9 月 28 日，Anthropic 发布了 Claude Sonnet 5.5。价格没动，每百万 token 输入 2 美元，输出 10 美元，和上一代 Sonnet 5 一样。动的是分数。在 Anthropic 列出的基准 GDPval-AA v2.1 上，Sonnet 5.5 拿了 1,844 分，旗舰 Opus 5.5 是 1,846 分。差 2 分。按 Decrypt 的报道，它的价格是 Opus 5.5 的一半。
分数怎么读
先看和自己比。Sonnet 5 在这个基准上是 1,449 分，一代之间涨了 395 分。Terminal-Bench 4.0 是终端里做编码任务的测试，Sonnet 5.5 得 70.6%，Opus 5.5 是 66.4%，Sonnet 5 只有 10.3%。这个 10.3% 出自 Anthropic 自己的对照表，我们照录，不替它解释。
再看它输在哪。FrontierCode 1.1 上，Sonnet 5.5 是 46.2%，Opus 5.5 是 54.4%，差 8.2 个点。CursorBench 4.0 是 55.5% 对 57.8%，OSWorld 2.1 是 80.1% 对 81.8%。中档模型在这几项里都还没追上旗舰，只在 GDPval-AA 和终端任务上追平了甚至超过。
Anthropic 的措辞很克制：它最擅长的是边界清楚的日常任务，修 bug，做排版像样的文档、幻灯片和表格。这句话值得原样记下来，因为它同时划了两条线，线里面是已经便宜下来的活，线外面是还得用旗舰的活。
便宜不便宜，要看开到几档
Anthropic 说，输出速度比 Sonnet 5 快 30% 以上，每个任务的成本最多低 30%。第三方测得的数字不一样。Artificial Analysis 把 Sonnet 5.5 排在综合指数第 2，56 分，比 Opus 5.5 的最高档只低 2 分。但在最高推理档位上，它平均每个指数任务输出约 19.3 万 token，是 Artificial Analysis 测过的最多，折算每个任务约 7.6 美元，比 Sonnet 5 高约一半。
两个说法不矛盾，是在讲不同的档位。开到最高，模型想得多，账单就厚；开到低档，才是 Anthropic 说的省钱。客户的数字也落在这条线上：Balyasny 资产管理公司测到每次回复约 12.1 万 token，Sonnet 5 是 49.7 万，见 MarkTechPost 转述。Base44 做了 118 个真实应用，Sonnet 5.5 平均 3.6 轮迭代成一个，Opus 5 是 7.7 轮。Zendesk 说工单处理快了 20%。
和 9 月 13 日那份编码测试放在一起
两周前，我们写过 Real-SWE：最强的编码智能体，在从真实企业私有代码库里抽出来的任务上只做对 38.8%，标准答案中位数要改 11 个文件。今天这个 70.6% 和那个 38.8% 放在一起，看着像打架，其实量的是两种活。Terminal-Bench 量的是边界清楚的终端任务，Real-SWE 量的是牵一发动全身的老代码库。Anthropic 自己把 Sonnet 5.5 的强项限定在 well-scoped 的日常任务上，和 Real-SWE 的结论其实互相印证。
这对谁意味着什么
受影响最直接的，是每天在做文档、幻灯片和表格的人。这是 OpenAI 9 月 10 日推出金融服务版 ChatGPT 时我们讲过的那群人：金融业入行头几年的分析师。现在，同样类型的活多了一个更便宜的档位。第二类是处理修 bug 这类小工单的初级开发者，斯坦福 AI Index 早就显示，22 到 25 岁的软件开发者人群自 2024 年以来缩了近 20%。第三类是一线客服，Zendesk 的 20% 说的就是这个环节。
时间上，Sonnet 5.5 首日就上了 Claude 平台、AWS、Google Cloud 和 Microsoft Azure，企业采购不用再多走一道门。一个便宜档位到位，接下来要看的是各家公司在下一次预算里，把哪些边界清楚的活挪过去。
接下来盯什么
三件事。第一，第三方复测：Artificial Analysis 的每任务成本在低推理档位是多少，能不能和 Anthropic 说的最多低 30% 对上。第二，Real-SWE 一类的私有代码库测试，会不会把 Sonnet 5.5 放进下一轮，那个 38.8% 会不会动。第三，客户口径里的快 20%、迭代少一半，有多少最后变成招聘计划里少开的那几个初级岗位。
