Sonnet 5.5 速度提升 30%、維持每百萬 token 2 美元／10 美元定價，與 Opus 5.5 僅差兩分
新聞摘要
Anthropic 於 2026 年 9 月 28 日發布 Claude Sonnet 5.5，將其定位為處理程式開發、製作辦公文件等日常任務時更便宜、更快速的工作夥伴。當天太平洋時間上午約 11 點刊出的報導指出，該模型的輸出生成速度比 Sonnet 5 快超過 30%，每個 token 的單價不變，但由於使用的 token 與工具呼叫次數較少，單次任務成本最多可省下 30%。
Anthropic 公布的內容
Sonnet 5.5 是 Claude 5.5 系列的第二款模型，距離 Sonnet 5 推出約三個月。Anthropic 形容它是處理日常任務（包括寫程式與製作辦公文件）的理想助手。TechCrunch 報導指出，它在部分代理式程式開發任務上的表現優於 Opus 5.5，也更適合成本會迅速累積的多代理部署情境。Anthropic 同時表示，新款 Haiku 模型 Claude Haiku 5.5 將於未來數週內推出，但尚未公布確切日期。
定價與速度
根據 VentureBeat 與 The Decoder 的報導，官方定價與 Sonnet 5 相同：輸入每百萬 token 2 美元、輸出每百萬 token 10 美元；快取讀取每百萬 token 0.20 美元、快取寫入每百萬 token 2.50 美元。因此省下的費用來自效率提升，而非降價。據悉輸出生成速度快了 30% 以上，且完成同一項工作所需的 token 與工具呼叫次數更少。多家媒體指出，在低或中等運算強度設定下，Sonnet 5.5 能以約十分之一的單次任務成本，在部分基準測試中超越 Sonnet 5 的最佳成績。
基準測試結果
公布的數據顯示，Sonnet 5.5 在知識工作與程式碼測試中已接近 Anthropic 的旗艦模型 Opus 5.5，並大幅領先 Sonnet 5。
- GDPval-AA（知識工作）：1844 分，Opus 5.5 為 1846 分，Sonnet 5 為 1449 分。
- OSWorld 2.1（電腦操作）：80.1%，Opus 5.5 為 81.8%，Sonnet 5 為 57%。
- Terminal-Bench 4.0（代理式程式開發）：70.6%，Opus 5.5 為 66.4%，Sonnet 5 為 10.3%。
- CursorBench 4.0（程式開發）：55.5%，Opus 5.5 為 57.8%。
- Chartography（視覺圖表判讀）：61.6%，Opus 5.5 為 64.4%，Sonnet 5 為 15.6%。
- FrontierCode 1.1：高運算強度下達 52.1%，高於 Sonnet 5 的 42.4%。
The Decoder 補充提醒：在最高運算強度設定下，該模型在某些基準測試的分數反而低於「極高」設定，原因是程式碼審查功能可能觸發不必要的子代理作業。
早期客戶回饋
VentureBeat 引用曾測試該模型的公司說法，指出它們在自身工作流程中獲得了效率提升。Box 表示模型速度快了 2.4 倍，總 token 用量減少 12%。Zendesk 回報工單處理速度提升 20%，Slack 則發現輸出 token 減少 14%。Lovable 測得工具呼叫次數減少約三分之一、命令列執行次數約減半；Base44 回報每次建構平均需 3.6 次迭代，而 Opus 5 為 7.7 次。這些皆為廠商自行公布的結果，尚未經第三方獨立驗證。
安全性與網路安全防護
Sonnet 5.5 是首款內建網路安全防護機制的 Sonnet 模型，因為其網路攻防能力被認為與 Opus 5 相當。公布的成績包括 CyScenarioBench 達 46.1%，而 Sonnet 5 僅 0.7%。高風險請求會被轉送至 Sonnet 5 處理，新的分類器也有助於阻擋試圖擷取推理過程或蒸餾模型的行為。符合資格的安全專業人員可透過 Anthropic 的網路驗證計畫申請分級存取權限。生物安全防護措施則與 Sonnet 5 相同。
可用平台與運算強度設定
該模型已在 Claude Platform 上線，識別名稱為 claude-sonnet-5-5，同時也提供於 Amazon Web Services、Google Cloud 與 Microsoft Azure，並支援零資料保留。開發者可選擇低、中或高運算強度。Claude Code 與消費者端應用程式預設為中等，而 Claude Platform 預設為高等。
對學習者與開發者的意義
對學生與開發者而言，這次發布反映了 AI 工程領域的一大趨勢：進展的衡量標準正逐漸從單純的基準測試分數，轉向「完成單次任務的成本」。一個能以更少步驟得出答案的快速模型，可降低同時運行大量 AI 代理的成本，讓全球小型團隊更容易落實自動化程式開發、文件撰寫與資料分析。讀者應將上述數據視為 Anthropic 及其合作夥伴公布的結果，並在自己的實際工作負載中加以驗證。