引言
2026 年 9 月，Anthropic 在 22 日推出 Opus 5.5 后仅六天，又于 28 日放出中端型号 Claude Sonnet 5.5。它维持 Sonnet 5 的 2/10 美元定价，却在终端智能体编程基准 Terminal-Bench 4.0 上以 70.6% 反超旗舰 Opus 5.5 的 66.4%。这篇评测只回答一个问题：在大多数日常场景里，你是不是该把默认模型从 Opus 换成 Sonnet 了？
主体内容
一、定位：Claude 5.5 家族的「性价比型号」
Sonnet 5.5 是 Claude 5.5 家族的第二款型号，定位在 Opus 5.5（旗舰）之下、待发布的 Haiku 5.5 之上。它的核心卖点不是「更强」，而是「几乎一样强，但便宜一半、快三成」。API 价格与 Sonnet 5 完全一致：输入 2 美元、输出 10 美元 / 百万 token；Opus 5.5 则是 4/20 美元，正好两倍。上下文 1M token、最大输出 128K、知识截止 2026 年 6 月，全平台可用（Claude.ai 免费版、Claude Platform、AWS Bedrock、Google Vertex AI、Azure、OpenRouter）。
二、成绩单：哪里追平、哪里反超
| 基准（厂商自报，2026-09-28） | Sonnet 5.5 | Opus 5.5 | Sonnet 5 |
|---|---|---|---|
| Terminal-Bench 4.0（终端智能体编程） | 70.6% | 66.4% | 10.3% |
| FrontierCode 1.1（最高努力） | 46.2% | 54.4% | 42.4% |
| CursorBench 4.0 | 55.5% | 57.8% | 34.1% |
| GDPval-AA v2.1（知识工作 Elo） | 1844 | 1846 | 1449 |
| OSWorld 2.1（电脑操作） | 80.1% | 81.8% | 57.0% |
| Chartography（图表识别） | 61.6% | 64.4% | 15.6% |
| SWE-bench Pro（多文件仓库） | 81.3% | 89.9% | — |
| HLE·带工具 | 64.5% | 67.7% | — |
最亮眼的是 Terminal-Bench 4.0：Sonnet 5.5 的 70.6% 是 Anthropic 所有 Claude 表里最高的终端编程分，比 Opus 5.5 高 4 个点（±2.5 标准误差内，领先但幅度不大）。独立机构 Artificial Analysis 在自己环境测得 Sonnet 63.6% vs Opus 59.6%，方向一致；Vals AI 同基准两者几乎打平（64.1% vs 65.2%）。知识工作（GDPval-AA）两者几乎齐平，比上代 Sonnet 5 高出约 400 Elo。
要泼盆冷水：Sonnet 5 那 10.3% 跑的是更新、更难的 Terminal-Bench 4.0（它发布时用的是旧版 harness），所以「十倍跃升」有一半是换基准造成的，别全信。
三、价格与真实成本：半价是 token，不是 task
token 单价 Sonnet 比 Opus 便宜一倍，但「单次任务成本」未必更省。Vals AI 在 Terminal-Bench 4.0 实测里，Sonnet 5.5 单次任务花 16.51 美元、Opus 5.5 花 13.20 美元——更便宜的型号反而更贵，因为它吐了更多输出 token。Anthropic 也说 Sonnet 5.5 比 Sonnet 5 单次任务最多省 30%，但努力档拉到 max 时，单次任务成本从 high 档的 1.08 美元飙升到 7.60 美元（接近 Opus max 的 8.71）。结论：默认用 medium/high 档，别无脑拉满。客户实测则利好明显——Balyasny 在 2441 个金融任务上，Sonnet 5.5 单答约 12.1 万 token，Sonnet 5 是 49.7 万（少约 75%）；Box 快 2.4 倍、总 token 少 12%；Slack 多数离线评测更好、输出 token 少约 14%。
四、实战可用性：已经到处能用了
- Claude Code v2.1.284 起，API 计费用户的 Sonnet 别名默认就是 5.5；
- Cursor、GitHub Copilot 发布当天即上线，设置里开启即可；
- Claude.ai 免费版直接白嫖，Bedrock / Vertex / Azure / OpenRouter 全平台覆盖；
- 1M 上下文 + 128K 输出，长代码库、长文档单会话不截断；
- 首次给 Sonnet 加了接近 Opus 的网络安全护栏与「推理抽取」分类器。
五、三个必须直说的短板
- 最难的任务仍是 Opus 的地盘：FrontierCode、CursorBench、SWE-bench Pro、HLE、OSWorld 上 Opus 5.5 全胜。多文件架构、长程模糊、容错成本高的任务，别为省 token 翻车。
- 思考不能彻底关：想零思考得用
between_tools把前置思考关掉，低延迟流水线要留意。 - 基准多为厂商自报，独立复现刚起步：max 档性价比崩、别当默认；被某些客户任务里「更便宜的型号反而更贵」提醒——按 task 而非 token 算账。
六、谁该用
- ✅ 每天写代码 / 跑 agent 的开发者：把默认模型切到 Sonnet 5.5，token 成本只有 Opus 一半。
- ✅ 文档 / 表格 / 分析类办公流：质量持平 Opus，速度更快、成本更低。
- ❌ 长程无人值守 agent、多文件架构攻坚：还是 Opus 5.5 更稳，这笔钱值得花。
七、任务路由速查：什么活交给谁
| 任务类型 | 推荐模型 | 理由 |
|---|---|---|
| 日常编码、终端 agent、跑脚本 | Sonnet 5.5 | Terminal-Bench 反超 Opus，成本减半 |
| 文档 / 表格 / 分析类办公流 | Sonnet 5.5 | 质量持平 Opus，更快更便宜 |
| 多文件架构、长程模糊需求 | Opus 5.5 | FrontierCode / SWE-bench Pro 全面领先 |
| 长程无人值守 agent | Opus 5.5 | 容错成本低，别在关键路径省 token |
| 免费试用 / 轻量问答 | Sonnet 5.5（免费版） | 直接白嫖旗舰级能力 |
一句话口诀：边界清、量大的用 Sonnet；模糊、长程、容错贵的用 Opus。
结论与推荐
- 量大、任务边界清晰的，直接 Sonnet 5.5 当默认：token 成本只有 Opus 一半，日常编程/办公几乎无感降质。
- 终端 / 命令行类 agent 编程，优先 Sonnet 5.5：Terminal-Bench 4.0 基准反而更高，是它最值得吹的点。
- 多文件架构、长程模糊、容错成本高的任务，继续 Opus 5.5：别为省 token 在关键路径上翻车。
- 努力档默认 medium/high：max 档单次任务成本暴涨近 7 倍，非必要不开。
- 已在用 Claude Code / Cursor / Copilot 的，核对模型别名已切到 5.5；免费版用户直接白嫖，这是 9 月最划算的「旗舰级降级」。
联盟链接
- 长时间盯 Claude Code / Cursor 跑 agent，一套舒服的人体工学椅 + 升降桌 workstation 很关键——腰和脖子先顶不住。京东联盟人体工学专区可查看同款：[京东联盟占位链接，发布前替换]
- 想在本地部署同类开源模型做私有化对比的，可顺手备一块显卡 / 开发板，淘宝联盟搜索入口（带 PID）：
https://s.taobao.com/search?q=显卡&pid=2038464175_4107429456_3107884483（发布前替换为正式追踪链接） - 提示：本文基准主要来自 Anthropic 官方发布页（2026-09-28）及 Artificial Analysis / Vals AI 独立评测，多为厂商自报数据、个别第三方 task 成本对比未独立复现，下单前以官方实时报价为准。