Claude Sonnet 5.5 Extra：一则建立在 Anthropic 早已使用的某个词之上的路由传闻

2026 年 11 月 5 日中午 12:44，X 上一个以 @chetaslua 身份发帖的账号用一句话提出了一个说法：“Sonnet 5.5 Extra 看起来像是在路由到下一个 Claude 模型。”两项测试都在帖子标为“Sonnet 5.5 Extra”的配置上运行，该配置对应的是将 effort 设置调高的 Claude Sonnet 5.5。第一项测试中，在关闭浏览功能的情况下，模型被问到 Andrej Karpathy 在 2026 年去了哪里，它回答说他于 2026 年 5 月加入了 Anthropic 的预训练团队。第二项测试中，它被要求“仅用代码尽可能逼真地画出骑自行车的鹈鹕”，而根据发帖者自己的统计，它返回了 26,599 个 SVG 元素、6.5k 条羽毛笔触、零张图像、零个 data URI、零个脚本以及 1,860 行 Python 代码；发帖者称其“可逐字节重建”。

首先最该说的，是最不起眼的那件事。Claude Sonnet 5.5 并不是未发布的模型——它已于 2026 年 9 月 28 日发布，价格为每百万输入 token 2 美元、每百万输出 token 10 美元，Amazon Bedrock 也在 ID anthropic.claude-sonnet-5-5 下记录了同一模型。而“Extra”也不是一个新名称。它是 Anthropic 自家帮助中心里对第二高推理设置的称呼：“Extra high (xhigh)”，API 将其拼作 xhigh，模型选择器则显示为 Extra high。一个显示为“Sonnet 5.5 — Extra high”的选择器条目，就是模型加上一个投入级别，而这个字符串的两部分都已存在于公开文档中。

这些都不能说明发帖者是错的。这只能说明发帖者的说法尚未得到证实，并缩小了能够证实它的范围。Anthropic 没有确认任何事，没有任何模型 ID 出现在任何公开模型列表中，而用“泄露”来框定是恰当的：它说明了这项说法声称了什么、今天可以核查什么，以及读者应如何对待它。这个故事有用的版本不是“一款新的 Claude 正在接受测试”，而是：此处提供的三条证据存在三种具体的失效模式，而且每一种都可检验。

Karpathy 的回答实际上确立了什麼

第一个测试被当作指纹来解读。它其实更接近一份日历。

Karpathy 于 2026 年 5 月 19 日在 X 上宣布他已加入 Anthropic——“我已经加入 Anthropic……很高兴加入这里的团队并重返研发工作”——TechCrunch、Fortune 和 NY Post 都在同一天报道了此事，并提到一个细节：他进入了 Nick Joseph 领导的预训练团队。这是每个新闻索引中的事实，而一个在禁用浏览功能的情况下仍能正确回答这一点的模型，只证明了一件事：它的训练数据延伸到了 2026 年 5 月中旬之后。

Claude Sonnet 5.5 于 2026 年 9 月 28 日发布。一次在模型发布四个月前就成为全球新闻的招聘，正是那种最终会进入其训练数据的事实，因此该模型通过这项探测是意料之中的结果，而非令人惊讶的结果。这项探测也无法将 Sonnet 5.5 与 Claude Opus 5.5、Claude Haiku 5.5 或五月之后发布的任何其他 Claude 检查点区分开来。一项所有候选者都能通过的测试，无法识别出其中任何一个。

这对于该如何给这一说法打分很关键。帖子下的回复串包含了证据中更有意思的那一半，而且它是自相矛盾的：一条回复问“你是说 sonnet 5.6 吗？”，另一条说“是 fable 5.5，都已经给用户路由好几周了。”两个人看着同样的行为，却得出两个不同的未公布模型，而且谁也说不出一个 API ID。这就是一个模糊标签在社区试图解读它时所呈现的样子。

26,599 个 SVG 元素是一个循环计数

鹈鹕的数量很惊人，直到你注意到它统计的是什么。一个 SVG 元素就是一个标签。一个在循环中放置羽毛的 Python 脚本可以输出四万个这样的元素，而模型从未真正对一只鹈鹕进行推理，这正是海报所描述的情况：1,860 行 Python 生成这些元素，而不是手工编写 26,599 个元素。这个数字衡量的是生成器的野心，而不是绘图的保真度。

“零图片、零 data URI、零脚本”也是同一类统计数据。它只能确认输出是纯矢量绘图，而不是被偷偷塞进文件里的位图。它完全说明不了这只鸟看起来像不像鸟。如果你想评判这幅画，那就去评判这幅画——发帖人自己附带的视频长达 19 秒，那才是值得一看的东西。

在被归档为一次全新的能力事件之前，还有一个值得了解的时序细节。2026 年 10 月 22 日，同一个账号发布了一张“code arena 上的神秘模型”的截图，其中的提示词是“用你能做到的最详细程度，编写一个骑自行车的鹈鹕的 SVG”，该内容获得了约 63,000 次浏览。这个鹈鹕提示词是该账号固定的路由检测器，会被反复运行。同一个检测器相隔三周得到的两个结果，并不是相互独立的观察。

鹈鹕测试已被那些让它闻名的人停用。

Simon Willison 于 2024 年 10 月 25 日提出了“生成一只骑自行车的鹈鹕的 SVG”，理由是训练数据中不可能合理地存在这样的 SVG，因此每个模型都必须真正尝试一次。它后来成为一个半正式基准：到 2025 年 6 月，Willison 已收集了 34 只鹈鹕和 560 条成对判断。

随后，安德烈·卡帕西——其所在地正是第一个测试主题的那个人——宣布它已死。2026年8月初，他给了 Claude Opus 5《指环王》的开篇段落，预算约为一百万 token 和约 10 美元，并让它自主运行两个小时；它生成了大约 5,500 行 Three.js 代码，程序化地构建出一个可交互的低多边形夏尔，“有点粗糙但挺好玩”。他的论点是，鹈鹕测试已经失去了区分能力：前沿模型现在都能通过它，因此它不再能把它们区分开来。

因此，11月5日的帖子使用了一个检测器，而该检测器的最初开发者早在四个月前就已将其停用，并且它被用在一个早已通过该检测器的模型系列上。这并不说明输出结果不好。它使结果不具备诊断性——而这正是路由测试所需要的一项特性。

“Extra”是一个有文档记载的努力级别，不是模型名称。

在 Anthropic 支持网站上，大约九十秒内就能核查的部分如下。关于更改模型、effort 和 thinking 设置的帮助中心页面列出了五个级别：低（Low）、中（Medium）、高（High）、“Extra high (xhigh)”和 Max。该页面对 Extra high 自身的释义是：它“专为长时间运行的编码和智能体任务而设计，提供比 High 更深入的推理，而无需承担 Max 的完整 token 成本”，并补充说该级别“在 Opus 4.7 及更新模型上可用”。API 参数写作 xhigh；选择器里写的则是完整拼写“Extra high”。

Claude Sonnet 5.5 拥有全部五个级别——low、medium、high、xhigh 和 max——并且思考功能永久开启，无法关闭。它的默认值并非在每个界面上都相同——Claude API 和 Claude Code 开箱即用时未必会落在同一级别。什么都不设置，你可能已经根据调用来源运行着不同的配置。因此，用户打开模型选择器，看到默认的 Sonnet 5.5 条目，并把 effort 切换到 Extra high，就创建了一个读起来完全像“Sonnet 5.5 Extra”的标签——而实际运行的却是一个已经全面可用三十九天的模型。

努力程度对账单的影响，才是值得内化的部分，因为“下一代模型”的印象很可能就来自这里。每 token 价格不随努力程度变化：输入 $2、输出 $10、缓存读取 $0.20，在各个档位都是如此。每个任务的 token 用量则变化巨大。Artificial Analysis 在发布时用其 pre-v5 指数跑了完整扫描，得到了这样一组阶梯：

• 低 — 指数 36，每项任务 $0.41

• 中等 — 索引 41，每项任务 $0.59

• 高 — 索引 47，每项任务 $1.08

• 超高（xhigh）— 指数 52，每任务 $2.74

• Max — 指数 56，每任务 $7.60

请把它理解为一条开销曲线，而不是能力曲线。从 high 调到 Extra high，完成每个任务的成本会翻一倍多，而换来的只是五个指数点——同一个模型，思考得更久。用户拨动那个开关后，看到输出明显变得更繁复，会说这是“另一个模型”。它仍是同一套权重，只是被给了更多空间。

当前实时读数更低，且测量方式不同，二者绝不能混为一谈。Artificial Analysis 于 2026 年 10 月 27 日将其指数重建为 v5.0，替换了九项组成评估，并将 60% 的权重分配给私有或留出集。在 v5.0.1 上，同一个 Claude Sonnet 5.5 在最大努力下读数为 55，每秒 155 个 token，每个指数任务 $10.02，在整个运行期间生成了 3.35 亿个输出 token，而中位数为 7260 万。上面的 56 是 v5 之前的数字。将两者相减毫无意义。

冗长程度这一指标是同时经得起两套评分标准检验的那个：在完全相同的任务集上，其输出量约为中位数的4.6倍。这就是“Extra”投入所换来的东西，也是它的代价；相比悄悄替换模型，这更能解释一场令人瞠目的演示。

究竟什么才能真正了结此事

这一说法是可证伪的，而大多数泄密传言连这一点都做不到。大致按强度排序：

• 模型选择器中的某个条目，其名称未出现在 Anthropic 的公开模型列表中——是一个字符串，而不是行为表现的截图。

• 响应体中的 model 字段所报告的并非文档中记载的 ID。每一个 Claude API 响应都会回显为其提供服务的模型；若一次悄无声息的替换能在这条字段上蒙混过关，那便是另一回事，而且是个更大的问题。

• 一条带有日期的变更日志条目、Bedrock 或 Vertex 模型卡，或与 Claude Sonnet 5.5 的 1M 输入和 128K 输出不同的、有文档记载的上下文或输出限制。

• 在两种具名配置上各运行 pelican 背后的生成器脚本两次，并比较输出。发帖者声称它能逐字节重建；这一说法只需运行两次便可验证。

在其中某一项落地之前，诚实的解读是：某个 effort 等级生成了一幅更令人印象深刻的图，而社区将其解读为一次新发布。Anthropic 对此未发布任何内容，该帖子本身也没有声称一个能用标识符佐证的名称——它称这种行为“看起来像”路由。那只是对一种印象的描述。

真正的问题在于静默路由，而这是可以修复的。

剥掉模型名称这一层，底下是一个合理的担忧：如果一家提供商可以在某个标签下响应请求，实际跑的却是别的东西，那么你跑的每一项基准测试、做的每一次成本估算，测量的都是一个不断移动的靶子。答案不是更靠谱的坊间经验，而是锁定版本。

在 OrcaRouter 上，Claude Sonnet 5.5 只是 200 多个模型中的一条路由，只需一个密钥即可调用，按供应商的目录价、0% 加价——所以上面提到的 $2 和 $10 就是你实际支付的价格，而供应商一旦调价，我们这边当天就会同步生效。你在请求中指定确切的模型；只有当某个提供商出错时，故障转移才会把你切换到另一个提供商，并且会明确告知你，而不是悄悄替换。如果你想认真验证本文中的假设，不需要截图：把同一个提示词分别以 high 和 Extra high 路由到 Sonnet 5.5，给这两条路由打上标签，然后自己比较输出结果和 token 数量。这就是一个对照实验。它只花几分钱，却能给出一个数字，而不是一种印象。

如果真有一款完全没预告过的模型冒出来，抓住它的还会是同一套办法——某个被锁定的 ID 突然跟 model 字段对不上号，而不是一只比上个月更好看的鹈鹕。

在重建任何内容之前需要做什么

目前还没有。这一说法才出现一天，只有单一来源，而其最强证据只是一个有记录的努力程度。不要仅凭它迁移流水线、重新基准测试模型或撰写发布文章。

本周你能做的事，无论从哪个角度看都成本低廉且有用。检查你自己的调用实际运行在哪个努力级别上，因为默认值因入口而异，而且几乎没人会显式设置它。关注每个已完成任务的成本，而不是每个 token 的价格，因为"Extra high"翻倍的正是这个数字。如果你要比较模型，请固定 ID，并在每次响应中记录 model 字段——唯一值得在意的路由说法，是你自己的日志能够证实的那一个。

真正的问题不在于 Claude Sonnet 5.5 Extra 是否存在，而在于是否有人能在下一只鹈鹕出现之前为它产出一个标识符。