Claude Sonnet 5.5在Artificial Analysis智能指数上以 56 分排名第二，但每任务输出token创纪录

Anthropic发布了Claude Sonnet 5.5，根据Artificial Analysis的评估，它在Artificial Analysis智能指数上得分 56，在最高努力设置（max）下排名第二，仅次于Opus 5.5 (max)，后者得分为 58。

与Sonnet 5 (max) 相比，Sonnet 5.5 (max) 在智能指数上提升了 18 分。

定价方面，Sonnet 5.5与Sonnet 5相同：每百万缓存输入/输入/输出token分别为 0.2 美元、2 美元和 10 美元。然而，它每任务输出token数更高，导致每任务成本约为 7.60 美元，比Sonnet 5高约 50%。

在终端代理任务上，Sonnet 5.5在Terminal-Bench 4.0中达到 64%，而Opus 5.5和GPT-6 Astra为 60%。在AA-Briefcase（1811 对 1822 Elo）、GDPval-AA（1844 对 1846 Elo）和AutomationBench-AA（71% 对 70%）上，Sonnet 5.5与Opus 5.5持平，但使用了显著更多的token。

在事实知识和科学推理方面，Sonnet 5.5落后于Opus 5.5。在AA-Omniscience上，事实准确率为 54%，而Opus 5.5为 66%，但幻觉率更低（47% 对 59%）。在Humanity's Last Exam和SciCode上，它也低约 6 分。

这些评估是在预发布的Claude Sonnet 5.5部署上进行的，Anthropic发现其存在一个bug，可能降低使用结构化输出的请求的响应质量。该问题已在公开版本中修复，Anthropic预计性能变化不大或略微低估，但Artificial Analysis将很快重新运行相关评估。