@levie:在Box,我们一直在早期访问中测试Sonnet 5.5,在Box Agent的复杂工作评估中,Sonnet 5.5是另一个…
摘要
Box在早期访问中测试了Claude Sonnet 5.5,并报告在金融服务、法律、生命科学和公共部门的复杂工作评估中取得了显著的性能提升,处理速度更快,令牌使用量减少。
查看缓存全文
缓存时间: 2026/09/28 19:37
在Box,我们一直在复杂工作评估中对Box Agent提前测试Sonnet 5.5,结果显示,Sonnet 5.5在企业内容的知识型工作中相比Sonnet 5再次实现了显著提升。
整体而言,我们在最困难的测试中看到4分的总体提升,同时完成最终成果的速度快了约2.4倍,使用的令牌减少了12%。我们还在关键垂直领域取得了重大突破,例如金融服务领域提升18个百分点,法律领域提升7个百分点,生命科学领域提升8个百分点,公共部门提升7个百分点。
以下是Sonnet 5.5在某些任务中的具体胜利,展示了其强大能力:
-
金融服务领域(+48分):对一笔交易工具收购的尽职调查审查,其中交易文件中的计算存在问题。Sonnet 5.5捕捉到了错误的利息总额和定价不当的期权并标记出来,同时完成这项工作的速度还快了约61%。
-
法律领域(+14分):一份商业租赁审查。Sonnet 5.5没有虚构所谓的“标准“市场基准来设定续约条款和通知期限,而是指出了租赁协议中实际缺失的内容。
-
生命科学领域(+22分):从原始测量数据中撰写现场试验报告。Sonnet 5.5正确计算了两个处理组的样本标准差。Sonnet 5几乎全部出错。而且Sonnet 5.5完成速度还快了约41%。
-
公共部门(+11分):一份关于数学干预项目的报告。Sonnet 5.5从基础数据中提取了正确的学生进度监测数据,速度约快71%。
客户很快就可以在Box AI Studio中使用Sonnet 5.5构建AI代理。
Claude (@claudeai): 介绍Claude Sonnet 5.5,这是Claude 5.5家族中的第二个模型。
它比Sonnet 5有明显升级,运行速度提高30%以上,对大多数工作的成本降低了最高30%。
相似文章
@levie: 我们一直在用Anthropic的Claude Sonnet 5运行Box AI Complex Work Eval,这是我们用于评估模型在复杂企业文档工作中表现的智能体基准测试…
Box在其智能体基准测试中运行了Claude Sonnet 5,发现它在尽职调查、成本分析等复杂企业任务上超越了Sonnet 4.6。Sonnet 5即将在Box AI Studio中可用。
@levie: 在 Box,我们一直在测试 Opus 5.5 在处理非结构化数据的各种复杂企业知识工作任务上的表现…
Box 测试了 Claude Opus 5.5,发现它在复杂的企业知识工作任务上,相比 Opus 5 带来了显著的性能提升,在 token 效率、速度和成本方面都有重大改进。
@levie: 在Box,我们一直在早期测试版中使用Fable 5.1,以评估其在复杂企业工作中的表现。Fable 5.1带来了巨大的提升……
Box测试了Fable 5.1,该模型在复杂企业任务中比Fable 5提升了7个百分点,在金融服务、技术和公共部门等方面有显著进步,并将与新模型Claude Fable 5.1和Claude Mythos 5.1一起在Box AI Studio中提供。
@rohanpaul_ai: Claude Sonnet 5.5 已发布,在 Terminal-Bench 4.0 上得分 70.6%,相比 Sonnet 5 的 10.3% 有所提升,价格保持不变。更多…
Anthropic 发布了 Claude Sonnet 5.5,与 Sonnet 5 相比,在基准分数、成本效率和速度方面都有重大改进,在 Terminal-Bench 4.0 上得分 70.6%。
@cline:新型Sonnet 5以不到一半的成本在Terminal-Bench上达到Opus 4.8级别的性能。对--y…
新型Sonnet 5模型以不到一半的成本在Terminal-Bench上达到Opus 4.8级别的性能,改进了对提示注入攻击的拒绝能力,现在已在Cline中可用。