清澈水面上漂浮的一艘橙色小船

先看变化的方向

九月二十八日，Anthropic 发布了 Claude Sonnet 5.5。它在 Claude 5.5 家族里排第二，官方给它的定位很清楚：比上一代 Sonnet 5 快三成以上，大多数任务的花费最多低三成，是 Opus 5.5 的「更快、更省」的搭档。往上，Opus 5.5 负责需要谨慎判断的复杂工作；往下，面向高并发、成本敏感场景的 Haiku 5.5 会在未来几周加入。

一句话概括：这次不是把天花板抬高，而是把「够用」的那条线往上挪了一截。

榜单里最反常的一行

官方公布的评测里，最扎眼的不是绝对分数，而是进步幅度。在智能体编程评测 Terminal-Bench 4.0 上，Sonnet 5.5 拿到 70.6%，同门的 Sonnet 5 只有 10.3%，连更贵的 Opus 5.5 也是 66.4%。在带工具的多学科推理 Humanity's Last Exam 上是 64.5%（Sonnet 5 为 54.9%，Opus 5.5 为 67.7%）；在图表的视觉识别 Chartography 上是 61.6%，而 Sonnet 5 只有 15.6%。官方还提到一个细节：它是第一个只靠截图就能通关《宝可梦 红》的 Sonnet 模型。

不过官方自己泼了盆冷水：榜单只反映能力的一个侧面，在开放式、需要持续判断的复杂任务上，Opus 5.5 依然明显更强。这句话对企业选型很重要——把「某个细分评测追平旗舰」当成全面追平，是最常见的误判。

价格没动，账单却降了

定价上 Sonnet 5.5 与 Sonnet 5 完全一致：每百万输入 token 两美元、输出十美元、缓存读取两毛美元。看起来什么都没变，但官方补了一句关键的话：完成同样的工作，它需要的 token 明显更少，实测每个任务的花费最多比上一代低三成。

这就是成本核算里最容易被忽略的一环。企业做预算时习惯盯着「每百万 token 单价」，可真正的支出是单价乘以消耗量。一个单价更低但啰嗦的模型，账单完全可能比单价高、话少的模型更贵。按「每个任务多少钱」而不是「每百万 token 多少钱」来算，是这次发布最实用的一条提醒。

安全与迁移上的两个细节

Sonnet 5.5 是第一个带网络安全护栏与回退机制的 Sonnet 模型，因为它在这方面的能力已经和 Opus 5 相当；它也是第一个带「防止推理提取」分类器的 Sonnet。生物学相关护栏与 Sonnet 5 保持一致，官方说明这些护栏只针对一小部分高风险请求，常规软件开发和大部分生命科学工作不受影响。另外，如果你此前的调用方式是完全关闭思考（thinking off），迁移时需要改用新的 between_tools 设置。

对做企业数字化、小团队的实际启发

第一，把模型分级当成成本结构来设计：高频、边界清晰、验收标准明确的环节——客服分流、单据字段抽取、报表初稿、文案润色——放在「够用的便宜模型」上；真正需要取舍和判断的环节留给强模型。第二，账单要按任务算，跑一次 A/B 对比的真实消耗，比看价目表可靠。第三，别让业务卡在单一模型上，把调用层留一个可替换的接口，模型代际迭代的速度已经不给你重写系统的窗口了。