選中階模型時，真正的取捨從來不是「聰明不聰明」，而是每個任務的 token 帳單。Anthropic 在發表 Claude Sonnet 5.5 時，把這條線重新畫了一遍：單價不變，但同樣的工作通常用更少的 token 完成，加上輸出速度提升 30% 以上，綜合起來每個任務最多便宜 30%。
定位：Opus 5.5 的搭檔，不是替代品
Sonnet 5.5 是 Claude 5.5 家族的第二款模型。Anthropic 把它定位為 Claude Opus 5.5 的快速、低成本搭檔：Opus 5.5 處理需要深思熟慮判斷的複雜工作，Sonnet 5.5 則擅長範圍明確的日常任務——修 bug、產出像樣的文件、投影片和試算表。官方也提到它對設計細節有相當的敏感度。至於主打高流量、成本敏感場景的 Claude Haiku 5.5,則會在接下來幾週加入家族(先前我們已在 [/blog/claude-haiku-5-5-subagent-cost-math/] 看過小模型價格下壓對 subagent 成本的影響，這次換中階模型跟上)。
數字說了什麼
幾個關鍵指標，都來自 Anthropic 的公告：
- Terminal-Bench 4.0(agentic coding 評測)：70.6%,對比 Sonnet 5 的 10.3%。
- GDPval-AA:距 Opus 5.5 只差兩分。
- 長程任務與影像理解也有進展——它是第一個只靠螢幕截圖就打贏 Pokémon Red 的 Sonnet 模型。
- 在多項評測上，Sonnet 5.5 在 Low 或 Medium effort 設定下，就能以約十分之一的每任務成本超過 Sonnet 5 的最佳成績。
值得留意的是，Anthropic 自己也承認 benchmark 只反映能力的一個面向：在複雜、開放、需要持續判斷的工作上，Opus 5.5 仍然明顯更強。這對選型是個有用的提醒——別把單一分數當成採購依據，這和 檢索評測該怎麼算分 的邏輯其實相通：指標要對齊你的實際任務才有意義。
為什麼 token 效率比單價重要
價格維持在每百萬輸入 token 2 美元、輸出 10 美元、cache 讀取 0.20 美元，但帳單的決定因素是「做完一件事用了多少 token」。早期測試者觀察到，Sonnet 5.5 在對照測試中比 Sonnet 5 更常批次合併 tool calls,步驟更少、成本更低。對跑大量 agent 的團隊來說，這比速度提升更直接影響月帳單。
編碼方面的改善尤其明顯：在 FrontierCode 的 High effort 下，它比同設定的 Sonnet 5 高出 10 分，每任務成本約是十五分之一。Epic Games 的 COO Daniel Vogel 在早期測試中回饋，該模型在系統設計審查和資料流審查上達到了更高階模型的品質水準，能處理數萬行的遊戲系統架構程式碼，且不需要太過指令式的提示。
安全面的變化
這是第一個在發佈時就配備 cyber safeguards 與 fallbacks 的 Sonnet 模型，因為它的網路安全能力已與 Opus 5 相當。生物安全方面則與 Sonnet 5 相同。兩類防護都只針對窄範圍的高風險請求，一般的軟體開發和多數生命科學工作不受影響。在自動化行為審計上，它在大部分 alignment 指標上達到或超過 Sonnet 5。
實際的下一步
如果你的工作量混合了「複雜判斷」和「大量日常任務」，合理的做法是把 Sonnet 5.5 放在 effort 較低的設定下測試——那正是它和 Opus 5.5 互補最好的位置。拿一週的真實任務跑對照，記錄每任務成本和一次通過率，數字會自己告訴你界線該畫在哪。