9 月 28 日，Anthropic 发布 Claude Sonnet 5.5。时间点很耐人寻味：就在一周前，他们刚把旗舰 Opus 5.5 推上台，主打"更会思考"。现在这台"中杯"，官方话术是"更便宜、更快的干活搭子，而不是一次能力飞跃"——一家卖了两年"基准霸主"故事的公司，主动把叙事从"谁更聪明"拧到了"谁更划算"。

话术一换，说明 Anthropic 对这场比赛的胜负手判断变了：从"谁更聪明"，转向"谁更划算"。

一、价格没降，但账单要变小

先说最容易被误读的一点：Sonnet 5.5 的 API 名义价格一分没降，还是每百万输入 token 2 美元、输出 10 美元，和上一代入门价一样。

真正变的是"完成任务要花多少"。官方称，生成速度提升 30% 以上，单次任务成本最高降 30%。这 30% 不是靠砍单价，而是靠效率：新模型更常把多次工具调用合并到同一步，减少执行步骤；完成同类任务消耗的 token 更少。

这个区别很关键。过去我们比模型，习惯看"每百万 token 多少钱"。但放到 Agent 场景里，一次任务可能要调几十次工具、跑好几轮、耗几分钟——单价低不等于总账低。对日常 Agent 工作来说，该看的指标是"单次任务成本"，不是"token 单价"。单价不变、效率更高，总账照样能少三成。

二、分数逼近旗舰，但分工更清楚了

Sonnet 5.5 在好几项基准上已经贴脸旗舰 Opus 5.5：

跨文件改代码的 CursorBench 4.0 里，Sonnet 5.5 拿 55.5%，和 Opus 5.5 的 57.8% 只差 2.3 个百分点；覆盖 44 种职业的 GDPval-AA 上，1844 对 1846，基本平手。

但分数接近不等于该混用。Anthropic 给的分工很明确：Opus 5.5 负责需要持续判断的复杂、开放式任务；Sonnet 5.5 接定义明确、量又大的日常活——改代码、修 Bug、做文档、幻灯片和表格。客户反馈也印证了这点：Slack 在不动提示词的情况下，输出 token 少了约 14%；Zendesk 用数百个真实工单测，处理速度比现用模型快 20%。

说白了，你团队 80% 的常规活，这台"中杯"大概率接得住。

三、一个反直觉的判断：更聪明不一定更好

这里有个很容易被忽略的细节，也是选型的硬标准。

在 FrontierCode 1.1 长时程编程测试里，Sonnet 5.5 在最高推理强度（Max）下反而只拿 46.2%，低于次高档（Xhigh）的 52.1%。Anthropic 的解释是：Max 模式给了模型最大的思考自由度，但它更频繁地触发代码审查、把任务拆给子 Agent，结果在部分场景里超时，或者改出了任务范围之外的代码。

换句话说，对明确的日常 Agent 任务，多想不一定多对，还可能更慢、更贵、更越界。这直接推翻了"推理强度拉满就最好"的直觉。选模型时，别只看能力上限，要看它在你的真实任务上"匹配度"最高那一档。

四、真正值得关注的，是比赛规则变了

把视野拉远一层：Sonnet 5.5 这种"中档高速模型"走红，背后是智力差距在被填平。

第三方评测 Artificial Analysis 的智能指数上，Sonnet 5.5 拿 56 分，只比 Opus 5.5 低 2 分。而开源、开放模型这边，Qwen、MiniMax 等已经在关键基准上逼近闭源梯队——当一家能免费自部署的模型在开发者最在意的基准上和你的付费 API 咬得越来越紧，"纯拼谁更聪明"就不再是稳赢的打法。

所以 Anthropic 这次主动把话术从"基准霸主"换成"便宜可靠的干活搭子"。在智能趋于同质化的区间里，这等于把竞争压到"谁能用更低的单次任务成本，可靠地把活干完"。

对办公提效和知识工作而言，这才是 Sonnet 5.5 类模型真正的意义——它们会加速 Agent 在文档、表格、代码修复这些日常任务里的规模化部署。因为规模化最怕的不是不够聪明，是太贵、太慢、太不稳定。

给你的选型三问

读完这篇，下次有人问"该上哪个模型"，别急着比跑分。先问三句：

1. 这活是定义明确，还是需要持续判断？明确、量大——交给 Sonnet 5.5 这类中档高速模型；开放式、要深度判断——才上旗舰。
2. 你现在的 API 账单里，有多少日常 Agent 任务在用旗舰价在跑？把这部分切出来，可能直接省下相当一块。
3. 推理强度是不是默认拉到了 Max？日常任务未必需要，拉满反而可能掉分、超时、超成本。

价格战打到最后，赢家不一定是模型最聪明的那家，而是把"单次任务成本"算得最清楚、用得最稳的那家。Sonnet 5.5 只是一个开始。