Claude Sonnet 5.5：比 Sonnet 5 快 30%、成本少三成的日常主力模型

出處：Anthropic〈Introducing Claude Sonnet 5.5〉，Anthropic 官網，2026-09-28。閱讀原文

原文作者：Anthropic。本文為 Jean 整理的中文導讀，依原文段落順序改寫，非官方翻譯；文中圖片出自原文，版權屬 Anthropic。

一句話版本

Sonnet 5.5 是 Claude 5.5 系列的第二個模型（第一個是 Opus 5.5）。定位是 Opus 5.5 的「更快、更便宜」搭檔：Opus 5.5 負責需要仔細判斷的複雜工作，Sonnet 5.5 擅長範圍明確的日常任務、修 bug，以及做文件、簡報、試算表。官方說它比 Sonnet 5 快 30% 以上，多數工作成本最多少 30%，也特別提到它「對設計有眼光」。

比 Sonnet 5 進步在哪

• 效能：Terminal-Bench 4.0 拿 70.6%，Sonnet 5 是 10.3%。GDPval-AA 只比 Opus 5.5 低兩分。也是第一個只看螢幕截圖就打通《寶可夢 紅》的 Sonnet。

• 合作：跟 Opus 5.5 一樣寫得更清楚，測試者覺得比 Sonnet 5 更好合作。速度快，適合不太複雜的任務快速來回修改。

• 成本：輸入、輸出價格跟 Sonnet 5 一樣（每百萬 token $2 / $10），但同樣的工作通常用少很多 token。快取讀取 $0.10，是 Sonnet 5 的一半。

• 速度：輸出快 30% 以上，是目前最快的 Sonnet。

• 安全：行為稽核的多數對齊指標進步或持平。因為資安能力跟 Opus 5 相當，是第一個帶著資安防護和備援模型上線的 Sonnet。

評測分數

官方特別說明：Sonnet 5.5 開 Max effort 時，有幾項評測跟 Opus 5.5 差不多；但分數只反映一部分能力，在需要長時間判斷的複雜、開放式工作上，Opus 5.5 仍然明顯比較強。

• ¹ Opus 5.5 這項是開 Xhigh 的分數，也是它的最高分。

• ² Sonnet 5.5 開 Max 反而比 Xhigh 低。原因是開 Max 時它更常啟動 Claude Code 的 code-review skill，把審查拆給很多子代理，有兩個案例因此逾時，或改到任務範圍以外的地方——FrontierCode 會扣這種分，就算改得很好也一樣。

• GDPval-AA 和 AA-Briefcase 測試時，Claude Platform 有一個影響結構化輸出的 bug（已修好），官方估計影響很小。GPT-6 Sol 剛修好一個影響圖像理解的 bug，部分第三方分數可能還沒更新。

分數對成本

原文附四張圖，橫軸是每個任務的成本、縱軸是分數，每個 effort 等級畫一個點，越靠左上越划算：

• Terminal-Bench：開 Medium（Claude App 預設）就遠超 Sonnet 5 的最好成績，成本不到十分之一

• FrontierCode：開 High（Claude Platform 預設）追平 GPT-6 Sol 的最好成績，成本約五分之一

• CursorBench：開 Low 就超過 Sonnet 5 的最好成績，成本不到十分之一

• AA-Briefcase：開 Medium 就贏過 Sonnet 5 的最好成績，成本約九分之一

官方的結論是：Sonnet 5.5 開低 effort 時最能跟 Opus 5.5 互補；開到高 effort，表現和成本都會跟 Opus 5.5 差不多。

寫程式

進步最明顯的地方。FrontierCode 同樣開 High，比 Sonnet 5 高 10 分，成本約十五分之一；CursorBench 的最好成績跟 Opus 5.5 只差約兩分。測試者提到它看懂程式碼庫很快，而且會把工具呼叫合併成一批，所以步數少、成本低。

早期測試者的回饋（摘要）：

• Epic Games：系統設計稽核、資料流程審查達到更高階模型的水準；能處理數萬行遊戲架構程式和好幾小時的任務，prompt 不用寫那麼細

• CodeRabbit：Sonnet 5 太愛上網搜尋、token 用很兇的問題都不見了；簡單和中等難度的 code review 會先換過來

• Base44：118 個真實 app 建置，品質跟 Opus 5 打平，平均 3.6 次迭代完成（Opus 5 要 7.7 次），失敗的工具呼叫最少，也很少中途停下來問使用者

• Unity：他們會重新打開專案、在執行時檢查，改動真的能動才算完成。多數工作都通過，多步驟的 Unity Editor 加程式評測完成 90%

• Creator：Opus 5.5 定好遊戲的架構之後，可以放心交給 Sonnet 5.5 實作

知識工作

GDPval-AA（44 種職業、9 大產業）幾乎跟 Opus 5.5 打平，比 Sonnet 5 高約 400 分；操作電腦和看圖表接近 Opus 5.5；長時間的知識工作明顯勝過 Sonnet 5 和 GPT-6 Sol。

比較難量化的部分：測試者覺得它對話比較自然，也有設計感——會幫介面補上細節，能照簡報範本做出幾乎不用再改的簡報。內部測試給它一家上市公司的季報資料、法說會逐字稿和簡報範本，要一份 10 頁的營運回顧，兩位專家判斷第一版就能直接寄出。

客戶回饋（摘要）：

• Slack：完全不改 prompt，多數離線評測都贏 Sonnet 5，步數更少，輸出 token 少約 14%

• Zendesk：處理客服工單快 20%，做錯決定的次數更少

• Balyasny Asset Management：2,441 個金融任務，每個答案約用 12.1 萬 token（Sonnet 5 是 49.7 萬），七個模型裡品質對成本的比例最好

• Box：會回到原始文件重新核對資料，抓到 Sonnet 5 漏掉的錯；更準、快 2.4 倍、token 少 12%

• Lovable：工具呼叫少三分之一，shell 執行次數約少一半

• Atlassian：Rovo Agents 最多可以快 30%

成本與速度

（Sonnet 5.5 發表頁現在寫快取讀取 $0.10；但 10 月 7 日的 Haiku 5.5 發表文說，Sonnet 5.5 的快取讀取是當天才從 $0.20 降到 $0.10。兩篇說法對不起來，發表頁的價格可能是事後更新的。）

原文用三個「用一個 HTML 檔做出…」的 prompt 對照 Sonnet 5 和 Sonnet 5.5：400 隻椋鳥群飛、風吹動沙丘、用 24 個小時鐘組成的大時鐘。以下是椋鳥那組：

Effort 可以在成本、速度和品質之間取捨。Claude Code 和 Claude App 預設 Medium，Claude Platform 預設 High。設定低，回得快、用的 token 少，適合例行工作；設定高，想得比較久，也會更仔細檢查自己的成果。

安全

對齊

Sonnet 5.5 沒有把能力推到新的前沿，所以評估集中在任何能力等級都會有的風險：違背使用者的利益、誤導使用者、配合高風險的濫用。

在約 1,850 個情境的自動行為稽核中，多數對齊、抗濫用、誠實指標都進步或持平。在新的「圍堵」測試裡，它很少試圖逃出沙盒，接近表現最好的 Opus 5.5，也是所有模型裡最不會去試探容器邊界的。整體來說 Opus 5.5 還是略好一點，但沒有發現 Sonnet 5.5 追求跟使用者意圖衝突的目標。

防護

• 資安：能力比 Sonnet 5 大幅提升，所以用跟 Opus 5.5 類似的防護。日常開發中找 bug、修 bug 可以照常做，高風險的資安任務會明確轉回 Sonnet 5。

• 生物：跟 Sonnet 5 一樣。多數研究、教育、臨床工作不受影響，但部分微生物學和病毒學請求可能被誤擋。

• 蒸餾：第一個帶有「防止推理被抽取」分類器的 Sonnet；也擴大 preserved thinking，Claude 的思考內容會綁在建立它的帳號上。大多數開發者不會感覺到差別，但在帳號之間搬對話（包括在 Claude Code 中途換帳號）會受影響。

開始使用

跟 Opus 5.5、Sonnet 5 一樣可以零資料保留。所有平台都能用，包括 AWS、Google Cloud、Microsoft Azure，模型 ID 是 claude-sonnet-5-5。原本關掉 thinking 跑 Sonnet 的人，換到 Sonnet 5.5 前要先改用新的 between_tools 設定（一樣不會在一開始就思考）。

詞彙對照

同系列

• Claude Opus 5.5 導讀

• Claude Haiku 5.5 導讀