Artificial Analysis 实测 Sonnet 5.5：距 Opus 5.5 仅 2 分，但单任务耗 token 最高
ArtificialAnlys · x · 2026-09-29
第三方评测机构 Artificial Analysis 发布 Claude Sonnet 5.5 首批评测数据：
- 智能指数：56 分，仅比 Opus 5.5 (max) 低 2 分；max effort 下比 Sonnet 5 高 18 分，居第二
- Agent 能力：Terminal-Bench 4.0 达 64%，超过 Opus 5.5 和 GPT-6 Astra 的 60%；在 AA-Briefcase、GDPval-AA、AutomationBench-AA 上与 Opus 5.5 基本持平——但靠消耗显著更多 token 实现
- 惊人耗 token：max effort 下单任务输出约 19.3 万 token，为其测量过的最高值，比 Opus 5.5 (max) 高约 60%，约为 GPT-6 Astra 的 7 倍
- 成本：单任务 $7.60，比 Sonnet 5 高约 50%，脱离智能/成本帕累托前沿；高频知识点上略逊 Opus（AA-Omniscience 事实准确率 54% vs 66%，但幻觉率更低 47% vs 59%）
- 规格：100 万 token 上下文，五档 effort 设置，价格不变
注：评测基于预发布版本，该版本存在结构化输出 bug，公开发布版已修复。
所属事件:Sonnet 5.5 评测：智能逼近 Opus，token 消耗登顶(12 条相关)→
「模型」频道最新
- Anthropic 发布 Opus 4.5,推文引发模型圈热议 — repligate · 2026-09-29
- Sonnet 5.5 实测:延续 Opus 手感,可读性登顶,能力大幅跃升 — every · 2026-09-29
- 黄仁勋回应蒸馏争议：这叫竞争，随便测别人的产品 — kevinsxu · 2026-09-29
- 前沿模型节奏放缓:更便宜更稳,但能力不再跃升 — zsakib_ · 2026-09-29
- Claude 用量限制突然放宽，用户反馈近乎无限 — every · 2026-09-29
- 重磅预告：无需反向传播，零阶优化直接预训练 Transformer — teortaxesTex · 2026-09-29