Claude Sonnet 5.5 实测：游戏、3D 场景与更便宜的 Opus 替代选择

我提前获得了 Claude Sonnet 5.5 的访问权限并进行测试。以它的价格来看，我认为它能力非常强；我会展示成功的演示，也会指出局限。第一个提示要求它在浏览器中制作 3D 海洋，包括真实波浪、天气、游艇和水下视角。

场景提供海况、时间、云量、波浪和光照控件。水面反射会随波纹移动，船后有尾迹，镜头还能潜入水下看到鱼和光柱。我还让模型录制并剪辑这些场景的演示视频。

接下来，我要求它制作一个可玩的 Three.js 版 Fall Guys 风格游戏，包含 59 个机器人和多轮比赛。我明确要求模型用截图、视频或实际游玩来检查工作。在我的测试中，游戏有跳跃、俯冲和障碍，玩起来很有趣，但偶尔会穿模。

游戏提供角色自定义和许多关卡。我的体验是，Sonnet 版本与我用 Opus 5.5 制作的版本相当；改进提示后，我甚至觉得它更有趣。这是对这几次作品的个人比较，并非通用基准。

一个乐高设计应用可以接收文字或图片，用真实零件和颜色生成模型，并提供零件清单与分步说明。我的提示要求 AI 描述形状，再由程序选择零件、检查连接，并将错误反馈给 AI 修正。

一个预制的橡皮鸭模型有 281 个说明步骤。我可以从不同角度查看、改变光照，并导出说明书、零件清单或模型数据。爆炸视图并不完美，但这次演示展示了一种有用的工作流，无须让模型直接放置每一块积木。

我还要求 Sonnet 使用城市数据在 Unreal Engine 中构建真实比例的旧金山市中心，加入行人和车辆。提示要求提供事件输入，让交通、人群和应急服务作出反应，并与真实照片比较。项目还需要下载免费素材。

结果包含可识别的建筑、行人和交通，但有时会让我的电脑过载，也存在闪烁和阴影问题。它花了数天和数百万个 token。我对结果印象深刻，但这是一个要求很高的项目，并非快速的单提示成功案例。

我的团队还制作了 Age of Empires 风格游戏、受 Batman 启发的 Unreal 城市、写实版 Mario 场景和赛车游戏。这些演示展示了多种可玩或可探索的结果，也有窗户闪烁等视觉缺陷。在我的多次尝试中，声音和音乐仍是弱项。

展示的公司基准表中，Sonnet 5.5 在 Terminal-Bench 4.0 上得分 70.6，Opus 5.5 为 66.4。FrontierCode 和 CursorBench 的成绩接近，但低于展示的 Opus 数据。在我的许多测试中，我很难区分两个模型，不过更难的任务可能会显示更大差异。

表格还显示，Sonnet 和 Opus 的 GDPval 得分分别为 1844 和 1846；推理、计算机操作和图表识别结果也接近但并不相同。我仍觉得 OpenAI 模型在部分浏览器和计算机操作任务中更强。这些数字是特定基准结果，不能证明两个模型完全相同。

我注意到的一个写作习惯是模型倾向使用英式拼写，例如 colour。模型可以按指令调整。视频中引用的 Sonnet 价格为每百万输入 token 2 美元、每百万输出 token 10 美元；Opus 分别为 4 美元和 20 美元，即两项价格都高一倍。

我的总体评价非常积极：在我测试的工作中，能力、速度和价格的组合让 Sonnet 很有吸引力。我建议亲自尝试演示并与 Opus 比较，同时记住这些例子展示的时间、token 消耗和缺陷。