跳到正文
Artificial Analysis 完整文章·· 2026-10-03精選AI 評分79

Claude Sonnet 5.5 在 Artificial Analysis Intelligence Index 升至第 2 名

Claude Sonnet 5.5 reaches #2 on the Artificial Analysis Intelligence Index

AI 導讀

Artificial Analysis 的評測顯示,Claude Sonnet 5.5 在 Intelligence Index 取得 56 分,於 max effort 下排名第 2,僅落後 Opus 5.5(max)2 分。

推薦理由

評測把 Claude Sonnet 5.5 的基準表現與每項任務的 token 消耗、成本對照,呈現其接近 Opus 5.5 時的資源代價。

正文 · 繁體中文

Anthropic 推出 Claude Sonnet 5.5:在 Artificial Analysis Intelligence Index 得分 56,只比 Opus 5.5(max)低 2 分,但每項任務的輸出 token 數創下新高

查看模型頁面

在 max 推理力度下,Sonnet 5.5 比 Sonnet 5 高 18 分,升至 Intelligence Index 第 2 名,僅次於 Opus 5.5(max)。Anthropic 為 Sonnet 5.5 訂定與 Sonnet 5 相同的價格:每 1M 快取輸入/輸入/輸出 token 收費 $0.2/$2/$10。不過,它每項任務輸出的 token 更多,每項任務成本為 $7.60(比 Sonnet 5 高約 50%)。

重點摘要:

➤ 在智能體終端操作和知識工作方面追上領先模型:在 Terminal-Bench 4.0 中,Claude Sonnet 5.5 得分 64%,Opus 5.5 和 GPT-6 Astra 則為 60%。在 AA-Briefcase(1811 對 1822 Elo)、GDPval-AA(1844 對 1846 Elo)和 AutomationBench-AA(標題分數 71% 對 70%)中,Sonnet 5.5 與 Opus 5.5 表現相若,但達到這水平所用的 token 明顯較多。

➤ 我們量度過的最高 token 用量:在 max 推理力度下,Claude Sonnet 5.5 的表現接近 Opus 5.5,每項 Intelligence Index 任務使用約 193k 個輸出 token。這是我們量度過的最高用量,比 Opus 5.5(max)或 Sonnet 5(max)高約 60%,也約為 GPT-6 Astra(max)的 7x。

➤ 輸入/輸出 token 每百萬個收費 $2/$10,與 GPT-6 Sol 相同:按此價格,Claude Sonnet 5.5 位於 Intelligence vs. Cost per Task Pareto Frontier 之外。高推理力度下,它落後於 Opus 5.5;低推理力度下,GPT-6 Astra 或 Sol 的配置則能以較低成本取得相若表現。高推理力度設定在這方面最具競爭力,在 Intelligence 表現上僅稍遜於 GPT-6 Sol,而每項任務成本實際上相同。

➤ 事實知識和科學推理落後於 Opus 5.5:作為較小級別的模型,Sonnet 5.5 在 AA-Omniscience 的事實知識方面仍落後於 Opus 5.5。其事實準確度得分為 54%,對照為 66%;不過,幻覺率較低,為 47% 對 59%。在 Humanity's Last Exam 和 SciCode 上,它亦比 Opus 低約 6 分。

這些評測使用 Claude Sonnet 5.5 的預發佈部署版本進行。Anthropic 發現該版本有一個錯誤,可能令模型在回應使用結構化輸出的要求時表現下降。公開發佈版已修正此問題;Anthropic 預期表現變化甚微,或略被低估,但我們很快會重新進行相關評測。

其他模型詳情:

➤ 上下文視窗:1 million token,支援圖像和文字輸入,與 Sonnet 5 相同。

➤ 定價:維持 Sonnet 5 最新的每 1M 輸入/輸出 token $2/$10;快取寫入收費 $2.5,快取讀取收費 $0.2。

➤ 推理力度設定:共五種(low、medium、high、xhigh、max)。Intelligence Index 評測以全部五種設定進行,並啟用 Anthropic 預設的後備機制。我們發現 Sonnet 5.5 在 Intelligence Index 約 0.1% 的任務中會切換至後備模型,主要出現在 Terminal-Bench 4.0;所有情況下均切換至 Sonnet 5。

Claude Sonnet 5.5(max)在 Terminal-Bench 上大幅進步,在 Terminal-Bench 4.0 和 Terminal-Bench-Science 均躋身頂尖模型之列。在 Terminal-Bench 4.0 得分 64%,比 Claude Sonnet 5(max)高 50 分,亦略高於 Opus 5.5 和 GPT-6 Astra(xhigh)的 60%。

在我們的 Terminal-Bench-Science 排行榜上,這項基準評估智能體能否在不同領域完成真實的科學研究工作流程;模型得分 53%,只落後於 GPT-6 Astra 和 Opus 5.5。Terminal-Bench-Science 目前未納入 Artificial Analysis Intelligence Index。

要取得如此突出的表現,Claude Sonnet 5.5(max)每項 Intelligence Index 任務約使用 193k 個輸出 token,是我們量度過最多的用量,約為 GPT-6 Astra(max)的 7x。

不過,較低推理力度設定涵蓋更廣的 Intelligence 與每項任務輸出 token 數取捨範圍;low、medium 和 high 均落後於 GPT-6 Sol 的 high、xhigh 和 max 設定。在這個範圍內,Sol 能以較少輸出 token 提供更高效能。

以下是 Claude Sonnet 5.5 在 Artificial Analysis Intelligence Index 各推理力度下的個別評測完整分析:

在此將 Claude Sonnet 5.5 與其他領先模型比較:https://artificialanalysis.ai/models/releases/claude-sonnet-5-5

來源:Artificial Analysis 完整文章 · artificialanalysis.ai