Claude Sonnet 5.5 登顶 Agent Arena 第 3 名但未入 Pareto 前沿

核心亮点

Agent Arena 最新榜单里，Anthropic 的 Claude Sonnet 5.5 以 +12.5% 的净提升得分排到第 3。但一个值得玩味的细节是：它单任务中位成本 2.74 美元，比排第 2 的 Claude Opus 5.5（1.58 美元）还贵约 73%，而 Opus 5.5 得分更高——所以 Sonnet 5.5 没进帕累托前沿，被自己的兄弟型号挡在了门外。

具体能力或事件经过

在 Chat 类目，Sonnet 5.5 以 +15.6% 排到第 1，Anthropic 模型包揽了 Agent Arena 前三名，显示其在 agent 任务上的整体实力。但"贵且不是最强"让它卡在性价比的尴尬位，也说明同一个厂商内部不同型号之间也会出现"自我挤占"。

技术细节

帕累托前沿要求"更强或更便宜至少占一头"。Sonnet 5.5 既比 Opus 5.5 弱、又比它贵，自然被挡在门外。这说明榜单不能只看名次，还要把成本拉进来一起看——一个模型的价值，最终要折回到"每花一块钱能买到多少能力"。

与竞品对比

同门的 Opus 5.5 在能力和成本上都更优，GPT-6.1 Sol (Max) 则以极低单价逼近前列。Sonnet 5.5 的定位更像"均衡偏强"，但在强调成本的 agent 场景里竞争力被稀释，更适合那些特别看重某项专项能力的特定工作流。

行业影响或适用场景

对企业选型来说，这条新闻的启示是：别被单一名次带节奏。如果一个模型既不如兄弟型号强、又更贵，它就只适合那些特别看重某项专项能力（如 Chat 类目第一）的特定工作流，而非作为默认主力。把成本纳入决策，是 agent 落地避免预算失控的第一步。