Anthropic在9月28日推出Claude Sonnet 5.5，这是Claude 5.5家族中定位中档的一员。官方给出的定价与上一代Sonnet 5相同：每百万输入token两美元，每百万输出token十美元，缓存读取每百万token零点二美元。公司称新模型生成速度提升超过30%，由于完成任务所需的token更少，单个任务的综合成本最高可下降约三成。更值得注意的是评测结果：在Terminal-Bench 4.0这一项上，Sonnet 5.5的得分高于自家旗舰Opus 5.5，不同榜单给出的具体数值在63%到71%之间，但排序一致。而Opus 5.5的发布时间，距离这款中档模型上线还不到一周。
在传统认知里，同一家公司的产品线通常按价格分层：旗舰最强也最贵，中档便宜但能力打折。Sonnet 5.5打破了这套直觉，它在部分智能体编码任务上超过了更贵的Opus 5.5，同时在Chartography等单项测试上出现了从15.6%到61.6%这样的大幅跃升。它还成为首个仅凭截图就能通关《宝可梦 红》的Sonnet系列模型，这类测试考察的是模型在视觉界面下的连续操作能力。
这种反超并不是全面碾压。在长程复杂分析、大型代码仓库的安全审查等任务上，Opus 5.5仍然保持优势。但从产品策略看，Anthropic显然把Sonnet 5.5当作走量主力：它同时成为Claude免费档的默认模型，覆盖了大量普通用户。用一款中档模型承接最广的调用量，再让旗舰专注最难的任务，这是一条更务实的路线。它传递的信号是，模型厂商的竞争重心正在从单项跑分转向整体性价比。
过去企业选模型，习惯直接比每百万token的单价，谁便宜用谁。这套算法在智能体场景里越来越不成立，因为一个任务往往要调用几十次模型、读写多个文件、反复执行命令。单价低的模型如果啰嗦、爱反复确认、需要更多轮次才能收敛，总账反而更贵。行业里已经有研究指出，用每token成本衡量模型效率具有误导性，更合理的指标是完成单个任务需要花多少钱、花多少时间。
Sonnet 5.5把卖点放在这一层，官方口径是更少的token、更多的并行工具调用、更少的无谓搜索和追问。对正在搭建智能体流水线的团队来说，这意味着评估方式要更新：先跑一组有代表性的真实任务，记录完成率、总token消耗、端到端时延与失败重试次数，再算单任务成本。只有在同一套任务上横向比较，价格标签才有意义。对预算敏感、任务量大但难度中等的团队，中档模型的性价比拐点往往出现在这里。
从公开信息看，Sonnet 5.5的改进集中在智能体工作流上。它能更早判断任务是否已经完成，减少无效的验证循环；在需要多步骤操作时，倾向于并行调用工具而不是串行等待；在信息不足时，也更倾向于用已有线索先推进，而不是频繁打断用户确认。这些行为层面的调整，单个看都不算惊艳，叠加起来却能显著压缩一条任务的往返次数。
对模型厂商来说，这是一种更接近工程优化的进步路径：主干能力提升有限，但通过训练目标与后训练策略的调整，把同样的能力用在更少的token上。这类改进的商业价值很直接，因为它直接降低了客户的实际支出，而客户的支出意愿又会反过来影响调用量。当模型能力进入相对拥挤的阶段，谁能把单位任务成本压下来，谁就更容易被集成进生产系统，而不是停留在试用清单里。
这次发布还有一个耐人寻味的背景。Anthropic此前公开呼吁放慢最前沿模型的开发节奏，主张引入独立评估机构为技术安全把关。但在同一周内，公司接连推出两款模型，一款是旗舰Opus 5.5，一款是中档Sonnet 5.5。这种表态与动作之间的落差，被不少观察者视为当前这条赛道的真实状态：所有人都知道需要刹车，但没有人愿意先松开油门。
横向看，头部实验室的发布节奏都没有放慢。OpenAI在同一时间窗口推出新模型并调整订阅体系，谷歌持续推进多模态与语音产品线。对采购方来说，这意味着模型能力的更新周期仍在以周为单位，任何一次选型都可能在几周后被更优解覆盖。务实的做法是把模型接入做成可替换的一层，把提示词、工具定义与评测集沉淀成自己的资产，而不是把业务流程与某一家模型绑死。这样当下一代模型出现时，切换成本才可控。
对国内企业来说，Sonnet 5.5这类中档模型的价值，取决于它能否在具体业务上稳定复现官方宣称的效率优势。比较务实的做法是挑一组有代表性的真实任务，例如客服工单分类、代码审查、报表生成，让候选模型跑完整流程，记录完成率、总token消耗与端到端时延，再折算成单任务成本。只有在同一套任务上横向比较，价格标签才有参考价值。
另一个容易被忽略的动作是把接入层做成可替换的。把提示词模板、工具定义与评测集沉淀成团队自己的资产，而不是写死在某个模型的调用格式里，这样当下一代模型出现时，切换成本才可控。模型能力还在以周为单位更新，把业务绑死在单一供应商上，风险会随时间累积。