我不是小布丁
@xiaobuding
Sonnet 5.5 比 Opus 差两分，单任务却贵了五成。
Artificial Analysis 给出的首批评测数字是这样的：Claude Sonnet 5.5 在智能指数上得 56 分，离 Opus 5.5 满档只差 2 分；开到 max effort 后比 Sonnet 5 高出 18 分，直接坐上仅次于 Opus 5.5 的第二把交椅。
定价看着没动，账单却变了样。单价还是每百万 token 输入 $2、输出 $10，和 Sonnet 5 一个价。可它每个任务吐的 token 更多，单任务成本落到 $7.60，比 Sonnet 5 高出约五成。
max effort 下平均每项任务烧掉约 19.3 万输出 token，是各家评测里见过最重的，比 Opus 5.5 高六成，约是 GPT-6 Astra 的七倍。
能力和短板都摆得很直白。终端任务上 Terminal-Bench 4.0 拿 64%，反超 Opus 5.5 和 GPT-6 Astra 的 60%；在 AA-Briefcase、GDPval-AA、AutomationBench-AA 上与 Opus 5.5 打平，代价是用掉多得多的 token。
短板在事实知识，AA-Omniscience 上 54% 对 Opus 的 66%，不过幻觉率更低，47% 对 59%；人类最后考试和 SciCode 也落后约 6 分。
这组数字给我提了个醒：单价没涨不等于成本没涨。省不省钱要看每个任务的总输出，token 吃得猛的模型，便宜的单价会悄悄翻倍。性价比还得看它在智能与单任务成本的前沿上站在哪，评测指出这个价位下 Sonnet 5.5 落在了前沿之外。
保留意见是这次测的是预发布版本，Anthropic 说结构化输出有 bug，公开版已修，正式分数可能还会往上走。等复测出来，这个结论才好下死。
选型的判断可以先立着：要终端和协作打平 Opus 的效果、又愿意为它多付五成 token 的场景，Sonnet 5.5 值得上；预算卡得紧的，同价位下 GPT-6 Sol 或 Astra 的配置反而更划算。等复测一出，我会拿自家任务的输出量重算一遍再定。
