Anthropic突袭发布Sonnet 5.5：真香却劝你别直接用

Anthropic最近的节奏快得让人喘不过气。从被Theo称为"史上最爱代码模型"的Fable 5.1，到接管了几乎所有人工作流的Opus 5.5，再到这次毫无预告突袭发布的Sonnet 5.5——这家公司正在用密集的产品攻势，把压力精准地传导给OpenAI。

有意思的是，这款Sonnet 5.5在知名测评人Theo（t3.gg）眼里是一个"充满矛盾"的模型：它本身很出色，但他却明确建议大多数人"别直接用它"。这背后的逻辑，恰恰揭示了当下AI代码模型竞争的真实格局。

Sonnet回归：从"垃圾级"到惊喜之作

Sonnet 5是Theo最不喜欢的模型发布之一，被他直接形容为"garbage tier（垃圾级）"。正因如此，他原本打算直接跳过Sonnet 5.5，连视频都不想做——毕竟Opus 5.5的性价比已经让他彻底折服。

但他承认自己判断错了。Sonnet 5.5在Terminal Bench 4上拿下了史上最高分70.6%，相比Sonnet 5的10.3%是整整7倍的飞跃。这个数字高到连Theo自己都开始怀疑Terminal Bench这个基准本身的可信度。它还是第一个仅凭截图就能通关《宝可梦红》的Sonnet模型。

Theo的评价很形象："这些模型现在感觉就像是稍微笨一点、但快得多的Fable版本。"他推测Anthropic（视频中戏称InfraOpix）近期在强化学习上有了内部突破——此前除了最大最强的模型外，其他小模型总给人一种"机器人在机械执行任务"的感觉，而现在的Sonnet终于有了"理解工作内容"的那种灵性。此外，Anthropic还在努力去除饱受诟病的"Claude腔"（Claude-isms），让Sonnet 5.5的输出表达更清晰，更适合协作。

价格的猫腻：缓存读取成本是关键陷阱

Anthropic官方宣称Sonnet 5.5"比前代快30%、便宜30%"，价格维持在每百万输入token 2美元、输出10美元。但Theo毫不客气地指出，这个说法"在重要信息上刻意绕圈子"，尤其是在缓存token读取（cache reads）这一项上。

关键在于：在如今的Agent代码工作中，缓存读取和写入才是成本的大头。Fable 5.1把缓存读取成本砍了90%，Opus砍了约60%，而Sonnet 5.5的缓存读取却维持在每百万token 20美分没有下降。

Theo算了一笔账来说明问题：当你沿着模型层级往下走，缓存读取在总成本中的占比会越来越大。在Fable上这个比例不到5%，在Opus上约20%，到了Sonnet 5.5竟高达50%以上。结果就是，在真实的同类工作中，Sonnet 5.5的实际花费"和Opus相当，甚至更贵"。按Artificial Analysis智能指数衡量，Sonnet 5.5做真实任务的成本几乎和定位更高的Fable 5.1打平。

提示缓存（Prompt Caching）机制是理解这段成本分析的前提。大型语言模型在处理每次请求时，需要对输入的所有token重新计算注意力（attention），这一过程既耗时又昂贵。提示缓存技术允许模型将重复出现的上下文——例如系统提示、代码库内容、对话历史——的中间计算结果缓存起来，后续请求可直接复用，从而跳过重复计算。在Agent代码工作流中，每次调用都会携带大量相同的上下文（如完整的代码库片段），因此缓存读取（cache reads）的次数和token量往往远超新鲜输入，这使得缓存读取价格成为决定实际账单的核心变量，而非模型标称的每百万输入/输出单价。Anthropic对不同模型的缓存读取定价差异悬殊，正是这一差异让Sonnet 5.5在纸面价格相近的情况下，在真实工作负载下实际成本反超定位更高的Opus。

千万别碰Max模式

Theo这次花了大量篇幅专门"炮轰"Max推理模式，这是他给出"别用"建议的核心技术理由之一。

他解释，推理档位（low/medium/high/x-high）本质上不是"应该推理多少"，而是"预算上限"——允许模型最多推理到某个程度。而Max模式的问题在于，它不是在抬高推理token的"天花板"，而是在抬高"地板"，强制模型必须用掉一定数量的推理token才算完成。

后果有多夸张？Theo实测，从low到x-high，token使用量仅增长5%；但从x-high到Max，token使用量暴增1500%，也就是15倍。更糟的是，强迫模型过度思考反而会损害表现——模型会开始自我怀疑，把简单题想错。

实测数据印证了这点：Sonnet 5.5在Max档跑基准花了7.6美元，比竞品Astra贵了一倍多；而同样的任务，high档只要1.08美元，medium档仅0.59美元。Theo的建议很直接："假装Max模式不存在，你的生活会轻松很多。"同时他也提醒，Anthropic模型在low档表现很差（现在甚至取消了无推理选项），所以应当"避开low、避开Max，medium大致够用"。

Anthropic的**扩展思考（Extended Thinking）**功能允许模型在给出最终答案前先生成一段不对外显示的"思维链"（chain-of-thought），这些内部推理步骤消耗的token被称为推理token（thinking tokens）。推理档位（low/medium/high/x-high）本质上是对这部分token数量设定的预算上限，让模型可以按需调用，避免对简单问题过度消耗资源。Max模式则打破了这一逻辑：它从"上限控制"变成"下限强制"，要求模型无论问题难易都必须消耗大量推理token，结果导致模型在处理本可直接回答的任务时反复自我质疑、重复验证，不仅成本暴增，反而引入更多错误。这种"强迫思考"的现象与认知科学中的"过度分析导致表现下降"（analysis paralysis）高度吻合，也是Theo建议完全忽略Max模式的根本原因。

真正的价值：它是给其他模型调用的"工具"

那么Theo到底为什么喜欢这个模型？他的答案颠覆直觉："我不认为你或我应该直接选用这个模型。"

Sonnet 5.5的真正定位，是作为Opus或Fable在拆解复杂任务时可以调用的子Agent（sub-agent）。它不该被直接调用，而应该成为编排体系里的一环。

Theo用一个代码库深度审计的基准验证了这一点。他让各模型对T3 code中一个庞大的"orchestrator V2"PR（数十万行代码）做深度分析，提出拆分落地策略。这类任务不是传统编码，而是需要遍历大量代码、做架构判断、并向他人清晰解释的分析型工作。

结果令他震惊：Sonnet 5.5的表现略优于Opus，价格却只有Opus的一半，更关键的是只花了约5分钟——Opus耗时近两倍，Astra（分析质量最佳）耗时近三倍。"每分的成本低得离谱，是我在这个基准里见过的最佳性价比。"

他还分享了一个有趣的实际案例：在用Rust重写TypeScript编译器的项目中，他要求模型清理遗留的"slop"代码。在一个充满数字讨论的线程里追问进度时，Sonnet没有强行揣测意图，而是基于线程上下文做出了合理判断。最终这项任务删掉了约160万行代码。这说明它对意图和上下文的理解相当到位。

**多Agent编排（Multi-Agent Orchestration）**是当前复杂AI任务的主流架构范式。在这种模式下，一个"编排器"模型（Orchestrator）负责理解目标、拆解任务并分配子任务，而多个"执行器"模型（Sub-agents）负责执行具体操作，如代码搜索、文件读写、API调用等。这种分工的优势在于：编排器可以使用最强、最贵的模型保证规划质量，而子Agent则优先选用在特定子任务上性价比最高的模型。Sonnet 5.5在代码库分析类任务上速度快、成本低、准确度接近Opus，使其成为理想的调查型子Agent候选——负责遍历大量代码、汇总信息，再将结论返回给上层的Opus或Fable做最终决策。这也是为何Theo认为"你不应该直接用它"，因为它在编排体系中才能发挥最大价值，而非作为用户的主要对话入口。

前端设计仍是短板，鱼游戏Demo惊艳

在Witch.ai设计展示平台上，Sonnet 5.5的前端表现并不理想——卡片设计"丑陋"、动画"糟糕"、背景线条影响可读性。Theo认为它"明显不如Opus，更远不如Fable"。他依然把Fable 5.1视为最佳设计模型，而Opus则胜在可引导性强、遵循设计指令。

但在"fish slop"游戏生成Demo中，Sonnet 5.5交出了他"见过最好的成果之一"：可爱的3D鱼、珊瑚、海草，甚至还有造型最佳的外星人，整个游戏在笔记本上跑出丝滑的120 FPS。

不过速度和token效率是另一个槽点。Sonnet 5.5在Cursor Bench里又拿了个"史上之最"——每任务27万token的消耗，几乎是Gemini 3.8 Flash的两倍、GPT-6 Sol的5倍以上。尽管生成速度更快（约150 TPS vs Opus的约100 TPS），但因为token消耗太大，fish slop任务实际反而比Opus慢：Sonnet用了43分钟，Opus只要36分钟。

OpenAI的处境：全面落后

Theo多次提到，这款模型"几乎就是冲着OpenAI去的"，尤其瞄准GPT-6 Sol。而他对Sol的评价相当冷淡——"DOA（出生即死）"，几乎没理由在视频里讨论它。

他给出的总结相当尖锐：OpenAI在所有最擅长的领域都输了。"他们没有最聪明的模型，没有最高效的模型，没有最便宜的模型，也没有最适合调用其他模型的模型。"从订阅性价比看，200美元的Codex套餐带来的真实代码产出，远不及他的200美元Claude订阅（粗估每周约2300美元的用量额度）。

结论是：Sonnet 5.5本身你不必亲自去用，但它是这个新模型家族里出色的一块拼图。如果能正确配置让Opus在恰当时机调用Sonnet做代码库深挖、验证猜想之类的调查性工作，Opus整体会感觉更快、成本更低。而这，正是它存在的真正意义。