Sonnet 5.5 上線媲美 Opus：Anthropic 說省 3 成、第三方說貴一半，關鍵在推理強度

Sonnet 5.5 價格只有 Opus 5.5 的一半，卻在多項代理式程式評測追平旗艦。第三方測出它在最高推理強度下最耗 token，官方則說多數工作更省，差別在推理強度選哪一檔。
（前情提要：Anthropic 突襲發布 Claude Opus 5.5！效能逼近 Fable，API 降價 40% 還自帶「用量重置」）
（背景補充：Claude Sonnet 5 上線：Anthropic 喊多項表現逼近 Opus，但 API 費用便宜 6 成）

本文目錄

Anthropic 於今晨發布 Claude Sonnet 5.5，在 Terminal-Bench 4.0 拿下 70.6%，高於 Opus 5.5 的 66.4%，而它的價格剛好是 Opus 5.5 的一半。不過，第三方評測機構卻替它貼上另一張標籤：史上最耗 token 的模型。

官方說便宜，第三方說更貴，兩邊的數字都是真的，為什麼會這樣？

半價旗艦的成績單

Sonnet 5.5 是 Claude 5.5 家族的第二款模型，旗艦 Opus 5.5 在不到一週前才剛發布。根據官方公告，Sonnet 5.5 最擅長範圍明確的日常任務、修 bug，以及產出精緻的報告、簡報與試算表，對設計也有不錯的眼光；需要審慎判斷的複雜工作，仍歸 Opus 5.5。

Claude 全產品線即日上線，API 另在 AWS、Google Cloud 與 Microsoft Azure 提供，並可選擇零資料保留。

價格是每百萬 token 輸入 2 美元、輸出 10 美元，快取讀取 0.2 美元、快取寫入 2.5 美元；Opus 5.5 則是輸入 4 美元、輸出 20 美元，Sonnet 5.5 剛好一半。

跑分上，它相對 Sonnet 5 是跳躍式進步：Terminal-Bench 4.0 從 10.3% 升到 70.6%。對上 Opus 5.5，它在操作電腦的 OSWorld 2.1（80.1% 對 81.8%）與 CursorBench 4.0（55.5% 對 57.8%）都只差一點點，在知識工作的 GDPval-AA 更以 Elo 1844 對 1846 幾乎持平。同一項評測裡，OpenAI 的 GPT-6 Sol 只有 1487。圖表理解的 Chartography，Sonnet 5.5 是 61.6%，Opus 5.5 是 64.4%，GPT-6 Sol 為 53.6%，Sonnet 5 僅 15.6%。

但差距仍在。Humanity’s Last Exam 是 64.5% 對 67.7%，FrontierCode 1.1 是 46.2% 對 54.4%，Sonnet 5 則分別停在 54.9% 與 42.4%。換句話說，最難的題目上，旗艦依然保有明顯的優勢。

省錢的帳，看你轉哪一檔

官方的說法是，輸出速度比 Sonnet 5 快 30% 以上，多數工作每項任務成本最多低 30%。多項評測中，只開 Low 或 Medium 推理強度，就能超越 Sonnet 5 的最佳成績，每項任務成本約只有十分之一。

推理強度（effort）：簡單說就是模型每次作答前願意花多少力氣思考，分 Low、Medium、High、Xhigh、Max 五檔。Claude App 預設 Medium，開發者 API 預設 High。

Artificial Analysis（AA）把它推到 Max。結果是智慧指數 56 分，全榜第二，僅次於 Opus 5.5（Max）的 58 分，比 Sonnet 5 的 38 分高 18 分，也領先 OpenAI GPT-6 Astra 3 分。AA 自測的 Terminal-Bench 裡，Sonnet 5.5 拿 64%，Opus 5.5 為 60%，領先的依然是 Sonnet。

代價是每項任務輸出約 19.3 萬 token，是 AA 測過最高的紀錄，比 Opus 5.5（Max）與 Sonnet 5（Max）多約 60%，約是 GPT-6 Astra 的 7 倍；每項任務成本 7.6 美元，比 Sonnet 5 高約 50%。

兩種說法並不矛盾。官方強調的是低、中檔位的效率，AA 量的是拉到最高檔的花費。單價便宜，但想得越久，帳單就越長。

對開發者來說，這代表選模型之外還得選檔位，而預設值本身就是定價策略的一部分：App 停在 Medium，API 則落在 High，兩者的帳單形狀並不相同。同一個模型，換一個預設值，開發者感受到的價格就可能差上一大截。

客戶的實測偏向前者。Box 副總裁 Yashodha Bhavnani 表示速度快 2.4 倍、總 token 用量少 12%；Zendesk AI 總監 Abhinay Kathuria 指出，客服工單的處理速度快了 20%；Lovable 技術長 Fabian Hedin 則提到，工具呼叫次數少了三分之一，shell 指令的執行次數約減半；Slack 首席工程師 Curtis Allen 也說，輸出 token 少了 14%。這些數字有個共通點：省的是多餘的來回，而不是單次推理的深度。

中階模型的門檻

Sonnet 5.5 是第一款搭載旗艦級資安防護的 Sonnet，防護程度與 Opus 5.5 類似。高風險的資安請求會自動退回 Sonnet 5 處理，原因是它的資安能力已與 Opus 5 相當；生物安全防護則維持與 Sonnet 5 相同。在 AA 的測試中，開啟官方預設的退回機制時，約 0.1% 的任務會退回 Sonnet 5。

另一項首度加入的設計，是阻擋「推理內容擷取」的安全分類器，並把模型保留的思考內容鎖在原始帳號上。白話說，就是防止別人大量套取模型的思考過程，拿去訓練自家模型，也就是未授權蒸餾。今年 2 月，Anthropic 曾指控 DeepSeek、Moonshot AI、MiniMax 透過約 2.4 萬個偽造帳號，對 Claude 發起超過 1,600 萬次查詢。

中階模型的用量遠大於旗艦，被大量呼叫，也就意味著被大量套取的風險更集中在這一級。當防蒸餾也得下放到 Sonnet，代表這一級的輸出，已經值得被偷，也值得被鎖上。能力逼近需要被管制的門檻時，防護就不再是旗艦專屬的配備。

Epic Games 營運長 Daniel Vogel 的評語很直接：品質已達一般會對更高階模型期待的門檻。