GemNews

全部文章 · 热点速递

Sonnet 5.5 上线首日即入驻 Copilot:两款新 Claude 该怎么分工?

继 Opus 5.5 发布一周后,Anthropic 推出了 Sonnet 5.5。GitHub 在数小时内便将其全面集成至 Copilot。团队目前面临的核心问题是:哪款模型将成为默认选项,又由谁来决定?

作者 Janie Nguyen · · 5 分钟阅读

分享: WhatsApp · Telegram · X · Facebook · LinkedIn · Email

两款模型的定位分工明确:Sonnet 负责日常明确的具体工作,Opus 负责前期规划与后期复核。目前流传的性能测试数据来自第三方整理,在 Anthropic 官方报告发布前需谨慎参考。建议在调整工作流前,先用实际业务测试这两款模型。

  • 事件动态: 9月29日,@ClaudeDevs (https://x.com/ClaudeDevs/status/2104687805876367793) 正式发布 Claude Sonnet 5.5,并附带迁移指南,涵盖 Sonnet 5.5 与 Opus 5.5 的选型建议、Sonnet 5 升级路径以及思考深度(effort)调优方法。同日,@github (https://x.com/github/status/2104637226336538862) 宣布在 Copilot 中全面上线该模型,称其专为“功能开发、修 Bug 等目标明确的日常工作”打造,在写代码测试中,可以用更少的步骤、Token 和工具调用次数达到 Sonnet 5 的效果。
  • 网传数据: 据 @Israfilv2 (https://x.com/Israfilv2/status/2104637819402764747) 总结,新模型速度比 Sonnet 5 快 30% 以上,多数任务能节省最高 30% 的 Token。SWE-bench Verified 得分为 80.9%,Terminal-Bench 2.0 得分 93.5%。价格保持不变,仍为每百万输入 Token $3,每百万输出 Token $15。本文参考的公开资料中尚未包含官方确切数据,引用前请核实。
  • 行业背景: 上周发布的 Opus 5.5,据 @DamiDefi (https://x.com/DamiDefi/status/2103117499621625951) 透露,价格为每百万输入 Token $4,每百万输出 Token $20,典型工作负载成本比 Opus 5 降低了 40%。@rauchg (https://x.com/rauchg/status/2103216656747262419) 分享的 Vercel AI Gateway 数据显示,Anthropic 的消耗占比在两个月内从 69% 跌至 40%,OpenAI 则从 10% 攀升至 24%。而 Opus 5.5 发布仅两天,就占到了总消耗的 10%。一周内连续发布两款主打高性价比的模型,显然是在应对市场竞争压力。
  • 路由技术正在改变模型选型方式: @kimmonismus (https://x.com/kimmonismus/status/2104628247296409952) 介绍了一款基于 Jev 的路由系统,据称在三项基准测试中,能以减少 40% 的成本达到 Opus 5.5 和 GPT-6 Astra 99% 的性能。@gradientintern (https://x.com/gradientintern/status/2103363088397250605) 也展示了一个简易路由器,花费 $25.66 就在 SWE-bench Verified 上拿下 75/100 的成绩,而全量使用 Opus 则需要 $54.73。两项均为自测数据。
  • 本周行动建议: 建议将 Sonnet 5.5 设为明确任务的默认模型,Opus 5.5 则留给架构规划与代码复核。@swapnilskr (https://x.com/swapnilskr/status/2103844926479822852) 已经在采用这种模式:让 Opus 担任主导,低成本模型处理既定工作。可以用同一项真实业务同时测试两款模型,记录 Token 消耗、用时及测试通过率。@databricks (https://x.com/databricks/status/2103207342061883611) 提到,现在大概每五天就会出新模型,因此要把模型选择权收拢到统一的配置文件里,不要依赖每个开发者的个人习惯。

现在应该把哪款 Claude 设为默认模型?

边界清晰、有明确测试标准的工作用 Sonnet 5.5,规划、架构决策以及复核其他 AI 产出则用 Opus 5.5。这既是 GitHub 的官方定位,也是 @Israfilv2 (https://x.com/Israfilv2/status/2104637819402764747) 总结的官方建议:日常优先使用 Sonnet,遇到需要深度判断的任务再调用 Opus。

应该立即切换,还是等智能路由来做决定?

建议今天就切换默认模型。新模型加量不加价,效率提升在自家代码库里很容易验证。@kimmonismus 和 @gradientintern 提到的智能路由代表了未来的趋势,也就是用软件来决定每一步调用什么模型。在搭建好路由系统之前,采用这种“双层默认模型+每周复盘账单”的策略,就能享受到绝大部分红利。

如果不重新测试直接换模型,可能会踩什么坑?

提示词(Prompt)失效。上一代模型调优好的提示词,在新模型上未必奏效。Search Engine Journal (https://www.searchenginejournal.com/anthropic-claude-opus-5-5-prompting-guidance/591278/) 报道了官方关于 Opus 5.5 的提示词指南,建议重新测试思考深度(effort)设置,并删掉提示词里那些让模型“仔细思考”的废话。@mika_systems (https://x.com/mika_systems/status/2103921273852108955) 测试发现,Opus 5.5 开到最大思考深度时,处理六个代码任务消耗了 64,899 个思考 Token,而加了决策层控制后,只用了 954 个 Token 就通过了同样的测试。可见,光是思考深度的设定,对成本的影响就远超更换模型本身。

这对做 Shopify 建站和运营的团队有什么影响?

前端感知不大,账单变化明显。如果建站服务商或内部团队正在用 Claude Code、Copilot 写 Theme 代码段或生成产品文案,日常开发工具的响应速度变快了,成本却没有增加。至于昂贵的高阶模型,留给上线前的把关复核即可。此外,@ClaudeDevs (https://x.com/ClaudeDevs/status/2104676099083190435) 还发布了构建评估集(Evaluations)的指南,方便开发者用 Claude Code 进行针对性优化,这正是对比不同模型在真实店铺任务中表现的关键手段。

Reference

在 GemCommunity 讨论