离谱，GPT-6.1突然跳票，Claude一夜包揽最强模型前三了- 大数跨境

首页

离谱，GPT-6.1突然跳票，Claude一夜包揽最强模型前三了

APPSO

2026-09-29

导读：Anthropic 的减速承诺成了笑话

据《华尔街日报》报道，OpenAI 因在内部测试中发现模型存在隐瞒行动、未经授权调用外部工具等安全隐患，已取消原定 10 月发布的 GPT-6.1 Astra。

与此同时，Anthropic 并未放缓迭代节奏，赶在 OpenAI 开发者大会前夕正式发布 Claude Sonnet 5.5。作为 Claude 5.5 家族的第二款模型，Sonnet 5.5 延续了该系列定位，专注于代码修复、文档制作、幻灯片生成及表格整理等边界清晰的日常任务。

相比上一代，Sonnet 5.5 输出速度提升超 30%，多数任务实际成本降低最多 30%。Anthropic 明确了产品矩阵分工：Opus 5.5 负责高难度长期推理；Sonnet 5.5 以更低成本提供接近旗舰的能力；面向高并发场景的 Haiku 5.5 将于近期上线。

Sonnet 5.5：能力逼近旗舰模型

编程与 Agent 能力大幅跃升

Sonnet 5.5 在 Agent 编程领域表现突出。在 Terminal-Bench 4.0 测试中，其得分达 70.6%，远超 Sonnet 5 的 10.3%，甚至超越 Opus 5.5 在 Xhigh effort 档位下的 66.4%。

在 FrontierCode 1.1 中，Sonnet 5.5 得分为 46.3%，虽不及 Opus 5.5 的 54.4%，但已明显高于前代的 42.4%。在基于真实 Cursor 任务的 CursorBench 4.0 中，其得分 55.5%，与 Opus 5.5 的 57.8% 差距仅约两个百分点。

早期测试显示，Sonnet 5.5 理解代码库更快，多工具调用更精准，完成同一任务所需的步骤和 Token 更少。Epic Games 测试指出，该模型能处理数万行游戏系统代码，在系统设计审查和数据流分析中表现达到高阶模型水平，且对提示词依赖降低。

知识工作与办公场景表现优异

在涵盖 44 种职业和 9 个行业的 GDPval-AA 测试中，Sonnet 5.5 获 1844 分，几乎追平 Opus 5.5 的 1846 分，较 Sonnet 5 高出近 400 分。在复杂办公交付测试 AA-Briefcase 中，其得分 1811 分，同样接近 Opus 5.5 的 1822 分。

在计算机操作测试 OSWorld 2.1 中，成绩从 57% 提升至 80.1%，距 Opus 5.5 仅差 1.7 个百分点。图表理解测试 Chartography 中，得分从 15.6% 飙升至 61.6%，超过 GPT-6 Sol 公布的 53.6%。

内部测试显示，基于上市公司财报和模板生成的 10 页经营回顾幻灯片，经专业人士审阅可直接发送。不过，Anthropic 强调 Sonnet 5.5 并非 Opus 的替代品，后者在处理开放问题和超长任务时仍具优势。Sonnet 5.5 的核心价值在于将部分旗舰级工作下沉至更具性价比的档位。

实测案例：高效创造与视觉突破

开发效率与成本优势显著

开发者 Amir Mušić 利用 Sonnet 5.5 重建童年街区，耗时约一小时，Token 成本约 55-57 美元，成品包含住宅、设施及可交互环境。

在 BridgeBench 黑洞并合任务对比中，Sonnet 5.5 耗时 4 分 14 秒，成本 0.34 美元；相比之下，Opus 5.5 耗时 6 分 08 秒，成本 0.69 美元；Fable 5.1 耗时 4 分 44 秒，成本 1.22 美元。Sonnet 5.5 速度最快，费用仅为 Opus 5.5 的一半。

熔岩灯 UI 测试中，Sonnet 5.5 用时 5 分 44 秒，花费 0.47 美元，效果接近 Opus 5.5（用时 9 分 35 秒，花费 1.27 美元），但耗时减少近四分钟。

视觉设计与3D生成能力增强

Sonnet 5.5 在视觉设计理解上进步明显。官方展示的秋叶模拟器、手绘流程图及物理模拟等案例中，其画面层次、运动效果及交互完整度均优于 Sonnet 5。在达斯·维达 3D 模型测试中，其头盔、披风等细节比例比 GPT-6 Sol 更完整。

纽约城观光飞行测试中，Sonnet 5 曾耗时 4 小时未能解决相机移动问题，而 Sonnet 5.5 成功控制镜头完成飞行。开发者 st1ne 更让模型生成了可操作的特斯拉 Cybertruck 3D 驱动系统，用户可调节转速、观察电流合成磁场及能量回流过程。

游戏生成方面亦有突破，已有用户通过单次提示生成可运行的赛车游戏。

定价策略与行业影响

API价格维持不变，综合成本优化

Sonnet 5.5 API 价格延续 Sonnet 5 标准：每百万输入 Token 2 美元，输出 10 美元，缓存读取 0.20 美元，输入输出价格均为 Opus 5.5 的 50%。由于完成任务所需步骤和 Token 减少，单任务成本最多下降 30%。部分测试显示，使用 Low 或 Medium effort 档位时，其成本约为 Sonnet 5 最高成绩的十分之一。

值得注意的是，Artificial Analysis 指出，Sonnet 5.5 在 Max effort 下平均输出约 19.3 万 Token，为历史最高。此时单次任务平均成本约 7.60 美元，较 Sonnet 5 Max 高约 50%。因此，官方宣称的成本下降主要适用于常规任务，高强度推理场景费用可能上升。