Claude Sonnet 5.5发布并进驻免费档

原文要点

Simon Willison报道：Anthropic发布Claude Sonnet 5.5，官方称运行快30%以上、多数工作成本最高降30%，定价与Sonnet 5持平但基准全面更好，且已成为claude.ai免费档所用模型。他实测其编程能力在一些任务上接近Opus 5.5，包括多种3D动画技巧；但与Opus 5.5有相同缺陷：最高思考档下生成SVG时思考耗尽128000个token（花费1.28美元）仍失败；xhigh档花5.74美分、41秒成功给出骑车鹈鹕SVG。他在免费档跑WebGL三维鹈鹕骑车页面得到不错结果。ChatGPT免费档用Luna 5.6。Haiku 5.5官方称数周内到来。

这次做成什么

设计一套你自己可复用的“新模型上架后一小时内完成低成本上手验证”流程：在claude.ai免费档用固定测试题跑Sonnet 5.5，记录速度感与输出质量，再用API在不同思考档重复同一题，观察token消耗差异，避免重蹈最高档SVG任务耗尽token的坑。全部测试题与记录表为本站设计，作者原文仅提供现象线索。

准备什么

• 一个claude.ai账号（免费档即可，模型为Sonnet 5.5）
• 可选：Anthropic API凭据与小额余额，用于思考档对比
• 一个记录用的电子表格或本地CSV
• 约一小时的连续测试时间（本站建议值，非作者承诺）

具体怎么做

1. 免费档跑三道固定题

   在claude.ai新对话依次发送下方测试题集的三道题：一道代码生成（WebGL页面）、一道中文长文摘要、一道结构化JSON输出。每题记录：是否一次成功、输出是否可直接运行/使用、明显错误点。不要在同一对话里追加无关上下文，避免干扰对比。

2. API思考档对比实验

   有余额时用API把同一道SVG生成题分别在默认档与较高思考档各跑一次，记录返回的token用量与耗时，填进下方记录表。注意作者案例中最高档在SVG任务上耗尽128000 token仍失败，因此先小额度试跑、确认能收尾再提高档位，不要直接拉满。

3. 与旧模型同题对照

   把三道题原样发给手头的旧模型（如上一版Sonnet或免费可用的其他模型），用同一张表记录。对比维度固定为：一次成功率、代码可否直接运行、指令遵循度、体感速度、token成本五项，每项打1-5分并写一句理由。

4. 汇总结论并决定是否迁移

   按记录表算总分，写一段不超过五句的结论：Sonnet 5.5在哪类任务明显更好、在哪类任务仍有缺陷（如高思考档长SVG）、是否值得把日常默认模型切过去。把结论存档，作为下次模型更新的对照基线。

可直接复制的材料

第1题（代码生成）：用单个HTML文件实现一个WebGL三维场景：一只低多边形鹈鹕在原地踩一辆自行车，车轮持续转动，带轨道相机可拖动旋转，不依赖任何外部资源，直接保存为html即可运行。
第2题（中文摘要）：把以下文字压缩成不超过120字的中文摘要，保留所有数字与结论：【粘贴一段你行业近期的长文，约800字】。
第3题（结构化输出）：把‘星巴克2026财年第三季度营收92亿美元，同比增长4%，北美同店销售下降2%，中国区增长6%’整理为JSON，字段为company、fiscal_period、revenue_usd_billion、yoy_pct、segments（数组，每项含region与same_store_pct），只输出JSON。

model,thinking_effort,task,success_first_try,runnable,instruction_score,speed_score,cost_score,tokens_used,notes
Sonnet5.5,default,webgl_pelican,,,,,,,
Sonnet5.5,high,webgl_pelican,,,,,,,
OldModel,default,webgl_pelican,,,,,,,
Sonnet5.5,default,json_extract,,,,,,,

输入与输出示例

本站虚构演示，数字与评语为示意，未真实调用任何模型。

输入

用测试题集第3题在claude.ai免费档发送一次，并把同一题发给旧模型对照，记录instruction_score与notes两列。

对应输出

记录表示意行：Sonnet5.5,default,json_extract,yes,yes,5,4,5,,"JSON合法且segments数组结构正确，revenue字段单位与题面一致"。对照行：OldModel,default,json_extract,yes,no,3,3,4,,"把92亿写成92且漏掉中国区segment"。结论示例：结构化任务Sonnet 5.5指令遵循明显更好，可作为默认；高思考档长SVG任务先小额试跑。

做完检查这些

• 三道题均在免费档完成并填写记录表全部适用列
• 同一题至少在两个模型或两个思考档之间有对照行
• 每条记录的成功与否与notes理由一致，无空白评分
• 结论明确写出Sonnet 5.5的优势场景与已知缺陷场景各至少一条
• API思考档实验记录了token用量，且未在高档位一次性大额消耗

容易卡住的地方

• 作者案例中最高思考档做SVG耗尽128000 token（约1.28美元）仍失败，高档位实验务必先小额验证
• 免费档看不到token用量，成本对比只能在API侧做
• 单次测试结果波动大，每题至少跑一次以上再下结论
• 官方‘快30%、省30%’是官方说法，你自己的体感以实测记录为准
• 模型命名与免费档策略可能变化，以claude.ai当前页面显示为准
• Haiku 5.5当时尚未发布，不要把未发布模型写进对照组