Artificial Analysis 給 Claude Sonnet 5.5 打出 56 分，比 Opus 5.5 低 2 分

Artificial Analysis 稱，Anthropic 已推出 Claude Sonnet 5.5，其在最高力度下的 Intelligence Index 得分為 56。這比 Sonnet 5 高 18 分，比 Opus 5.5（最高力度）低 2 分，在該指數上排名第二。

在最高力度下，Sonnet 5.5 在 Terminal-Bench 4.0 上達到 64%，Opus 5.5 與 GPT-6 Astra 均為 60%。Artificial Analysis 亦報告，它在 AA-Briefcase（1811 對 1822 Elo）、GDPval-AA（1844 對 1846 Elo）和 AutomationBench-AA（71% 對 70%）上與 Opus 5.5 接近持平，但 token 用量高得多。它在每項 Intelligence Index 任務上約使用 193,000 個輸出 token，是 Artificial Analysis 測得的最高用量——大約比 Opus 5.5（最高力度）或 Sonnet 5（最高力度）多 60%，約為 GPT-6 Astra（最高力度）的 7 倍。

在 AA-Omniscience 上，Sonnet 5.5 的事實準確率為 54%，Opus 5.5 為 66%，幻覺率較低，為 47%，後者為 59%。它在 Humanity’s Last Exam 和 SciCode 上亦大約低 6 分。Token 價格與 Sonnet 5 相同：輸入每百萬 token 2 美元，輸出每百萬 token 10 美元，快取寫入 2.50 美元，快取讀取 0.20 美元。Artificial Analysis 估計每項任務成本為 7.60 美元，比 Sonnet 5 大約高 50%，並稱該模型不在其智能與成本的前沿上；在較低力度下，GPT-6 Astra 或 Sol 配置能以更低成本提供同等表現，而高力度設定僅略為落後於 GPT-6 Sol，每項任務成本實際上相同。

100 萬 token 的上下文視窗沒有變化，仍支援圖像和文字輸入。測試了五種力度設定，Sonnet 5.5 在約 0.1% 的 Intelligence Index 任務中回退到 Sonnet 5，主要出現在 Terminal-Bench 4.0。結果來自預發布部署，Anthropic 發現其中存在一個會降低結構化輸出請求質素的 bug。Anthropic 稱該 bug 已在公開發布中修復，並預計變化極小，或目前成績略為低估了實際表現。Artificial Analysis 計劃重新運行相關評測。