Claude Sonnet 5.5 发布：Terminal-Bench 4.0 从 10.3% 升到 70.6%，单价仍是 $2/$10

一句话判断

规格、价格与可用性

能力提升在哪里，条件是什么

• Balyasny Asset Management 在 2,441 个金融任务（问答、抽取、分析、预测）上，Sonnet 5.5 平均每个答案约用 121k token，Sonnet 5 用 497k，在七个被测模型里单位成本产出最好。1
• Box 报告 Sonnet 5.5 比上一代更准确、快 2.4 倍、总 token 少 12%，并会回读源文档核对数据。1
• Base44 用 118 个真实应用构建做对比，Sonnet 5.5 平均 3.6 轮迭代完成，Opus 5 需要 7.7 轮，且它的失败工具调用最少。1
• Slack 报告在不改任何提示词的前提下，多数离线 Slackbot 评测结果更好，步数更少、输出 token 少约 14%。1
• CodeRabbit 认为上一代「过度使用网页搜索」的倾向和高 token 消耗在这版都消失了，准备把简单和中等复杂度的评审先迁过来。1

它和同门模型的位置

从 Sonnet 5 迁移：会直接报错的变化

1. 关闭思考的写法改了。 发送 thinking: {"type": "disabled"} 会返回 400，错误信息会点名改用 between_tools。between_tools 只在 low、medium、high 三档可用，也不能带 display、budget_tokens 或 block_binding，带上同样报错；用了它之后 effort 在对话中途不能再改，按消息设置 output_config.effort 会返回 400。手动预算写法 {"type": "enabled", "budget_tokens": N} 同样被拒。要在 xhigh 或 max 下运行，就改用 adaptive thinking。3
2. 强制工具调用不支持。 tool_choice 取 {"type": "any"} 或 {"type": "tool", "name": "..."} 都返回 400，错误信息是 tool_choice: type "tool" and "any" are not supported for this model.，token 计数端点做同样的校验。要保证工具入参符合 schema，改成 {"type": "auto"} 并给工具加 strict: true；一条请求最多 20 个 strict 工具，MCP、computer use 和 browser use 的 toolset 条目不接受 strict。Amazon Bedrock 上没有 structured outputs，也就没有 strict 模式，只能保留 auto、把「什么时候该调用这个工具」写进提示词，并在自己的代码里校验入参。34
3. thinking block 绑定模型和对话。 Sonnet 5.5 能读 Sonnet 5、Opus 4.8、Haiku 4.5 及更早模型产生的 block，读不了 Opus 5、Opus 5.5 以及任何 Fable、Mythos 模型的；反过来也没有别的模型能读 Sonnet 5.5 的 block。路由或 fallback 把对话切到别的模型，切换之后的 turn 就丢掉了之前的推理内容，API 会静默丢弃读不了的 block，请求照常成功、被丢的 block 不计费。另外，2026 年 8 月 31 日 00:00 UTC 之后创建的账号默认启用前缀校验：重放 block 之前若改过 system、tools 或更早的消息，请求直接返回 400。保持对话只追加不改写，要改指令就用会话中的 system message。block 还绑定产生它的账号，跨账号搬运会被丢弃。34
4. computer use 在 Claude API 和 Google Cloud 上要换 toolset。 这两个平台上声明 computer_20251124 返回 400，只认 computer_toolset_20260801；同时要摘掉 fine-grained-tool-streaming-2025-05-14 beta 头，它和 toolset 条目一起发也会报错，需要细粒度流的工具改用 eager_input_streaming: true。Amazon Bedrock 上 computer_20251124 继续可用，不用改。更早的 computer_20250124 在任何平台都不被接受。34
5. advisor 工具能配的顾问变少。 Opus 4.8、Opus 4.7、Opus 4.6、Sonnet 5、Sonnet 4.6 作为顾问会返回 400；可用的顾问是 Opus 5、Opus 5.5、Sonnet 5.5、Fable 5、Fable 5.1、Mythos 5、Mythos 5.1。这些顾问给出的意见以 advisor_redacted_result 加密块返回，客户端读不到意见原文。34

安全、访问资格与数据留存

• 第一款带网络安全防护的 Sonnet。 Sonnet 5.5 的网络安全能力比上一代大幅提升，官方因此套用了接近 Opus 5.5 的防护：日常软件开发里找 bug、修 bug 不受影响，风险更高的网络安全任务会可见地回退到 Sonnet 5 完成；符合资质的防御方能申请扩大的 Cyber Verification Program，在 Sonnet 5.5、Opus 5.5 和 Mythos 模型上分档获得更强的能力。1
• 生物学防护与 Sonnet 5 相同。 防护针对有害请求，多数研究、教学和临床工作不受影响，部分微生物学与病毒学请求可能被误伤；机构可以申请 Life Sciences Verification Program 获得覆盖完整生物学工作的权限。1
• 防蒸馏与账号绑定。 Sonnet 5.5 是第一款带防推理提取分类器的 Sonnet 模型，用于阻止用大量账号批量抽取模型能力。它同时扩大了 preserved thinking，使 thinking 无法脱离产生它的账号，跨账号搬运对话（包括在 Claude Code 里中途换账号）会丢掉 block。多数开发者不会察觉这项变化。13
• 对齐表现。 在约 1,850 个场景的自动化行为审计上，Sonnet 5.5 在多数对齐、抗滥用与诚实度指标上持平或优于 Sonnet 5；在新增的容器越界评测里接近 Opus 5.5，是所有模型中最低的越界试探倾向。官方同时说明这款模型没有推进能力前沿，且没有任何一套评测能可靠抓出所有失败。1
• 数据留存。 与 Opus 5.5 和 Sonnet 5 一样，Sonnet 5.5 提供 zero data retention。1
• 背景。 官方预告 Claude Haiku 5.5 将在未来数周加入 Claude 5.5 家族，面向高吞吐和成本敏感的应用。1

接入前可以按这个顺序决定

1. 先确认资格与合规前提：workspace 的留存设置是否满足要求，网络安全或生物学相关的用途是否需要申请验证计划，以及「前置思考默认开启」对现有提示词和成本模型意味着什么。12
2. 重跑 effort 扫描：五档重新校准，high 与 Sonnet 5 的同一档不是一回事，扫描结果直接决定后面所有的成本与延迟数字。4
3. 成本模型里放进 token 用量：价格没变，节省全部来自每个任务更少的 token，光比 $2 / $10 这两个数字看不到这次变化。2
4. 用现有任务集同台比较 Sonnet 5.5、Sonnet 5 和 Opus 5.5 的任务完成率、工具调用轮数、总 token、首字节延迟和单任务成本。1
5. 把多文件修改、长上下文检索、幻灯片与表格生成、图表识别和安全拒答放进同一套回归测试。1
6. 排查代码里有没有关闭思考、强制工具调用、对话中途改写历史、在 Claude API 与 Google Cloud 上使用 computer_20251124，以及把工具调用之间的文字直接流给用户的界面。34