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

Arena 发布 Agent Arena 最新榜单，Anthropic 的 Claude Sonnet 5.5 以 +12.5% 净提升排名第 3，单任务中位成本 $2.74，比排名第 2 的 Claude Opus 5.5（$1.58）高约 73%。Opus 5.5 得分更高且成本更低，因此 Sonnet 5.5 未进入 Agent Arena 的 Pareto 前沿。Sonnet 5.5 在 Chat 类目以 +15.6% 排名第 1，Anthropic 模型包揽前三名。

同一厂商的模型同时占据 Agent Arena 前三名，说明 Anthropic 在 Agent 任务上的整体位置较强；但 Sonnet 5.5 得分低于 Opus 5.5 而成本更高，打破了“更小模型更便宜”的常见预期，也使 Pareto 前沿的性价比判断成为选型关键。

Agent Arena 以净提升得分和单任务中位成本共同衡量模型，Pareto 前沿只保留在得分与成本上不被其他模型同时超越的选项。Sonnet 5.5 虽排名第 3，但在得分和成本两个维度都被 Opus 5.5 压制，因此在榜单机制下无法进入前沿。

对使用 Agent 能力的产品团队，模型选型不能只看排名：Sonnet 5.5 单位任务成本约为 Opus 5.5 的 1.73 倍且得分更低，若按任务量计费会直接抬高推理预算。研发侧应优先在 Opus 5.5 与 Sonnet 5.5 之间做任务级成本与质量对比测试。

• 在 Agent 工作流中按任务类型分别路由 Opus 5.5 与 Sonnet 5.5，用实测结果决定默认模型。
• 建立以单任务中位成本为核心指标的模型选型看板，替代仅看榜单排名的做法。
• 针对 Chat 场景单独评估 Sonnet 5.5，因为其在 Chat 类目以 +15.6% 排名第 1。

• Agent Arena 的净提升得分与单任务中位成本具体如何计算？
• Sonnet 5.5 成本高于 Opus 5.5 的原因是什么？
• 除 Chat 类目外，Sonnet 5.5 在其他任务类目的排名与成本如何？
• Pareto 前沿之外，Sonnet 5.5 是否在特定任务类型上仍有不可替代的优势？