中杯白菜价、满档却贵过大杯：Sonnet 5.5 的便宜，藏着一个档位陷阱

2026年9月29日

Anthropic 又在 OpenAI 年度开发者大会开幕前一天甩出了新东西。就在 DevDay 定在美西时间 9 月 29 日、也就是发布后一天的这个节骨眼，Claude Sonnet 5.5 来了，身份是 Opus 5.5 的「全能打工助手」：最快、最省钱、最懂日常干活。

这次发布最戳人的，是这几件事实。相比 Sonnet 5，它运行速度快 30%，完成相同任务的成本最多降 30%；标价只有大杯 Opus 5.5 的一半，性能却几乎追平。在 Terminal-Bench 4.0 这个硬核智能体编程测试里，Sonnet 5.5 拿到 70.6%，大概是原来的 7 倍，直接把大杯 Opus 5.5 的 66.4% 反杀。一代之间，从垫底冲到自己家第一，Artificial Analysis 的智能指数榜前三全被 Claude 家包圆，Sonnet 5.5 排第二，而第三名、四周前才发布的 Fable 5.1，标价是它的整整 5 倍。

中杯把大杯打得没脾气，这个戏码本身已经够爽，但真正值得开发者盯的，是藏在「便宜」背后的那个开关——Effort Level。官方定价表面和 Sonnet 5 一模一样：每百万输入 Token 2 美元，每百万输出 Token 10 美元，缓存读取每百万 Token 0.20 美元，便宜全靠模型变聪明、少用 Token 省出来的。可这账只能算一半——档位开多大，才决定省不省得下钱。

档位从 Low 到 Max 五档，官方说单任务最多便宜 30%，很多测试里只开 Low 或 Medium 就能锤爆上一代满档，成本只有十分之一。但 Artificial Analysis 把档位推到 Max 一测，结果有点吓人。Max 档下，Sonnet 5.5 每做一道题平均要吐 19.3 万个输出 Token，这是该机构测过的历史最高纪录，比大杯 Opus 5.5 的 Max 档多吐六成，大约是 GPT-6 Astra 的 7 倍。所以哪怕单价减半，中杯满档跑一个任务也要 7.60 美元，比上一代贵 50%，甚至比大杯 Opus 5.5（5.98 美元）还贵，直接逼近超大杯 Fable 5.1 的 7.63 美元。满档还会帮倒忙：在测代码合并的 FrontierCode 上，开 Max 档只拿到 46.2%，反而比低一档的 Xhigh（52.1%）还低，因为满档状态下它太爱调用代码审查工具，把活儿包给一大群子智能体，要么跑超时要么手欠改范围外的代码被扣分。

所以这条「性价比之王」得翻译成一句人话：修 Bug、写文档这种日常活，开 Medium 或 High 档最划算；复杂长任务，直接交给大杯 Opus 5.5 的 High 档，千万别无脑把中杯拉满。便宜是真的，但便宜有使用门槛，不是无脑冲。

代码之外的办公能力，这次也追平了大杯。GDPval-AA 测模型在 44 种职业里直接交付成品的能力，Sonnet 5.5 拿 1844 分，大杯 Opus 5.5 是 1846 分；考长程知识工作的 AA-Briefcase 里它拿 1811 分，和 Opus 5.5 的 1822 分几乎打平，比 GPT-6 Sol 高出 300 多分。在带工具的「人类最后的考试」上拿 64.5%，比上一代高了将近 10 个点。甚至有了点设计天赋：能主动美化 UI、完美遵循幻灯片模板。Anthropic 内部有个案例，扔给 Sonnet 5.5 一家上市公司的季度财报、电话会议记录和一个 PPT 模板，让它生成 10 页运营审查幻灯片，初稿被两位人类专家鉴定为「完美，可直接发送」。Box 的测试更直观：整体准确率 65% 对 Sonnet 5 的 61%，完成成果速度快约 2.4 倍，总 Token 消耗还降了 12%。速度和质量经常互相拉扯，能同时兼顾确实算实打实的进步。

这次还有几个花活值得拎出来看，因为它们暴露了模型的真实边界。Sonnet 5.5 成为史上第一个仅靠看屏幕截图就通关《宝可梦红》的中杯模型——Claude 跟这游戏死磕了一年多，2025 年 2 月就开始，Opus 4.5 在一栋楼里困了好几周不捡钥匙卡，Opus 4.6 打到接近冠军被机关卡了几个月，直到今年 5 月 Opus 4.7 靠着放大截图和存记忆两个外挂才通关；而四个月后，Sonnet 5.5 只靠看截图一次性过关。关键在它「长出」了眼睛：在不借工具强读复杂图表的 Chartography 测试里，从上一代的 15.6% 暴涨到 61.6%，翻了近 4 倍；OSWorld 2.1 里涨到 80.1%，跟 Opus 5.5 的 81.8% 只差 1.7 个点。

但眼睛长好不等于全能。维护 LEGO 星球挑战的 Robbert van Empel 让 Sonnet 5.5 用一堆乐高积木搭一个带《南方公园》剧情、能走路交互跳跃的世界，它没能一次性构建出来，同样题目 GPT Luna 反而做到了。网上的实测也有反差：AI 博主 Matthew Berman 用它在虚幻引擎里现场手搭旧金山，街道上车流不息、自行车穿路口，输入一句「泛美金字塔起火」，系统自动把火情评成 4.6 级（满分 10），自主派出 5 辆消防车 3 辆警车，警车闪着灯拉起警戒线，还能做 3D 大海、糖豆人式闯关游戏、把星舰 V3 拆成可交互爆炸图。同一个题目，两代模型并排写鸟群模拟代码，Sonnet 5.5 写完鸟群已经飞了 9 秒，上一代还在一行行往外蹦。能秀是真的，一次搭不完整整个世界也是真的，这就是边界。

除了性能，这代还加了两层防蒸馏机制。官方原话是：由于能力远超前代，它是首款搭载安全分类器防止推理提取的 Sonnet 模型，Claude 脑子里的「思考过程」无法与账户解绑。对正经开发者完全无感，对想白嫖核心技术的人，这条路彻底堵死。同时由于网安能力大升级，它成为第一款配 Opus 同级别网络安全防护与回退机制的 Sonnet 模型，遇到高风险网安任务会自动回退到 Sonnet 5，生物学领域也会拦截高风险请求。

回到时间线看这场对打：9 月 22 日 Anthropic 发大杯 Opus 5.5，90 分钟后 OpenAI 发了 GPT-6 Sol 和 Luna；6 天后 Anthropic 发中杯 Sonnet 5.5，标价和 GPT-6 Sol 一模一样，智能指数却碾压。Claude 把最强战力价格拉到白菜价，OpenAI DevDay 就在一天后，压力全在那边。对真正掏钱的开发者，这一轮最关键的不是谁赢，而是别被「中杯白菜价」几个字带跑——省钱的前提，是把那个档位拧对。