Sonnet 5.5 以一半价钱在终端测试里压过 Opus 5.5

便宜一半的那一档，在终端测试里跑到了前面

上周 Opus 5.5 发布时，最让人意外的不是它自己，而是同一天 OpenAI 把 GPT-6 Sol 挂在了每百万 token 2 美元 / 10 美元——恰好是 Opus 5.5 的一半。当时 Anthropic 没有在这个价位上接招。一周后，Sonnet 5.5 就站在了这个位置上，而且没有涨价。

更有意思的是它和自家旗舰的关系。按 Anthropic 公布的数据，Sonnet 5.5 在 Terminal-Bench 4.0 上拿到 70.6%，高于 Opus 5.5 的 66.4%；第三方评测机构 Artificial Analysis 的复测结果同样是 Sonnet 领先，63.6% 对 59.6%。一个价格只有一半的中档模型，在智能体编程这项上压过旗舰，这在 Claude 过去几代的产品线里并不常见。

把表格摊开看，它并没有全面追上

只看 Terminal-Bench 容易得出「Opus 可以不买了」的结论，但同一张表里其他几项说的是另一回事：

• FrontierCode 1.1：Sonnet 5.5 为 46.2%（Max 档），Sonnet 5 为 42.4%，Opus 5.5 为 54.4%
• CursorBench 4.0：55.5%，对比 Sonnet 5 的 34.1%、Opus 5.5 的 57.8%
• GDPval-AA v2.1：1844 分，与 Opus 5.5 的 1846 分几乎持平，Sonnet 5 为 1449
• OSWorld 2.1：80.1%，Opus 5.5 为 81.8%，Sonnet 5 为 57.0%
• 缓存读取每百万 token 0.20 美元、缓存写入 2.50 美元；模型 ID 为 claude-sonnet-5-5，已在 Claude 平台及 AWS、Google Cloud、Microsoft Azure 上线

规律其实很清楚：在边界清晰、步骤明确的任务上——修 bug、跑命令行、做文档表格——Sonnet 5.5 已经贴着甚至越过了 Opus；而在 FrontierCode 这类更难、更开放的编码题上，两者还隔着 8 个百分点。Anthropic 自己的定位也是这么写的：它最擅长的是「范围明确的日常任务」。

另有一个数字值得多看一眼：官方表格里 Sonnet 5 的 Terminal-Bench 4.0 成绩只有 10.3%，与其它几项上的表现落差大得反常。这更像是 4.0 版题目对上一代模型格外不友好，而不是新模型的能力凭空涨了七倍——拿这组对比去说「提升 60 个点」，是会误导人的。

第一次给 Sonnet 装上的「换挡器」

这次发布里真正的新东西，是那套回退机制。据 Claude 帮助中心的说明，Anthropic 认为 Sonnet 5.5 的网络安全能力提升「幅度很大」，因此配了自动分类器：

• 漏洞利用生成、二进制漏洞扫描、渗透测试等网络安全类请求，以及为机器学习加速器写内核这类前沿大模型开发请求，会被切换给 Sonnet 5 回答
• 生物安全类请求和试图提取模型内部推理的蒸馏类请求，不回退，直接拦截
• 在 Claude 应用里，发生切换时会弹出提示、回答标注作答模型，此后该对话默认改用 Sonnet 5，用户可以手动切回
• API 默认不自动切换，而是返回 200 状态码并附带停止原因，要回退得由开发者自己配置

「降级到上一代」而不是一刀切拒答，是个挺务实的设计：做安全研究的人至少还能拿到一个能力稍弱的回答，而不是一堵墙。代价是可预期性变差了——同一个对话里，前半段是 5.5，后半段悄悄变成 5，排查问题时得先看清是哪个模型在说话。对 API 用户来说，那个「200 + 停止原因」的返回尤其容易被旧代码当成正常完成而漏处理。官方表示，面向防御方的网络安全验证计划会扩展到 Sonnet 5.5，但目前还标注为「即将推出」。

Haiku 5.5 还没来，产品线的空档先被填上了

把 Opus 5.5 和 Sonnet 5.5 放在一起看，Anthropic 这一轮的节奏已经很明显：旗舰守在 4 美元 / 20 美元，降价但不下探；真正去和 GPT-6 Sol 正面对价的，是 Sonnet。等到数周后面向高并发、低成本场景的 Haiku 5.5 发布，5.5 家族三档才算齐。

悬而未决的是 Opus 的位置。当一个便宜一半的模型在最受关注的智能体编程测试上跑得更快、分数更高，旗舰要靠 FrontierCode 上那 8 个点、以及更难任务上的稳定性来证明溢价——这个论证，Anthropic 接下来得拿更多真实场景的数据来补。