# Sonnet 5.5上线，开发者变天！编程测评从10.3%冲到70.6%

来源: https://hajimi.yun/blog/sonnet-5-5-arrives-coding-scores-jump

9月28日Anthropic发布Claude Sonnet 5.5，输出快30%以上，任务成本最多降30%。

单价没动，输出却快了三成！编程测评从 10.3% 一下拉到 70.6%！

 9月28日，Anthropic 发布 Claude Sonnet 5.5，Claude 5.5 家族的第二款模型。官方定位写得很硬：它是 Claude Sonnet 5 的明确升级，也是 Claude Opus 5.5 更快、更便宜的补充。Opus 5.5 留给需要仔细判断的复杂工作。Sonnet 5.5 最强的地方，是范围清楚的日常任务：修 bug，打磨文档、幻灯片和电子表格。官方还补了一句，它对设计更挑。高吞吐、更吃成本的 Claude Haiku 5.5，会在未来数周加入这个家族。

 哈基米云报道。

 价格行一行都没改。Claude 平台的模型 ID 是 claude-sonnet-5-5 。输入每百万 token 仍是 2 美元，输出仍是 10 美元，缓存读取仍是 0.20 美元，和 Sonnet 5 相同。Anthropic 说，同一件事它通常用掉的 token 少得多，所以大多数工作的单项任务成本最多降 30%。输出生成速度比 Sonnet 5 快 30% 以上，官方称这是迄今最快的 Sonnet。和 Opus 5.5 并排时，缓存写入是 2.50 美元对 5 美元，输入 2 美元对 4 美元，输出 10 美元对 20 美元，缓存读取两边都是 0.20 美元。接口文档把缓存写入拆开：五分钟 2.50 美元，一小时 4 美元；Opus 5.5 对应是 5 美元和 8 美元。批量接口的输入和输出打五折。只在美国推理，价格是标准价的 1.1 倍。可缓存提示的最短长度从 Sonnet 5 的 1024 token 降到 512。缓存读取大约是输入价的十分之一。

 开发者会先盯编程测评，而且必须把档位读完。

 Terminal-Bench 4.0 测的是命令行里的多步专业任务。Sonnet 5.5 是 70.6%，Sonnet 5 是 10.3%。同表里的 Opus 5.5 是 66.4%，脚注写明这是它在 Xhigh 努力程度下的最高分。官方另说：Claude 应用里默认的 Medium 努力程度下，Sonnet 5.5 已经远超 Sonnet 5 的最好成绩，每项任务成本还不到后者的十分之一。这一格没有公开的 GPT-6 Sol 分数，成本图里改报的是 GPT-5.6 Sol。

 CursorBench 4.0 用的是真实 Cursor 会话里那些说不清、又跨多个文件的任务。Sonnet 5.5 是 55.5%，Sonnet 5 是 34.1%，Opus 5.5 是 57.8%。SpaceXAI 机器学习负责人 Sualeh Asif 的原话是：这是仅次于 Opus 5.5 的前沿水平。官方补了一句，Low 努力程度就能超过 Sonnet 5 的最好分，成本不到十分之一。最好成绩和 Opus 5.5 大约差两个点。这一格同样没有公开的 GPT-6 Sol，图上用的是 GPT-5.6 Sol。

 FrontierCode 1.1 主集看的是改动能不能直接合并。Sonnet 5.5 在 Xhigh 是 52.1%，在 Max 是 46.2%，Sonnet 5 是 42.4%，Opus 5.5 是 54.4%，GPT-6 Sol 是 49.3%。Max 反而低于 Xhigh。官方解释：Max 时模型更常去跑 Claude Code 的代码审查，把审查拆给很多子代理；Cognition 看过的两个案例里，出现了超时，或者改到了任务范围之外，分数就被罚下来。FrontierCode 会惩罚超出范围的修改，哪怕改得有用。同一 High 努力程度下，官方说它比 Sonnet 5 高 10 分，每项任务成本大约只有十五分之一。Claude 平台默认就是 High。这一档去对 GPT-6 Sol 的最好成绩，大约能打平，成本约五分之一。

 哈基米科技

 知识工作没有被编程数字盖住。

 GDPval-AA v2.1 覆盖 44 个职业、九大行业。Sonnet 5.5 是 1844，Sonnet 5 是 1449，Opus 5.5 是 1846，GPT-6 Sol 是 1487。官方概括成：比 Opus 5.5 低两个点，比 Sonnet 5 高出大约 400 点。AA-Briefcase v1.1 是 1811，对上 Sonnet 5 的 1359、Opus 5.5 的 1822、GPT-6 Sol 的 1483。官方说，Medium 努力程度下，它超过 Sonnet 5 的最好成绩，每项任务成本大约只有九分之一。Humanity’s Last Exam 在使用工具时是 64.5%，Sonnet 5 是 54.9%，Opus 5.5 是 67.7%。电脑操作 OSWorld 2.1 的部分完成分是 80.1%，上一代 57.0%，Opus 5.5 是 81.8%。图表识别 Chartography 不用工具是 61.6%，上一代 15.6%，Opus 5.5 是 64.4%，GPT-6 Sol 是 53.6%。

 长程任务和图像理解被单独点名：它是第一个只看截图就能打通《宝可梦 红》的 Sonnet。

 这些数字不能直接翻译成「Sonnet 换掉了 Opus」。Anthropic 写明，若干评测上，Sonnet 5.5 开到 Max，可以接近 Opus 5.5；但基准只照到能力的一个面。官方内部测试和外部测试者都认为，需要持续判断的复杂、开放式工作，Opus 5.5 仍然明显更强。GDPval-AA 和 AA-Briefcase 是 Artificial Analysis 在预发布部署上跑的。当时结构化输出有个可能拖累回答的 bug，Anthropic 预计影响不大，而且是低估了 Sonnet 5.5，这个 bug 后来已修好。OpenAI 近期修过 GPT-6 Sol 的图像理解 bug，部分第三方分数未必已经换成最新版本。Chartography 的内部复核认为这一格没有受到影响。

 早期测试者把「快」和「省」说得更具体。

 Epic Games 首席运营官 Daniel Vogel 说，早期测试里，Sonnet 5.5 达到了他们预期中更高一档模型的质量线，撑住了系统设计审计和数据流审查；游戏系统架构这边管过数万行代码，响应仍然利落，多小时任务也能做完，提示也不必写得那么细。Unity 创意技术专家 Sam Zhang 说，他们的完成标准是项目要重新打开、结果要在运行时核对，模型说做完了不算数。Sonnet 5.5 的大部分工作过了这道检查，并在多步 Unity 编辑器与编程基准里完成了 90% 的任务。

 Slack 首席工程师 Curtis Allen 说，提示一个字没改，Sonnet 5.5 在几乎全部离线 Slackbot 评测上都好于 Sonnet 5，步数更少，输出 token 大约少 14%。Zendesk 人工智能总监 Abhinay Kathuria 说，数百个真实客服场景里，错误决定更少，工单处理快了 20%。Lovable 联合创始人兼首席技术官 Fabian Hedin 说，编程评测里工具调用大约少三分之一，shell 运行大约少一半。Atlassian 人工智能产品负责人 Jamil Valliani 说，Sonnet 5.5 能让团队把 Rovo 智能体跑得比 Sonnet 5 快最多 30%。Every 的设计师 Tyler Nishida 则把写作也算进去：写代码快，迭代时好指挥，需要的时候也能做长任务，还带上了 Opus 5.5 那一档更自然的文字。

 设计侧有一次内部测试。Anthropic 把一家上市公司的季度业绩材料和电话会纪要，连同一套幻灯片模板交进去，要求做 10 页经营回顾。两位专家判定，第一稿可以直接发出。发布稿还引用了三组没有写明公司名的反馈：118 个真实应用构建里，成品质量和 Opus 5 打平，平均 3.6 轮迭代，Opus 5 要 7.7 轮，失败的工具调用也是对比里最少的；2441 道金融任务里，每份回答大约用 12.1 万 token，Sonnet 5 大约用 49.7 万；另一则金融与医疗反馈说，它更准、快了 2.4 倍、总 token 少 12%。公司名页面上没写，这里不补。

 哈基米科技

 规格和档位决定账单怎么走。

 上下文窗口是 100 万 token，原生支持，不用 beta 头。同步输出上限 12.8 万 token。消息批量接口配上 beta 头 output-300k-2026-03-24 ，输出可以到 30 万 token。输入是文字和图像，输出是文字。可靠知识截止和训练数据截止都到 2026 年 6 月。分词器与 Sonnet 5 相同。速率限制与 Sonnet 5 分开计算，默认档位数值相同。优先层级在 Claude API 上可用。符合条件的客户可以零数据保留。退役不会早于 2027 年 9 月 28 日。

 图像走高分辨率档，长边最多 2576 像素。一张 2000×1500 的图，token 大约是 Sonnet 4.6、Sonnet 4.5 或 Haiku 4.5 的 2.5 倍。不需要那么细，就先缩小再送。

 努力程度有五档：low、medium、high、xhigh、max。Claude API 默认 high，Claude Code 和官方应用默认 medium。档位和上一代不能一一对应，官方建议重新扫一遍自己的评测。智能体编程和多步工具调用，规格清楚的从 medium 起，更难更长的再上 high。聊天和吃延迟的，从 medium 或 low 起。xhigh 和 max 只在评测证明质量真的上去时再用，否则会把 Sonnet「又快又省」的那一面磨掉。那种时候，官方建议换 Opus 5.5。思考 token 算进 max_tokens。想少想一点，要降努力程度，写在系统提示里并不稳。low 档有时会跳过真正跑一遍改动的检查。官方给的办法是在系统提示里要求：能跑测试、类型检查或构建，就先跑再报完成。

 从 Sonnet 5 迁过来，有五项会让旧代码直接返回 400 的变更，外加一项不报错但会让界面变静的响应变化。

 思考默认打开，而且是自适应思考。继续发送关闭思考会 400。若只要关掉前置思考，改用 between_tools ：思考只发生在工具调用之间，总响应时间相同或更快。它只支持 low、medium、high，配 xhigh 或 max 会 400，也不能再带显示、思考预算等额外字段。强制指定某个工具也会 400，要改成自动选择，并把工具标成 strict。思考块绑在这个模型和这段对话上：Sonnet 5.5 能读 Sonnet 5 留下的思考块，别的模型读不了 Sonnet 5.5 的。Claude API 和 Google Cloud 上，旧的 computer_20251124 不再接受，要换成 computer_toolset_20260801 ；Amazon Bedrock 仍接受旧工具。顾问工具会拒绝把 Opus 4.8、Opus 4.7 和 Sonnet 5 当成顾问，接受的包括 Opus 5.5、Opus 5 和 Sonnet 5.5 自己。工具调用之间的说明文字改从 thinking 块里读；不设置 display，界面会在两次工具调用之间安静下来。 temperature 、 top_p 、 top_k 只要不是默认值，也会 400。

 Claude Code 从 v2.1.284 起（TypeScript Agent SDK 从 v0.3.284 起）， sonnet 这个别名在 Claude API 上指向 Sonnet 5.5，默认 medium，100 万上下文原生可用。在 Claude Code 里不能把思考关掉。Sonnet 5.5 没有 fast mode。默认模型仍是 Opus 5.5，范围清楚的任务用 /model sonnet 切过去。官方还提供迁移命令，用来改模型编号和那些会 400 的参数。

 哈基米科技

 安全评估没有把这家公司的能力前沿再往前推。Anthropic 写明，对齐评估盯的是任何能力档都存在的风险：违背用户利益、误导用户，以及在高风险滥用上配合。自动行为审计大约 1850 个场景。多数对齐、抗滥用和诚实指标上，它好于或持平 Sonnet 5。较新的隔离评测里，它试图逃出沙箱的次数接近他们测到的最好模型 Opus 5.5，而且是自家模型里最不爱去试探容器边界的一个。整份审计里，Opus 5.5 整体仍略好。官方没有发现 Sonnet 5.5 在追求和用户意图冲突的目标，同时也承认，没有任何一组评测能抓住每一次失败。

 网络安全能力比 Sonnet 5 提高很多，已经接近 Opus 5，因此它是第一个带上与最强模型同类防护和回退的 Sonnet。日常找 bug、改代码不受影响。更高风险的网络安全请求会明显回退到 Sonnet 5。网络空间验证计划随后会扩到 Sonnet 5.5、Opus 5.5 和 Claude Mythos，合格人员可以申请分层权限。生物安全措施与 Sonnet 5 相同，针对有害请求；多数科研、教育和临床工作不受影响，部分微生物学和病毒学请求可能被误标。生命科学验证计划仍可申请。它也是第一个带上防止抽取推理的分类器的 Sonnet，并扩大了保留思考：思考不能跟创建它的账号拆开。大多数开发者不会察觉。若在账号之间搬走对话，包括在 Claude Code 里中途换号，需要看官方说明。

 被拒绝的请求返回 HTTP 200， stop_reason 为 refusal 。类别有五类：cyber、bio、frontier_llm、reasoning_extraction、general_harms。服务端回退会把 cyber 和 frontier_llm 重试到 Sonnet 5，另外三类不重试。

 现在就能用。Claude.ai 的网页、iOS 和 Android 可以对话。开发者侧已经铺到 Claude API、Amazon Bedrock、AWS 上的 Claude Platform、Google Cloud，以及 Microsoft Foundry 的全球标准部署。Bedrock 的模型编号是 anthropic.claude-sonnet-5-5 ，其余平台是 claude-sonnet-5-5 。发布稿同时点名了 Amazon Web Services、Google Cloud 和 Microsoft Azure。AWS 同一天宣布，Bedrock 和 AWS 上的 Claude Platform 可以试用。

 日常任务的位置，是 Anthropic 自己划出来的。单价没涨，速度和省 token 写在发布稿里。复杂、开放、要一直判断的工作，官方仍把 Opus 5.5 留在前面。

 做项目需要大模型，国内的、国外的这里都能接到。价格谈得下来，调用稳得住，出了问题有人跟到落地。

平顶山市哈基米与他的朋友们科技有限公司

联系电话：17629730802

公司官网：hajimi.yun