克劳德·Sonnet 5.5（Claude Sonnet 5.5）是克劳德 5.5（Claude 5.5）家族第二模型，较克劳德·Sonnet 5（Claude Sonnet 5）明显升级，速度快30%以上，多数工作成本最多低30%。它作为克劳德·Opus 5.5（Claude Opus 5.5）更快低成本的补充，擅长日常任务、修bug及制作文档幻灯片，设计敏锐。克劳德·Haiku 5.5（Claude Haiku 5.5）未来几周加入。性能上，新模型在Terminal-Bench 4.0得70.6%，而Sonnet 5仅10.3%；GDPval-AA较Opus 5.5低2分；长程与图像理解强，首个仅截图通关Pokémon Red的Sonnet模型。协作写作更清晰，定价同前，输入每百万token 2美元输出10美元。

Claude Sonnet 5.5 是 Claude 5.5 系列的第二款模型，相较 Claude Sonnet 5 有明显升级，运行速度加快 30% 以上，大多数任务成本降低至多 30%。

Sonnet 5.5 是 Claude Opus 5.5 更快、更低成本的补充。Opus 5.5 面向需要审慎判断的复杂工作，而 Sonnet 5.5 最擅长界定清晰的日常任务、修复缺陷以及制作精良文档、幻灯片和表格，且对设计有敏锐眼光。面向高吞吐和成本敏感应用的 Claude Haiku 5.5 将在未来几周加入该系列。

Sonnet 5.5 在以下方面优于 Sonnet 5：

性能。 Sonnet 5.5 在智能体编程评测 Terminal-Bench 4.0 中得分 70.6%，Sonnet 5 仅 10.3%；在真实职业工作测试 GDPval-AA 上比 Opus 5.5 低两分。它在长程任务和图像理解上表现强，是首个仅通过截图通关《Pokémon Red》的 Sonnet 模型。

协作。 与 Opus 5.5 一样，其写作比上代更清晰，早期测试者称其为比 Sonnet 5 更好的合作伙伴，速度也适合快速迭代较简单任务。

成本。 定价与 Sonnet 5 相同（每百万输入 token 2 美元，输出 10 美元，缓存读取 0.20 美元），但完成同样工作所需 token 少得多，测试中每项任务成本比前代低至多 30%。

速度。 输出生成比 Sonnet 5 快 30% 以上，是最快的 Sonnet 模型。

对齐与安全。 在自动行为审计中，大多数对齐指标优于或持平 Sonnet 5。因其网络能力可比 Opus 5，首次在发布时配备类似最强模型的网络防护与回退机制。生物防护同 Sonnet 5，均针对窄范围高风险请求，常规开发和多数生命科学工作不受影响。

性能

Sonnet 5.5 多领域超越 Sonnet 5，有时大幅。多项评测中 Max 努力级别表现可比 Opus 5.5。但基准仅反映能力一面，内外部测试显示 Opus 5.5 在需持续判断的复杂开放工作仍明显更强。

| | Sonnet 5.5 | Sonnet 5 | Opus 5.5 | GPT-6 Sol | | --- | --- | --- | --- | --- | | 智能体编程 Terminal-Bench 4.0 | 70.6% | 10.3% | 66.4%¹ | — | | 智能体编程 FrontierCode 1.1（主） | 46.2% Max² | 42.4% | 54.4% | 49.3% | | 智能体编程 FrontierCode 1.1（Xhigh） | 52.1% Xhigh | — | — | — | | 智能体编程 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% 带工具 | 54.9% 带工具 | 67.7% 带工具 | — | | 电脑操作 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 |

评测方法详见 Sonnet 5.5 系统卡。各努力级别下分数与每任务成本关系图中，点越靠左上代表每美元能力越高。多项基准里，Sonnet 5.5 低或中努力以约十分之一成本超越 Sonnet 5 最佳分。低努力设置下补充 Opus 5.5 最佳且成本更低；高设置下表现相近成本类似。

Terminal-Bench 4.0 衡量模型在命令行完成复杂多步专业任务的能力。在 Claude 应用默认的 Medium 努力下，Sonnet 5.5 以不到十分之一成本远超 Sonnet 5 最佳分。Terminal-Bench 与 OpenAI 未公开 GPT-6 Sol 表现，此处报 GPT-5.6 Sol。

编程

Sonnet 5.5 性能跃升在编程尤为明显。FrontierCode 高努力比同设置 Sonnet 5 高 10 分，成本约十五分之一。CursorBench（真实编程会话任务）最佳分与 Opus 5.5 差约 2 分。早期测试者赞赏其快速理解代码库，并注意到效率：面对面运行中比 Sonnet 5 更多批量工具调用，步骤更少成本更低。

Epic Games 首席运营官 Daniel Vogel 表示：“在 Epic 早期测试中，Claude Sonnet 5.5 达到高阶模型预期质量，通过系统设计审计与数据流审查。新模型处理数万行游戏系统架构代码，响应敏捷，胜任多小时任务，且需更少刻板提示。”

知识工作

Sonnet 5.5 知识工作多领域提升。GDPval-AA（44 职业 9 行业真实任务）分数近 Opus 5.5，超 Sonnet 5 约 400 分。电脑操作与图表识别接近 Opus 5.5，长程知识工作明显优于 Sonnet 5 和 GPT-6 Sol。测试者称对话更自然，设计感强，能为 UI 增色并套用幻灯片模板产出少修改的演示。内部测试给上市公司财报、电话记录及模板要求 10 页经营回顾，专家判初稿可直接发送。

Slack 首席工程师 Curtis Allen 表示：“未改提示下，Sonnet 5.5 在几乎所有离线 Slackbot 评估中优于 Sonnet 5，步骤更少输出 token 约少 14%。任务质量和速度最关键，新模型让用户更快获更好结果。”

成本与速度

| 每百万 token 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 每任务 token 更少故更便宜，输出快 30%+，效率立竿见影：提示“用单个 HTML 文件实现 400 只椋鸟动态群飞”，其生成更快。调整努力级别可平衡成本速度质量。Claude Code 和应用默认 Medium，平台默认 High。低设置更快更省 token 适日常；高设置推理更久检查更细。

安全

对齐

Sonnet 5.5 未推进能力前沿，对齐评估聚焦任何级别模型适用风险，如违背用户利益、误导、配合高危滥用。自动行为审计约 1850 场景，多数对齐、抗滥用、诚实指标优于或平 Sonnet 5。新容器评估中试图逃逸沙箱频率近最优 Opus 5.5，且最不探边界。整体 Opus 略优，但无证据显示 Sonnet 5.5 追求冲突目标。近期对齐评估称无评估可靠捕所有失败，可能有未发现倾向，故配合下述防护。

保障措施

网络安全。 Sonnet 5.5 网络能力大增，部署类似 Opus 5.5 防护。用户仍可常规找修 bug，高风险网安任务回退 Sonnet 5。不久网安防御者可申请扩展网络验证计划获分级访问。

生物。 同 Sonnet 5 生物防护，针对有害请求，多数研究教育临床不受影响，部分微生物病毒请求或误标。机构可申请生命科学验证计划。

蒸馏。 蒸馏攻击用假账户大规模萃取能力，Sonnet 5.5 因更强首配防推理萃取分类器。并扩展保留思考，思考绑定创建账户。多数开发者无感。跨账户移对话见文档。

入门

同前代，Sonnet 5.5 提供零数据保留。现已登陆所有平台（AWS、Google Cloud、Azure）。开发者可用 claude-sonnet-5-5 在平台起步。若关闭思考运行 Sonnet，需先切到新 between_tools 设置（保持前期思考关闭）再迁至 5.5，详见迁移指南。

讨论整体偏向怀疑：多数人认可 Sonnet 5.5 在 agentic 编码上的跃升，但质疑它在高价档位下被自家 Opus 5.5 全面压制、缺乏存在理由；同时安全回退、缺失 Fable 对比、以及速度与单价仍落后于廉价模型，构成了几条并行的不满线索。

认为高effort档位不如直接用 Opus，Sonnet 失去了定位

• 成本性能图上，xhigh/max 档的 Sonnet 5.5 分数更低、价格却与 Opus 5.5 相当甚至更贵，等于没有任何配置值得选（高赞）
• 唯一合理的存在理由是它填上了 Opus low 以下的更低端区间，用户多了一个便宜的起点（较多人）
• max effort 下 Sonnet 5.5 的 token 消耗大到价格接近 Fable 5.1，xhigh 便宜很多但表现也缩水（较多人） > 在 xhigh 档，用 Opus 5.5 high 能拿更高分、花更少钱，那我为什么还要用 Sonnet 5.5？（@wkcheng）

认为这次 agentic 编码是实打实的大跨越

• Agentic coding 从 10.3% 跳到 70.6%，Terminal-Bench 上甚至反超 Opus 5.5，考虑到成本这很不寻常（较多人）
• 在 Artificial Analysis 智能指数上排第二，仅次于 Opus 5.5，但那是 max 档成绩，成本高于 Opus 5.5 max；xhigh 档则比 Opus 5.5 xhigh 便宜，并与 GPT 6 Astra xhigh 打平（较多人） > Agentic coding 从 10.3% 跳到 70.6%，还超过了 Opus 5.5——而 Opus 5.5 本身已经很强，配上这个价格非常惊人。（@pavitheran）

认为那个反超只是安全回退造成的假象

• 翻系统卡后发现，Opus 5.5 有 10% 的试次因安全策略被 fallback 模型接管作答，Sonnet 只有 1.5%，光这个差异就足以解释分差（少数人） > Opus 有 10% 的试次由 fallback 模型代答，Sonnet 只有 1.5%，所以这个分差别太当真。（@abejora）

抱怨付费用户和网络安全项目反被安全策略挡住

• 每月付 200 美元、还在其网络安全验证计划里，做授权漏洞赏金却被直接判定为高危而无法使用新模型（较多人）
• 从官方措辞看，Anthropic 的网络安全能力在 Opus 4.8 就见顶了，之后每个模型遇到高风险任务都回退到更弱的版本（较多人）
• 所谓"安全对齐"在实践中表现为拦下用户的正常操作，比如阻止激活 Windows LTSC 密钥，理由是可能违反微软条款（少数人） > 付费、通过验证，却依然不能把模型用于任何授权的漏洞赏金工作，立刻被标记为高危。（@johnmlussier）

认为在速度与单价上已落后一整代

• 每任务省 30% 成本、快 30% 远远不够，需要的是能和 Luna、Gemini Flash 3.8 竞争的档位，而现在落后一年（较多人）
• 实现类工作占九成以上 token，这部分几乎没人会用 Anthropic，真正卡点是速度而非钱（较多人）
• 用户的心态是二元的：要么给最强的前沿模型，要么给最便宜的够用货，中间层没有位置（较多人） > 要么给我近似 AGI 的机器神，要么给我每百万 token 四分钱以下的便宜货，别给我中间的东西。（@_fw）

怀疑官方图表刻意隐去 Fable

• 所有基准只列 Opus、Sonnet 和 OpenAI 模型，从不给 Fable 数字，让人怀疑 Fable 是否已经被放弃（少数人）
• 更让人困惑的是，曾被判定"太危险不能发布"的 Fable，如今似乎反而不如 Sonnet（少数人） > 很恼火他们不在图里放 Fable。（@dack）

觉得自己的 token 需求已经饱和，担心行业需求见顶

• Opus 5.5 的效率让 5x 套餐足以应付日常两三个并发会话，再多的并发自己也无法理解，因此想不出该在什么场景用 Sonnet 5.5（少数人）
• 很多任务无法定义清晰的成败标准或自验证循环，没法让 agent 自主跑一整天，token 供给可能先于需求见顶，形成一段经济低谷期（少数人） > 我的工作暂时已被模型能力饱和了，不确定该从哪儿继续往上扩。（@Sol-）

觉得社区对 Anthropic 的批评已成条件反射

• 同一批人在 Opus 5.5 发布时也这么说，而那个版本实际广受好评，Anthropic 在 HN 上激起的愤怒几乎和苹果的现实扭曲场相反（少数人） > 有意思的是 Anthropic 在 HN 上总能激起这么大的火气，简直像苹果现实扭曲场的反面。（@solenoid0937）

有价值的补充

• cache read 的价格与 Opus 5.5 相同，这会让 agentic 编码场景的实际价差远小于宣传，有人怀疑这是表格笔误。
• 前端体验被吐槽：页面劫持手势导致无法滑动返回，一进站就是全页自动播放视频。
• 网页端的档位标注自相矛盾：Sonnet 5.5 被标为"简单任务最经济"，5.0 仍占着"日常任务"的位置，Opus 5.5 则同时覆盖复杂与日常任务。
• 社区情绪梗：有人只留下一句"等鹈鹕"，另有用户调侃两家的成本曲线你来我往，几乎可以约好下周同一时间再看。