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:Claude Sonnet 5.5 发布:智能逼近旗舰,token 消耗成争议(27 条相关)→
「模型」频道最新
- Devin 中现 stealth 模型 silicon-2,疑似 Anthropic 新模型 — kimmonismus · 2026-11-16
- Google AI Mode隐藏所用Gemini型号,Gemini 4 Carbon下放Pro用户 — gaganghotra_ · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- Nathan Lambert 点破 Ethan Mollick 榜单对比漏掉了 Kimi — natolambert · 2026-11-16
- 评测方 Trajectory 给 40 个 Agent 写「永不放弃」提示词,此前未告知 Epoch — peterwildeford · 2026-11-16
- 自托管实测:Unsloth Q8 量化版大幅优于默认 Q3,连夜跑完 331 份账单分析 — No_Cartographer3953 · 2026-11-16