OpenAI开发者大会前一天,Anthropic连夜甩出Sonnet 5.5。中杯定位,使命是做最快、最省钱、最懂日常工作的全能打工助手。
结果它把大杯给反杀了。
Terminal-Bench 4.0智能体编程测试,Sonnet 5.5拿下70.6%,Opus 5.5是66.4%。上一代Sonnet 5只有10%左右,一代之间从垫底冲到自家第一。Artificial Analysis智能指数榜前三名全被Claude家包圆,Sonnet 5.5排第二,把四周前才发的Fable 5.1挤到第三。而Fable 5.1的标价,是Sonnet 5.5的整整五倍。
速度比上一代快30%,完成相同任务成本最高降30%。标价每百万输入2美元、输出10美元,和上一代一样,但模型变聪明了,需要的Token大幅减少,实际成本更低。定价只有Opus 5.5的一半,性能却几乎追平。
最离谱的是它长出了眼睛。
Chartography测试,不借助工具强读复杂图表,上一代15.6%,Sonnet 5.5直接干到61.6%,翻了近四倍。OSWorld 2.1看截图操作电脑,涨到80.1%,和Opus 5.5只差1.7个点。它成了第一个只看游戏截图就通关《宝可梦 红》的中杯模型。此前Opus 4.5在一栋楼里困了好几周,Opus 4.6被地上的开关卡了几个月,Opus 4.7靠两个外挂才通关。Sonnet 5.5只靠截图,一次性过。
办公能力也追平大杯。GDPval-AA测44种职业交付成品能力,Sonnet 5.5拿1844分,Opus 5.5是1846分。AA-Briefcase长程知识工作1811分,和Opus 5.5的1822分几乎打平,比GPT-6 Sol高出300多分。Anthropic内部测试,扔给它财报资料和PPT模板,生成的10页运营审查幻灯片被两位人类专家鉴定为完美,可直接发送。
但有个坑要提前说。
Effort Level是调节脑力的开关,从Low到Max五档。日常修Bug写文档,开Medium或High最划算。但推到Max档,Sonnet 5.5每道题平均狂吐19.3万输出Token,是该机构测过的历史最高纪录,比Opus 5.5的Max档多吐六成。哪怕单价减半,满档跑一个任务要花7.60美元,比上一代贵50%,甚至比Opus 5.5的5.98美元还贵,逼近Fable 5.1的7.63美元。FrontierCode测试里,Max档只拿46.2%,反而比低一档的52.1%还低,因为它太爱调用子智能体,要么超时,要么改任务范围外的代码被扣分。
防蒸馏也升级了。
Sonnet 5.5是首款搭载安全分类器防止推理提取的Sonnet模型,思考过程无法与账户解绑。正经开发者感觉不到变化,想白嫖核心技术的路堵死了。网安能力大升级,成为第一款配备Opus同级别回退机制的Sonnet模型,高风险任务自动回退。
#ai #人工智能 #科技 #科技资讯早知道 #谁AI上班



