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

Artificial Analysis 称，Anthropic 已推出 Claude Sonnet 5.5，其在最高力度下的 Intelligence Index 得分为 56。这比 Sonnet 5 高 18 分，比 Opus 5.5（最高力度）低 2 分，在该指数上排名第二。

在最高力度下，Sonnet 5.5 在 Terminal-Bench 4.0 上达到 64%，Opus 5.5 与 GPT-6 Astra 均为 60%。Artificial Analysis 还报告，它在 AA-Briefcase（1811 对 1822 Elo）、GDPval-AA（1844 对 1846 Elo）和 AutomationBench-AA（71% 对 70%）上与 Opus 5.5 接近持平，但 token 用量高得多。它在每项 Intelligence Index 任务上约使用 193,000 个输出 token，是 Artificial Analysis 测得的最高用量——大约比 Opus 5.5（最高力度）或 Sonnet 5（最高力度）多 60%，约为 GPT-6 Astra（最高力度）的 7 倍。

在 AA-Omniscience 上，Sonnet 5.5 的事实准确率为 54%，Opus 5.5 为 66%，幻觉率更低，为 47%，后者为 59%。它在 Humanity’s Last Exam 和 SciCode 上也大约低 6 分。Token 价格与 Sonnet 5 相同：输入每百万 token 2 美元，输出每百万 token 10 美元，缓存写入 2.50 美元，缓存读取 0.20 美元。Artificial Analysis 估计每项任务成本为 7.60 美元，比 Sonnet 5 大约高 50%，并称该模型不在其智能与成本的前沿上；在较低力度下，GPT-6 Astra 或 Sol 配置能以更低成本提供同等表现，而高力度设置仅略落后于 GPT-6 Sol，每项任务成本实际上相同。

100 万 token 的上下文窗口没有变化，仍支持图像和文本输入。测试了五种力度设置，Sonnet 5.5 在约 0.1% 的 Intelligence Index 任务中回退到 Sonnet 5，主要出现在 Terminal-Bench 4.0。结果来自预发布部署，Anthropic 发现其中存在一个会降低结构化输出请求质量的 bug。Anthropic 称该 bug 已在公开发布中修复，并预计变化极小，或当前成绩略微低估了实际表现。Artificial Analysis 计划重新运行相关评测。