新闻详情

新闻详情

首页 / 资讯中心 / 详情

Anthropic 不卷智商了:Sonnet 5.5 把大模型比拼拽进“谁更划算“

发布时间:2026/11/18 11:31:59来源:尧图网络
Anthropic 不卷智商了:Sonnet 5.5 把大模型比拼拽进“谁更划算“
9 月 28 日Anthropic 发布 Claude Sonnet 5.5。时间点很耐人寻味就在一周前他们刚把旗舰 Opus 5.5 推上台主打更会思考。现在这台中杯官方话术是更便宜、更快的干活搭子而不是一次能力飞跃——一家卖了两年基准霸主故事的公司主动把叙事从谁更聪明拧到了谁更划算。话术一换说明 Anthropic 对这场比赛的胜负手判断变了从谁更聪明转向谁更划算。一、价格没降但账单要变小先说最容易被误读的一点Sonnet 5.5 的 API 名义价格一分没降还是每百万输入 token 2 美元、输出 10 美元和上一代入门价一样。真正变的是完成任务要花多少。官方称生成速度提升 30% 以上单次任务成本最高降 30%。这 30% 不是靠砍单价而是靠效率新模型更常把多次工具调用合并到同一步减少执行步骤完成同类任务消耗的 token 更少。这个区别很关键。过去我们比模型习惯看每百万 token 多少钱。但放到 Agent 场景里一次任务可能要调几十次工具、跑好几轮、耗几分钟——单价低不等于总账低。对日常 Agent 工作来说该看的指标是单次任务成本不是token 单价。单价不变、效率更高总账照样能少三成。二、分数逼近旗舰但分工更清楚了Sonnet 5.5 在好几项基准上已经贴脸旗舰 Opus 5.5基准测试Sonnet 5.5Sonnet 5Opus 5.5Terminal-Bench 4.0自主编程70.6%10.3%66.4%¹CursorBench 4.0跨文件改代码55.5%34.1%57.8%GDPval-AA v2.144 种职业真实工作184414491846跨文件改代码的 CursorBench 4.0 里Sonnet 5.5 拿 55.5%和 Opus 5.5 的 57.8% 只差 2.3 个百分点覆盖 44 种职业的 GDPval-AA 上1844 对 1846基本平手。但分数接近不等于该混用。Anthropic 给的分工很明确Opus 5.5 负责需要持续判断的复杂、开放式任务Sonnet 5.5 接定义明确、量又大的日常活——改代码、修 Bug、做文档、幻灯片和表格。客户反馈也印证了这点Slack 在不动提示词的情况下输出 token 少了约 14%Zendesk 用数百个真实工单测处理速度比现用模型快 20%。说白了你团队 80% 的常规活这台中杯大概率接得住。三、一个反直觉的判断更聪明不一定更好这里有个很容易被忽略的细节也是选型的硬标准。在 FrontierCode 1.1 长时程编程测试里Sonnet 5.5 在最高推理强度Max下反而只拿 46.2%低于次高档Xhigh的 52.1%。Anthropic 的解释是Max 模式给了模型最大的思考自由度但它更频繁地触发代码审查、把任务拆给子 Agent结果在部分场景里超时或者改出了任务范围之外的代码。换句话说对明确的日常 Agent 任务多想不一定多对还可能更慢、更贵、更越界。这直接推翻了推理强度拉满就最好的直觉。选模型时别只看能力上限要看它在你的真实任务上匹配度最高那一档。四、真正值得关注的是比赛规则变了把视野拉远一层Sonnet 5.5 这种中档高速模型走红背后是智力差距在被填平。第三方评测 Artificial Analysis 的智能指数上Sonnet 5.5 拿 56 分只比 Opus 5.5 低 2 分。而开源、开放模型这边Qwen、MiniMax 等已经在关键基准上逼近闭源梯队——当一家能免费自部署的模型在开发者最在意的基准上和你的付费 API 咬得越来越紧纯拼谁更聪明就不再是稳赢的打法。所以 Anthropic 这次主动把话术从基准霸主换成便宜可靠的干活搭子。在智能趋于同质化的区间里这等于把竞争压到谁能用更低的单次任务成本可靠地把活干完。对办公提效和知识工作而言这才是 Sonnet 5.5 类模型真正的意义——它们会加速 Agent 在文档、表格、代码修复这些日常任务里的规模化部署。因为规模化最怕的不是不够聪明是太贵、太慢、太不稳定。给你的选型三问读完这篇下次有人问该上哪个模型别急着比跑分。先问三句这活是定义明确还是需要持续判断明确、量大——交给 Sonnet 5.5 这类中档高速模型开放式、要深度判断——才上旗舰。你现在的 API 账单里有多少日常 Agent 任务在用旗舰价在跑把这部分切出来可能直接省下相当一块。推理强度是不是默认拉到了 Max日常任务未必需要拉满反而可能掉分、超时、超成本。价格战打到最后赢家不一定是模型最聪明的那家而是把单次任务成本算得最清楚、用得最稳的那家。Sonnet 5.5 只是一个开始。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉