Sonnet 5.5：终端任务打赢 Opus 5.5，价格只要零头
老二把老大打了。Anthropic 9 月 28 日周一发布 Claude Sonnet 5.5，Terminal-Bench 4.0 跑出 70.6%，Opus 5.5 是 66.4%。被它替代的 Sonnet 5 是多少？10.3%。不是打错字，这就是整件事的核心：长时间终端任务，一代之间涨了七倍。
价格是每百万输入 token 2 美元、输出 10 美元，缓存读取 0.2 美元。官方说比 Sonnet 5 快 30% 以上，单任务成本最多低 30%。后面这个数比 token 单价重要得多，因为 agent 是按循环烧钱，不是按调用。OSWorld 2.1 拿到 80.1%，Opus 5.5 是 81.8%；GDPval-AA 1844 对 1846，基本打平；CursorBench 和 FrontierCode 上 Opus 还领先几个点。它还是第一个靠截图通关《精灵宝可梦 红》的 Sonnet，听着像噱头，其实这是几百小时、没有任何 API 的纯电脑操作任务。
两个细节值得看。第一，Anthropic 公布的是单任务成本，不只是价目表。这是每个做 agent 的人真正需要的数字，行业里还很少有人给。第二，这是第一个和 Opus、Fable 套用同一级网络安全防护的 Sonnet，另外加了防推理过程被蒸馏的分类器。一个中档模型在终端里能干这么多事，已经被当成双刃工具来管了。
落地的判断很简单：大部分 agent 循环的默认模型，今天换了。最难的编码和设计活还是交给 Opus，但跑大量、边界清楚的长任务的团队，这周就该把评测切到 claude-sonnet-5-5 重跑一遍。官方说新 Haiku 几周内到，到时候路由层又得重新洗一次牌。
链接：anthropic.com/claude-sonnet-5-5
← 返回所有文章
价格是每百万输入 token 2 美元、输出 10 美元，缓存读取 0.2 美元。官方说比 Sonnet 5 快 30% 以上，单任务成本最多低 30%。后面这个数比 token 单价重要得多，因为 agent 是按循环烧钱，不是按调用。OSWorld 2.1 拿到 80.1%，Opus 5.5 是 81.8%；GDPval-AA 1844 对 1846，基本打平；CursorBench 和 FrontierCode 上 Opus 还领先几个点。它还是第一个靠截图通关《精灵宝可梦 红》的 Sonnet，听着像噱头，其实这是几百小时、没有任何 API 的纯电脑操作任务。
两个细节值得看。第一，Anthropic 公布的是单任务成本，不只是价目表。这是每个做 agent 的人真正需要的数字，行业里还很少有人给。第二，这是第一个和 Opus、Fable 套用同一级网络安全防护的 Sonnet，另外加了防推理过程被蒸馏的分类器。一个中档模型在终端里能干这么多事，已经被当成双刃工具来管了。
落地的判断很简单：大部分 agent 循环的默认模型，今天换了。最难的编码和设计活还是交给 Opus，但跑大量、边界清楚的长任务的团队，这周就该把评测切到 claude-sonnet-5-5 重跑一遍。官方说新 Haiku 几周内到，到时候路由层又得重新洗一次牌。
链接：anthropic.com/claude-sonnet-5-5
评论