今天凌晨，Anthropic 发布了 Claude Sonnet 5.5。这是 Claude 5.5 家族的第二款模型，接在上周发布的 Opus 5.5 之后，面向日常编程、修复 bug，以及文档、幻灯片和表格等工作。
相较 Sonnet 5，官方称它的输出生成速度提升了 30% 以上，多数工作的单任务成本最多降低 30%。API 单价保持不变：每百万输入 token 2 美元、输出 token 10 美元。节省来自完成任务时用得更少。
这次值得关注的，是低档位能完成的工作明显变多了。Cursor 的编程评测里，Sonnet 5.5 在 Low effort 下，表中得分就超过了 Sonnet 5 的最高档，成本不到后者的十分之一。对每天反复读代码、改代码、跑工具的工作流，这种变化比单独刷新最高分更有用。
先看一项任务花多少钱
CursorBench 4.0 的任务来自真实 Cursor 会话，包含需求不完全明确、需要跨多个文件处理的工作。它的公开榜单同时列出得分、平均成本、token 和步骤数，能看见模型为了交付结果付出了多少。
几组有代表性的结果如下。成本是按输入、缓存读写和输出的公开费率折算出的平均每任务费用：
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
最直观的一组是 Sonnet 5 Max 与 Sonnet 5.5 Low：平均步骤从 140 降到 18，费用从 7.17 美元降到 0.50 美元，表中得分还略高一些。新模型不需要用上一代那么长的行动链，便能达到相近的结果。
往上加 effort，质量仍有收益，但成本也会迅速增加。Sonnet 5.5 从 Xhigh 到 Max，得分从 53.1% 到 55.5%，费用却从 3.88 美元到 9.67 美元。同一张表里，Opus 5.5 High 得分接近 Sonnet 5.5 Max，花费不到后者的一半。
这些是 Cursor 这套任务和运行环境中的结果，小分差未必具有统计意义。它们提供了一个很实际的选择：需要更多推理时，也值得比较另一款模型的中高档位，而不只是把当前模型一路推到 Max。
CursorBench 4.0 成本曲线：纵轴是得分，横轴是每任务成本，使用对数刻度。
这也解释了 Sonnet 与 Opus 在新一代里的分工。日常任务已经能在较低 effort 下完成，Sonnet 的效率优势更容易兑现；任务越开放、越依赖持续判断，Opus 仍有它的位置。
少走步骤，怎样变成效率
Agent 的一次任务，可能要经历搜索代码、读文件、修改、运行测试，再继续检查结果。每次工具调用都要等待返回，在保留完整历史的工作流里，新的结果和此前的对话还要进入下一次模型请求。一步一步串行执行，消耗的不只有输出 token。
Anthropic 收到的早期使用反馈中，有一个具体变化：Sonnet 5.5 比 Sonnet 5 更常把工具调用合在一起执行。可以同时获得的信息不必拆成多轮，交互链缩短，后续需要携带的历史也随之减少。哪些步骤能合并仍取决于任务依赖；例如测试必须等代码修改完成，便不能提前运行。
这类效率也体现在实际产品方的观察里。Base44 测试覆盖了 118 次应用构建：Sonnet 5.5 平均用了 3.6 轮迭代，Opus 5 用了 7.7 轮，成品评分相当。这是 Base44 的早期测试记录，对照的是 Opus 5，展示的是应用构建过程中的收益。
更快的输出生成，加上更短的行动链，能够减少等待。Cursor 表里的步骤数则补充了另一个视角：模型到达结果的路径也变短了。
把 effort 拉满，也可能做过头
Sonnet 5.5 的能力确实提高了。官方 Terminal-Bench 4.0 对照中，它从 Sonnet 5 的 10.3% 提升到 70.6%；这项评测要求 Agent 在命令行环境中完成复杂的多步骤任务。
但一项任务的好结果，还包括遵守范围。FrontierCode 评估代码修改能否不经人工改动就合并，会惩罚超出需求的修改。在这项评测里，Sonnet 5.5 的 Xhigh 得分为 52.1%，Max 反而是 46.2%。
Claude 给出了一个具体过程：Max 档位更常触发 Claude Code 的 code-review skill，把检查拆给多个子 Agent。在 Cognition 检查的两个案例里，这导致了超时，或者带来了任务范围之外的额外修改。
多做检查原本是为了提高质量，可检查链条本身也要服从当前任务。修一个明确的 bug，和重新审视整个模块，完成标准并不相同。这两个案例说明了最高档位分数下降的一条路径，并没有给所有任务规定同一个最佳档位。
官方迁移指南因此建议重新评估 effort：较明确的编程和多步工具任务，可以从 Medium 开始，更难或更长的任务再用 High。各档位已经重新校准，同名档位不代表与 Sonnet 5 投入相同的推理量。Claude Code 和应用默认是 Medium，Claude API 默认是 High。
办公和设计也有进步
在面向不同职业任务的 GDPval-AA 评测里，Sonnet 5.5 的评分是 1844，Opus 5.5 是 1846，两者接近。它的用途也扩展到需要整理资料、理解图表、遵循版式并交付完整文件的工作。
官方演示里，还有一个很容易看懂的小作品：让模型用单个 HTML 文件，做出由 24 个小钟组成的大钟。下面是 Sonnet 5.5 的演示成品截图；页面上的时间和 token 是这一次演示的记录。
单文件页面演示：24 个小钟的指针组合成数字时钟。
这类工作往往要来回调整布局、内容和交互。生成速度快，意味着修改后能更快看到下一版；模型能按要求做出较完整的成品，则减少了人接手补齐的工作。对日常协作，两种改进都直接影响使用体验。
Sonnet 5.5 已可通过 Claude API 使用，模型 ID 是 claude-sonnet-5-5，也已接入 AWS、Google Cloud 和 Microsoft Azure。它支持 1M token 上下文、标准最大输出 128K token，缓存读取价格为每百万 token 0.20 美元。
已有 API 工作流需要留意一个变化：原先用 thinking: {"type": "disabled"} 关闭推理的请求，在 Sonnet 5.5 上要改成 between_tools。这个模式关闭请求开头的推理，工具间仍可保留过程更新，支持 High 及以下 effort。其他接口迁移细节放在文末指南里。
参考链接
-
Anthropic：Introducing Claude Sonnet 5.5：https://www.anthropic.com/claude-sonnet-5-5 -
CursorBench 4.0：得分、成本与步骤：https://cursor.com/cursorbench -
Cursor：How we compare model quality：https://cursor.com/blog/cursorbench -
Claude Sonnet 5.5 模型与价格：https://platform.claude.com/docs/en/models/sonnet-5-5/overview -
Claude Sonnet 5.5 迁移指南：https://platform.claude.com/docs/en/models/sonnet-5-5/migration-guide