9 月 28 日，Anthropic 釋出了 Claude Sonnet 5.5。價格沒動，每百萬 token 輸入 2 美元，輸出 10 美元，和上一代 Sonnet 5 一樣。動的是分數。在 Anthropic 列出的基準 GDPval-AA v2.1 上，Sonnet 5.5 拿了 1,844 分，旗艦 Opus 5.5 是 1,846 分。差 2 分。按 Decrypt 的報道，它的價格是 Opus 5.5 的一半。
分數怎麼讀
先看和自己比。Sonnet 5 在這個基準上是 1,449 分，一代之間漲了 395 分。Terminal-Bench 4.0 是終端裡做編碼任務的測試，Sonnet 5.5 得 70.6%，Opus 5.5 是 66.4%，Sonnet 5 只有 10.3%。這個 10.3% 出自 Anthropic 自己的對照表，我們照錄，不替它解釋。
再看它輸在哪。FrontierCode 1.1 上，Sonnet 5.5 是 46.2%，Opus 5.5 是 54.4%，差 8.2 個點。CursorBench 4.0 是 55.5% 對 57.8%，OSWorld 2.1 是 80.1% 對 81.8%。中檔模型在這幾項裡都還沒追上旗艦，只在 GDPval-AA 和終端任務上追平了甚至超過。
Anthropic 的措辭很克制：它最擅長的是邊界清楚的日常任務，修 bug，做排版像樣的文件、簡報和表格。這句話值得原樣記下來，因為它同時劃了兩條線，線裡面是已經便宜下來的活，線外面是還得用旗艦的活。
便宜不便宜，要看開到幾檔
Anthropic 說，輸出速度比 Sonnet 5 快 30% 以上，每個任務的成本最多低 30%。第三方測得的數字不一樣。Artificial Analysis 把 Sonnet 5.5 排在綜合指數第 2，56 分，比 Opus 5.5 的最高檔只低 2 分。但在最高推理檔位上，它平均每個指數任務輸出約 19.3 萬 token，是 Artificial Analysis 測過的最多，折算每個任務約 7.6 美元，比 Sonnet 5 高約一半。
兩個說法不矛盾，是在講不同的檔位。開到最高，模型想得多，帳單就厚；開到低檔，才是 Anthropic 說的省錢。客戶的數字也落在這條線上：Balyasny 資產管理公司測到每次回覆約 12.1 萬 token，Sonnet 5 是 49.7 萬，見 MarkTechPost 轉述。Base44 做了 118 個真實應用，Sonnet 5.5 平均 3.6 輪迭代成一個，Opus 5 是 7.7 輪。Zendesk 說工單處理快了 20%。
和 9 月 13 日那份編碼測試放在一起
兩週前，我們寫過 Real-SWE：最強的編碼AI 代理人，在從真實企業私有程式碼庫裡抽出來的任務上只做對 38.8%，標準答案中位數要改 11 個檔案。今天這個 70.6% 和那個 38.8% 放在一起，看著像打架，其實量的是兩種活。Terminal-Bench 量的是邊界清楚的終端任務，Real-SWE 量的是牽一髮動全身的老程式碼庫。Anthropic 自己把 Sonnet 5.5 的強項限定在 well-scoped 的日常任務上，和 Real-SWE 的結論其實互相印證。
這對誰意味著什麼
受影響最直接的，是每天在做文件、簡報和表格的人。這是 OpenAI 9 月 10 日推出金融服務版 ChatGPT 時我們講過的那群人：金融業入行頭幾年的分析師。現在，同樣型別的活多了一個更便宜的檔位。第二類是處理修 bug 這類小工單的初級開發者，斯坦福 AI Index 早就顯示，22 到 25 歲的軟體開發者人群自 2024 年以來縮了近 20%。第三類是一線客服，Zendesk 的 20% 說的就是這個環節。
時間上，Sonnet 5.5 首日就上了 Claude 平台、AWS、Google Cloud 和 Microsoft Azure，企業採購不用再多走一道門。一個便宜檔位到位，接下來要看的是各家公司在下一次預算裡，把哪些邊界清楚的活挪過去。
接下來盯什麼
三件事。第一，第三方複測：Artificial Analysis 的每任務成本在低推理檔位是多少，能不能和 Anthropic 說的最多低 30% 對上。第二，Real-SWE 一類的私有程式碼庫測試，會不會把 Sonnet 5.5 放進下一輪，那個 38.8% 會不會動。第三，客戶口徑裡的快 20%、迭代少一半，有多少最後變成招聘計劃裡少開的那幾個初級職位。
