自建盲测:Sonnet 5.5 正确率追平 Opus 5.5,价格仅四分之一
_Duex · reddit · 2026-09-29
作者用同一个自包含任务横向实测新发布的 Sonnet 5.5 与 Opus 5.5(另加 GPT-6 Sol/Luna 对照):从零写一个 Rust 版 DEFLATE/zlib 解压器,无依赖、无 unsafe、严格错误处理,盲评 + 全自动判分,以 zlib 为参照跑了 4055 个隐藏测试(真实流、手工构造边界用例、4000 个损坏输入、速度测试和 zip bomb)。
结果:
- Opus 5.5:全部通过,507 MB/s,10分18秒,$2.08
- Sonnet 5.5:全部通过,447 MB/s,3分41秒,$0.52
- GPT-6 Sol:全部通过,301 MB/s,6分37秒,$0.27
- GPT-6 Luna:连正常 zlib 都解不了(一个笔误),$0.007
结论:正确性上 Sonnet 完全追平 Opus,价格仅 1/4、耗时仅 1/3;Opus 的溢价体现在工程质量——用 zlib 式两级 Huffman 表、严格控制输出缓冲上限、还自己写了差分测试器。对定义清晰的任务,Sonnet 5.5 medium 性价比更高;开放性调试任务 Opus 可能仍占优。作者提醒这是单任务单次运行的数据点。
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)→
「编程与Agent」频道最新
- 团队让 Agent 自动回复 Slack,网友直呼「和所有人的幽灵版聊天」 — iamrobotbear · 2026-11-16
- AI 求职面试复盘法:让 Claude 指出你哪段回答最没说服力 — brandon_galang · 2026-11-16
- DeepSeek 开源官方 App 前端 chat-demo,3.9k 星 — NielsRogge · 2026-11-16
- Agent 过验证码前先请示:反机器人机制逼出AI的自我怀疑 — Puzzleheaded-King584 · 2026-11-16
- 通用 API 目录 MCP 服务器实测:3 个工具换来永不膨胀的上下文 — MandeepKaur9407 · 2026-11-16
- UC Berkeley 论文揭示 LLM「过期绑定」:新值在上下文中仍答旧值 — ombre-ai · 2026-11-16