对更高一档模型的品质预期,在系统设计审计和数据流审查中都表现稳健。新模型管理了游戏系统架构中数万行代码,响应依然迅速,能处理耗时数小时的任务,而且所需的提示词指导更少。”
公司Epic Games
作者Daniel Vogel,首席运营官
知识工作
Sonnet 5.5 在知识工作的多个领域都有提升。在 GDPval-AA 上(用覆盖 44 种职业、九大行业的真实任务测试模型),Sonnet 5.5 的得分几乎与 Opus 5.5 持平,比 Sonnet 5 高出约 400 分。在计算机使用和图表识别方面,它接近 Opus 5.5,并在长周期知识工作上明显优于 Sonnet 5 和 GPT-6 Sol。
早期测试者还指出了那些不太容易量化的改进。他们觉得它更像自然的对话伙伴,并称赞它的设计天赋:它能为用户界面增添精致感,还能按照幻灯片模板制作出几乎无需修改的演示文稿。在一次内部测试中,我们给它一家上市公司的季度财报材料和电话会议记录,外加一个幻灯片模板,要求它做一份 10 页的经营回顾。两位专家认为它的初稿可以直接发送。
引述
“我们没有改动任何提示词,Claude Sonnet 5.5 在几乎所有离线 Slackbot 评测中的表现都优于 Sonnet 5,而且步骤更少、输出 token 数减少约 14%。当用户给 Slackbot 派任务时,质量和速度是最重要的,Sonnet 5.5 让 Slackbot 能为用户更快地交付更好的结果。”
公司Slack
作者Curtis Allen,首席工程师
成本与速度
Sonnet 5.5 完成每个任务所需的 token 比 Sonnet 5 更少,因此运行成本更低。它的输出生成速度也提升了 30% 以上,效率提升立竿见影:
提示词:
一个 HTML 文件里呈现 400 只椋鸟的群飞
Claude Sonnet 5

Claude Sonnet 5.5

调整努力程度,可以在成本、速度与整体质量之间取得平衡。在 Claude Code 和我们的应用中,默认努力程度为 Medium,而 Claude 平台默认为 High。设置较低时,Claude 回答更快、消耗 token 更少,适合日常任务;设置较高时,Claude 会进行更长时间的推理,更彻底地检查自己的工作。
安全
对齐
Sonnet 5.5 并未推进我们模型能力的前沿,因此我们的对齐评估聚焦于一组有针对性的风险,这些风险适用于任何能力水平的模型,包括违背用户利益行事、误导用户,以及配合高风险的滥用行为。
在我们的自动化行为审计中(约 1,850 个场景对 Claude 进行测试),Sonnet 5.5 在对齐、抵御滥用和诚实性的大多数指标上优于或持平 Sonnet 5。在较新的隔离评估中,Sonnet 5.5 在极少尝试逃出沙箱方面接近我们测试过的最佳模型 Opus 5.5,并且在我们所有模型中,它最不可能去试探容器的边界。纵观整个审计,Opus 5.5 的整体表现仍略好,但我们没有发现任何证据表明 Sonnet 5.5 会追求与用户意图相冲突的目标。
正如我们在近期对齐评估中所述,没有任何一组评估能可靠地捕捉到所有失败情形,Sonnet 5.5 可能还存在我们尚未发现的倾向,因此我们将自身的对齐工作与下文所述的防护措施配合使用。
防护措施
网络安全。Sonnet 5.5 的网络能力相比 Sonnet 5 有大幅提升,因此我们部署它时采用了与 Opus 5.5 类似的防护措施。用户仍可在日常软件开发中发现并修复代码缺陷,但风险较高的网络安全任务会明显回退到 Sonnet 5。不久后,网络防御人员将可以申请我们扩展后的网络验证计划,分级获取 Sonnet 5.5、Opus 5.5 和 Claude Mythos 模型上更高级的能力。
生物学。Sonnet 5.5 使用与 Sonnet 5 相同的一套生物学防护措施。这些措施针对有害请求;大多数研究、教育和临床工作不受影响,不过部分微生物学和病毒学请求可能会被误标。机构可以申请我们的生命科学验证计划,获取为各类生物学相关工作设计的防护措施。
蒸馏攻击。所谓蒸馏攻击,是指攻击者利用成千上万个虚假账号,以工业化规模提取模型能力,从而让恶意行为者无需我们为 Claude 内置的安全防护,就能造出能力极强的模型。由于 Sonnet 5.5 的能力远超上一代,它成为首个在发布时就配备安全分类器的 Sonnet 模型,可防止推理过程被提取。Sonnet 5.5 还扩展了保留思考机制,使 Claude 的思考无法与创建它的账号分离。大多数开发者不会察觉到变化。如果你需要在账号之间迁移对话,包括在 Claude Code 会话中途切换账号,我们的文档文章对此有详细说明。
快速上手
与 Opus 5.5 和 Sonnet 5 一样,Claude Sonnet 5.5 支持零数据保留。
Claude Sonnet 5.5 现已在所有平台上线,包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。开发者可以通过 claude-sonnet-5-5 在 Claude 平台上开始使用。如果你此前以关闭思考的模式运行 Sonnet,需要先切换到新的 between_tools 设置(该设置会保持前置思考关闭),再迁移到 Sonnet 5.5。详情请参阅我们的迁移指南。
来源:Anthropic News · anthropic.com