Anthropic 把中档模型换了一代，价格一分没动，Terminal-Bench 从 10.3% 跳到 70.6%
9 月 28 日 Anthropic 发布 Claude Sonnet 5.5，Claude 5.5 家族的第二款，接替 6 月的 Sonnet 5。平台模型 ID 是 claude-sonnet-5-5，AWS、Google Cloud、Microsoft Azure 同步上线。
价格表一分没变
| 项目 | Sonnet 5.5 | Opus 5.5 |
|---|---|---|
| 输入 | 2 美元/百万 token | 4 美元 |
| 输出 | 10 美元/百万 token | 20 美元 |
| 缓存读 | 0.20 美元 | 0.20 美元 |
| 缓存写 | 2.50 美元 | 5 美元 |
和 Sonnet 5 完全同价。省钱的部分来自 token 用量：Anthropic 说完成任务需要的 token 明显变少，多数工作每任务成本最多降 30%，输出生成快 30% 以上。
数字
Terminal-Bench 4.0 从 Sonnet 5 的 10.3% 涨到 70.6%，比 Opus 5.5 在 Xhigh 档跑出的 66.4% 还高。CursorBench 4.0 是 55.5%，前代 34.1%。GDPval-AA v2.1 得 1844 分，Opus 5.5 是 1846，差 2 分。OSWorld 2.1 部分分 80.1%，前代 57.0%。
客户那边的数据更能说明成本：Balyasny 跑 2441 个金融任务，每个答案的 token 从 497000 降到约 121000；Box 说快 2.4 倍、总 token 少 12%；Lovable 的 CTO 说工具调用少了约三分之一、shell 执行约减半。
今天能做的动作
把默认模型换成 claude-sonnet-5-5，然后显式写死 effort。
Anthropic 给的默认值分两处：Claude 应用和 Claude Code 默认 Medium，Claude Platform（API）默认 High。差异比想象中大。官方自己的说法是，在 Medium 档 Sonnet 5.5 就超过 Sonnet 5 的最好成绩，而每任务成本不到十分之一；在 High 档匹配 GPT-6 Sol 的最好成绩，成本约五分之一。抽取、分类、路由这类活直接压到 Low。
如果你之前为了省 token 关掉了 thinking，迁移前要改一处：Sonnet 5.5 需要把设置切到新的 between_tools，否则 up-front thinking off 的行为不会保留。
泼冷水
第一，“最多降 30%“是 Anthropic 在自己选的档位上测的。Artificial Analysis 独立测的结果是：在 Max effort 下 Sonnet 5.5 每个任务写约 193000 个输出 token，是它测过的模型里最多的，比 Opus 5.5 多约 60%，折合每任务 7.60 美元，比 Sonnet 5 贵约 50%。模型变”话痨”了。effort 不显式设，省下的钱会原样吐回去。
第二，Terminal-Bench 那个 70.6% 和 10.3% 的对比看着吓人，但 Sonnet 5 的 10.3% 说明它在这一类任务上基本是缴械的。从 10 分涨到 70 分，和从 66 分涨到 70 分，不是一回事。
第三，Anthropic 的对比表里 effort 档位混着用，Opus 5.5 那一列取的是它最好的 Xhigh 成绩。看表别只看谁高。
第四，官方页面没有写免费档。Claude 免费聊天档已经切到 Sonnet 5.5 这个说法来自开发者的实测记录，不是公告内容，别当成承诺。Claude Code 仍然要付费账号。
第五，Sonnet 5.5 是第一个带网络安全防护和自动回退的 Sonnet 模型——高风险的网安任务会可见地回退到 Sonnet 5。做正常开发不受影响，但如果你拿它做渗透测试类工作，会遇到莫名其妙的降级。
具体建议
- 代码里凡是写死模型名的地方，把默认档位一并写进去，不要依赖平台默认值。默认值会变，账单跟着变。
- 拿一个跑得最频繁的批任务做 A/B：Low、Medium、High 各跑一次，记 output token 与耗时。多数批处理任务在 Low 档的质量损失远小于账单差异。
- 缓存写从 5 美元降到 2.50 美元，长系统提示词的场景值得重新算一遍缓存策略。
- 别急着全量迁。先找一个中等复杂度的真实任务跑通，再动主链路。