Anthropic 发布 Claude Sonnet 5.5 模型
Introducing Claude Sonnet 5.5
Anthropic 发布 Claude 5.5 系列的第二个模型 Claude Sonnet 5.5。该模型相比 Sonnet 5 运行速度提升 30% 以上，在编码、知识工作及长周期任务中表现显著增强，且在多项基准测试中性能接近 Opus 5.5。Sonnet 5.5 现已在各平台上线，并首次在 Sonnet 系列中引入了网络安全防护机制与防蒸馏安全分类器。
Claude Sonnet 5.5 在保持定价不变的前提下显著提升了编码与推理性能，其在多项基准测试中表现接近 Opus 5.5，为开发者提供了更高性价比的生产力选择。
隆重推出 Claude 5.5 系列的第二款模型 Claude Sonnet 5.5。相比 Claude Sonnet 5，它有显著提升，运行速度提高了 30% 以上，且在大多数工作负载下成本降低了高达 30%。
Sonnet 5.5 是 Claude Opus 5.5 更快速、更低成本的补充模型。如果说 Opus 5.5 专为需要审慎判断的复杂工作而构建，那么 Sonnet 5.5 则在明确范围的日常任务、修复 Bug 以及创建精美的文档、幻灯片和电子表格方面表现最强。它还具备敏锐的设计洞察力。专为高频次、成本敏感型应用打造的 Claude Haiku 5.5 将在未来几周内加入 Claude 5.5 系列。
Sonnet 5.5 在以下方面优于 Sonnet 5：
性能。 Sonnet 5.5 在智能体编码评估 Terminal-Bench 4.0 上得分为 70.6%，而 Sonnet 5 为 10.3%。在涵盖多种职业的真实工作测试 GDPval-AA 中，它的得分仅比 Opus 5.5 低两分。它在长周期任务和图像理解方面表现强劲——它是首个仅通过截图就能通关 Pokémon Red 的 Sonnet 模型。
协作。 与 Opus 5.5 一样，Sonnet 5.5 的写作比我们上一代模型更清晰；早期测试者称它比 Sonnet 5 更适合协作。它的速度也使其非常适合快速迭代较简单的任务。
成本。 Sonnet 5.5 的定价与 Sonnet 5 相同，输入 token 每百万 2 美元，输出 token 每百万 10 美元，缓存读取每百万 token 0.20 美元，但它通常完成同样工作所需的 token 远少于前者。在我们的测试中，它每项任务的成本比前代产品降低了高达 30%。
速度。 Sonnet 5.5 的输出速度比 Sonnet 5 快 30% 以上，使其成为我们迄今为止速度最快的 Sonnet 模型。
对齐与安全。 在我们的自动化行为审计中，Sonnet 5.5 在大多数对齐指标上均优于或持平于 Sonnet 5。由于其网络安全能力与 Opus 5 相当，它是首个配备了我们为最强模型开发的网络安全防护措施和回退机制的 Sonnet 模型。其生物安全防护措施与 Sonnet 5 相同。这两项防护措施均针对极少数高风险请求；常规软件开发和大多数生命科学工作不受影响。
性能
Sonnet 5.5 在各个领域都优于 Sonnet 5——在某些情况下提升显著。在多项评估中，Sonnet 5.5 在 Max 模式下甚至表现出与 Opus 5.5 相当的水平。然而，基准测试分数仅反映了模型能力的一个侧面；在我们自己的测试以及外部测试者的测试中，Opus 5.5 在需要持续判断的复杂、开放式工作中依然明显更强。
| Sonnet 5.5 | Sonnet 5 | Opus 5.5 | GPT-6 Sol | |
|---|---|---|---|---|
| 智能体编码Terminal-Bench 4.0 | 70.6% | 10.3% | 66.4%¹ | — |
| 智能体编码FrontierCode 1.1 (Main) | 46.2%Max² | 42.4% | 54.4% | 49.3% |
| 52.1%Xhigh | ||||
| 智能体编码CursorBench 4.0 | 55.5% | 34.1% | 57.8% | — |
| 知识工作GDPval-AA v2.1³ | 1844 | 1449 | 1846 | 1487⁴ |
| 知识工作AA-Briefcase v1.1³ | 1811 | 1359 | 1822 | 1483⁴ |
| 多学科推理Humanity’s Last Exam | 64.5%使用工具 | 54.9%使用工具 | 67.7%使用工具 | — |
| 计算机使用OSWorld 2.1 | 80.1%部分 | 57.0%部分 | 81.8%部分 | — |
| 视觉图表识别Chartography | 61.6%无工具 | 15.6%无工具 | 64.4%无工具 | 53.6%⁴无工具 |
有关我们如何进行评估的详细信息，请参阅 Sonnet 5.5 系统卡。
下方的图表绘制了每个模型在不同努力程度下的得分与单任务成本的对比。随着努力程度的提高，模型通常会运行更长时间，从而导致单任务成本增加，但得分通常也会更高。数据点越靠近图表的左上角，其单位美元所提供的能力就越强。
在多个基准测试中，Sonnet 5.5 在低或中等努力程度下的表现优于 Sonnet 5 的最高得分，而单任务成本仅为其十分之一左右。它在较低的努力设置下与 Opus 5.5 形成最佳互补，此时单任务成本更低。在较高的设置下，它能以相似的成本实现相当的性能。
Terminal-Bench 4.0 用于衡量模型在命令行界面中完成复杂、多步骤专业任务的能力。在中等努力程度（Claude 应用中的默认设置）下，Sonnet 5.5 的得分远超 Sonnet 5 的最高分，而单任务成本不到后者的十分之一。
Terminal-Bench 和 OpenAI 并未公开报告 GPT-6 Sol 的性能，因此我们在此报告 GPT-5.6 Sol 的数据。
编程
Sonnet 5.5 在编程方面的性能提升尤为显著。在 FrontierCode 的高努力程度设置下，它的得分比相同设置下的 Sonnet 5 高出 10 分，而单任务成本仅为后者的十五分之一左右。在测试模型处理真实 Cursor 编码会话任务的 CursorBench 上，其最高得分与 Opus 5.5 相差不到两分。
早期测试者非常赞赏 Sonnet 5.5 理解代码库的速度。他们还对其效率印象深刻：在直接对比测试中，它比 Sonnet 5 更能批量处理工具调用，从而减少了步骤并降低了成本。
引用
“在 Epic 的早期测试中，Claude Sonnet 5.5 达到了你对更高级别模型所期望的质量标准，在系统设计审计和数据流审查中表现出色。该新模型管理了数万行游戏系统架构代码，保持了响应的敏捷性，处理了长达数小时的任务，并且在提示词要求较少的情况下也能交付成果。”
公司Epic Games
作者Daniel Vogel，首席运营官
知识工作
Sonnet 5.5 在多个知识工作领域均有提升。在测试模型跨 44 个职业和 9 个主要行业处理现实任务的 GDPval-AA 上，Sonnet 5.5 的得分几乎与 Opus 5.5 持平，比 Sonnet 5 高出约 400 分。它在计算机使用和图表识别方面接近 Opus 5.5，并且在长周期知识工作方面明显优于 Sonnet 5 和 GPT-6 Sol。
早期测试者强调了一些难以量化的改进。他们发现它是一个更自然的对话伙伴，并对其设计天赋赞不绝口，指出它能为用户界面增色，并能遵循幻灯片模板创建几乎无需编辑的演示文稿。在一次内部测试中，我们提供了某上市公司的季度财报资料和电话会议记录，以及一个幻灯片模板，要求其制作一份 10 页的运营回顾。两位专家认为其初稿无需修改即可直接发送。
引用
“在不更改任何提示词的情况下，Claude Sonnet 5.5 在我们几乎所有的离线 Slackbot 评估中表现都优于 Sonnet 5，且步骤更少，输出 token 数量减少了约 14%。当有人给 Slackbot 下达任务时，质量和速度是最重要的，而 Sonnet 5.5 让 Slackbot 能更快地为用户提供更好的结果。”
公司Slack
作者Curtis Allen，首席工程师
成本与速度
定价
| 每 100 万 token 的价格 | Claude Sonnet 5.5 | Claude Opus 5.5 |
|---|---|---|
| 缓存读取 | $0.20 | $0.20 |
| 缓存写入 | $2.50 | $5 |
| 输入 token | $2 | $4 |
| 输出 token | $10 | $20 |
Sonnet 5.5 每个任务所需的 token 比 Sonnet 5 更少，因此运行成本更低。它的输出速度也提高了 30% 以上，其效率提升立竿见影：
提示词：
一个包含 400 只椋鸟群的 HTML 文件
Claude Sonnet 5
Claude Sonnet 5.5
调整 工作强度 可以让你在成本、速度和整体质量之间取得平衡。在 Claude Code 和我们的应用程序中，默认工作强度设置为“中”，而 Claude 平台默认为“高”。在较低设置下，Claude 回答速度更快且消耗的 token 更少，适合日常工作。在较高设置下，Claude 会进行更长时间的推理并更彻底地检查其工作成果。
安全性
对齐
Sonnet 5.5 并没有推进我们模型能力的边界，因此我们的对齐评估侧重于适用于任何能力水平模型的一组特定风险，包括违背用户利益、误导用户以及配合高风险滥用行为。
在我们对 Claude 进行约 1850 个场景测试的自动化行为审计中，Sonnet 5.5 在大多数对齐、抗滥用和诚实性指标上均优于或持平于 Sonnet 5。在我们较新的容器化评估中，Sonnet 5.5 在尝试逃离沙箱的频率上接近我们测试过的最强模型 Opus 5.5，并且它是我们所有模型中最不容易探测容器限制的模型。在整个审计过程中，Opus 5.5 的总体表现仍然略好，但我们没有发现任何证据表明 Sonnet 5.5 会追求与用户意图相冲突的目标。
正如我们在 最近的对齐评估 中所述，没有任何评估集能可靠地捕捉到每一个故障，Sonnet 5.5 可能存在我们尚未发现的倾向，这就是为什么我们将自己的对齐工作与下述保障措施相结合的原因。
保障措施
网络安全。 Sonnet 5.5 的网络能力较 Sonnet 5 有了很大提升，因此我们为其部署了与 Opus 5.5 类似的保障措施。用户仍然可以在日常软件开发中查找和修复代码中的错误，但高风险的网络安全任务将明显回退到 Sonnet 5。不久之后，网络防御者将能够申请加入我们扩展后的 网络验证计划，以分级访问 Sonnet 5.5、Opus 5.5 和 Claude Mythos 模型中更高级的功能。
生物学。 Sonnet 5.5 使用与 Sonnet 5 相同的生物学保障措施。这些措施针对的是有害请求；大多数研究、教育和临床工作不受影响，尽管一些微生物学和病毒学请求可能会被错误标记。各机构可以申请加入我们的 生命科学验证计划，以获得专为全面生物学相关工作设计的保障措施。
蒸馏。 蒸馏攻击是指攻击者利用数千个虚假账户以工业规模提取模型能力，这使得恶意行为者能够在没有我们为 Claude 构建的安全防护措施的情况下创建能力极强的模型。由于 Sonnet 5.5 的能力远超其前代产品，它是首个配备了防止推理提取的安全分类器的 Sonnet 模型。Sonnet 5.5 还扩展了 保留思维 功能，因此 Claude 的思维过程无法与其创建账户脱钩。大多数开发者不会察觉到变化。如果您在不同账户之间迁移对话，包括在 Claude Code 中途切换账户，我们的 文档文章 对此变化进行了说明。
入门指南
与 Opus 5.5 和 Sonnet 5 一样，Claude Sonnet 5.5 提供零数据保留选项。
Claude Sonnet 5.5 现已在所有平台上线，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。开发者可以通过 claude-sonnet-5-5 在 Claude Platform 上开始使用。如果您在关闭思维功能的情况下运行 Sonnet，则需要在迁移到 Sonnet 5.5 之前切换到新的 between_tools 设置，该设置将保持预先思维功能处于关闭状态。详情请参阅我们的 迁移指南。
来源：Anthropic News · anthropic.com