Claude Sonnet 5.5 Extra：一則建立在 Anthropic 早已使用之詞彙上的路由傳聞

2026年11月5日下午12:44，一個在X上以@chetaslua名義發文的帳號，用一行文字提出一項說法：「Sonnet 5.5 Extra 看起來像是路由到下一個 Claude 模型。」兩項測試都在該貼文標為「Sonnet 5.5 Extra」的設定上執行，該設定對應到把 effort 設定調高的 Claude Sonnet 5.5。在第一項測試中，在關閉瀏覽功能的情況下，模型被問到 Andrej Karpathy 在 2026 年去了哪裡，並回答他於 2026 年 5 月加入 Anthropic 的預訓練團隊。在第二項測試中，它被要求「只用程式碼，盡可能逼真地呈現騎腳踏車的鵜鶘」，而根據發文者自己的計算，它回傳了 26,599 個 SVG 元素、6.5k 筆羽毛筆觸、零張圖片、零個 data URI、零個指令碼，以及 1,860 行 Python，發文者稱這「能逐位元組重建」。

最該先說的、最有用的話，是那件不起眼的事。Claude Sonnet 5.5 不是尚未推出的模型——它已於 2026 年 9 月 28 日推出，每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，而 Amazon Bedrock 以 ID anthropic.claude-sonnet-5-5 記載同一個模型。而「Extra」也不是新名稱。它是 Anthropic 自家說明中心裡，對第二高推理設定的用詞「Extra high (xhigh)」；API 拼作 xhigh，模型選擇器則顯示為 Extra high。選擇器中一項寫著「Sonnet 5.5 — Extra high」的項目，是模型加上一個投入程度，而這個字串的兩半都已存在於公開文件中。

這些都不代表發文者錯了。這只代表發文者尚未被證實，也縮小了能證明它的範圍。Anthropic 尚未證實任何事，任何公開模型清單中都未出現模型 ID，而外洩畫面是正確的框架：這是該說法的主張、今天能查核什麼，以及讀者該如何處理。這個故事有用的版本不是「正在測試新的 Claude」。而是這裡提出的三項證據各有三種特定的失效模式，而且每一項都可測試。

Karpathy 的回答究竟確立了什麼

第一項測試正被解讀成指紋。它其實更接近日曆。

Karpathy 於 2026 年 5 月 19 日在 X 上宣布他已加入 Anthropic——「我已加入 Anthropic……很興奮能加入這裡的團隊，重返研發工作」——而 TechCrunch、Fortune 和 NY Post 同日全都報導了此事，並提到他加入的是 Nick Joseph 麾下的預訓練團隊。這是所有新聞索引中的事實，而一個在停用瀏覽功能的情況下仍能正確回答此事的模型，只證明了一件事：它的訓練資料延伸到了 2026 年 5 月中旬之後。

Claude Sonnet 5.5 於 2026 年 9 月 28 日推出。在模型發布前四個月就已成為全球新聞的一則招聘消息，正是那種最終會進入其訓練資料的事實，因此模型通過這項探測是預期結果，而非令人意外的結果。這項探測也無法區分 Sonnet 5.5 與 Claude Opus 5.5、Claude Haiku 5.5，或五月之後發布的任何其他 Claude 檢查點。每個候選模型都能通過的測試，無法辨識出其中任何一個。

這對於該主張應如何評分很重要。貼文下方的回覆串包含了更有趣的那一半證據，而且彼此矛盾：一則回覆問「你是說 sonnet 5.6？」，另一則說「它也是 fable 5.5，已經為使用者路由好幾週了。」兩個人看著同樣的行為，卻得出兩個不同的未公布模型，而且兩人都說不出 API ID。這就是一個含糊標籤在社群試圖解讀它時的樣子。

26,599 個 SVG 元素是迴圈計數

鵜鶘的數量很驚人，直到你注意到它到底在數什麼。一個 SVG 元素就是一個標籤。一段在迴圈中放置羽毛的 Python 腳本，可以產生四萬個這種元素，而模型從頭到尾根本沒有對鵜鶘進行任何推理，而這正是那張海報所描述的：用 1,860 行 Python 生成這些元素，而不是手工寫出 26,599 個元素。這個數字衡量的是生成器的野心，而不是畫作的逼真度。

「零圖片、零 data URI、零腳本」也是同一類統計數字。它只能證明輸出是純向量繪圖，而不是被偷渡進檔案的點陣圖；它完全無法說明那隻鳥看起來像不像鳥。如果你想評判這幅畫，就評判這幅畫本身——原貼文者自己附的影片長達 19 秒，那才是值得一看的成品。

在把這件事歸檔為全新能力事件之前，還有一個時序細節值得知道。2026 年 10 月 22 日，同一個帳號發布了一張「code arena 上的神秘模型」截圖，提示詞是「盡可能詳細地用程式碼繪製一隻騎腳踏車的鵜鶘 SVG」，這則貼文獲得約 63,000 次瀏覽。鵜鶘提示詞是這個帳號固定的路由偵測器，會反覆執行。同一個偵測器相隔三週所得的兩項結果，並非彼此獨立的觀察。

「鵜鶘測試」已被讓它聲名大噪的人們停用。

Simon Willison 於 2024 年 10 月 25 日提出了「生成一隻騎著腳踏車的鵜鶘 SVG」這個測試，理由是訓練資料中不可能存在這樣的 SVG，因此每個模型都必須真正動手嘗試。它後來成為一項半正式的基準測試：到了 2025 年 6 月，Willison 已收集了 34 隻鵜鶘與 560 組兩兩比較的評判結果。

接著，正是那位所在位置成為第一項測試主題的 Andrej Karpathy，宣告它已死。2026 年 8 月初，他給 Claude Opus 5 大約一百萬個 token 的預算與約 10 美元，讓它自主運行兩小時，輸入《魔戒》的開頭段落；它產出約 5,500 行 Three.js 程式碼，以程序化方式建構出一個可互動的低多邊形夏爾，「有點粗糙但很有趣」。他的論點是，鵜鶘測試已失去鑑別力：前沿模型如今都能通過，因此它再也無法區分它們。

所以11月5日那篇文章使用的偵測器，其原開發者早在四個月前就已停用，而且是用在一個早已通過該偵測器的模型系列上。這並不代表輸出結果不好，而是代表它不具診斷性——而這正是路由測試所需的那一項特性。

「Extra」是文件記載的投入等級，不是模型名稱。

以下是可在 Anthropic 支援網站上於大約九十秒內查證的部分。說明中心關於變更模型、effort 與 thinking 設定的頁面列出五個等級：低、中、高、「Extra high（xhigh）」與 Max。它對 Extra high 的說明是「專為長時間執行的程式設計與代理式任務而設計，提供比 high 更深入的推理，卻不必承擔 max 的完整 token 成本」，並補充該等級「適用於 Opus 4.7 及更新機型」。API 參數拼作 xhigh；選單則將其完整寫出。

Claude Sonnet 5.5 具備全部五個等級——低、中、高、xhigh 與 max——思考功能永久開啟，且無法停用。它的預設值並非在每個介面上都相同——Claude API 與 Claude Code 開箱即用時不一定會落在相同等級。什麼都不設定，你可能已經根據呼叫來源不同，而在執行不同的配置。因此，一位使用者打開模型選擇器，看到預設的 Sonnet 5.5 選項，並把 effort 切換到 Extra high，就創造出一個讀起來完全像「Sonnet 5.5 Extra」的標籤——同時執行的卻是一個已經正式推出三十九天的模型。

努力程度對帳單造成的影響，才是值得內化的部分，因為「下一代模型」的印象很可能正是由此而來。每 token 的價格不會隨努力程度變動：輸入 $2、輸出 $10、快取讀取 $0.20，無論在哪個層級都一樣。每項任務的 token 用量則會大幅變動。Artificial Analysis 在發布時於其 pre-v5 指數上跑了完整掃描，得到這道階梯：

• 低 — 索引 36，每項任務 $0.41

• 中等 — 索引 41，每項任務 $0.59

• 高 — 索引 47，每項任務 $1.08

• 極高（xhigh）— 指數 52，每項任務 $2.74

• Max — 指數 56，每項任務 $7.60

把它理解為花費曲線，而不是能力曲線。從高到 Extra high，每完成一項任務的成本增加超過一倍，只換來五個指數點——同一個模型，思考得更久。使用者撥動那個開關，然後看到輸出明顯變得更繁複，會把它描述成「另一個模型」。它還是同一組權重，只是被給了更多空間。

目前的即時讀數較低，且測量方式不同，兩者絕不可混為一談。Artificial Analysis 於 2026 年 10 月 27 日將其指數重建為 v5.0，替換了九項組成評測，並將 60% 的權重分配給私有或保留集。在 v5.0.1 上，同一個 Claude Sonnet 5.5 在最大努力設定下讀數為 55，每秒 155 個 token，每項指數任務 $10.02，整輪執行共產生 3.35 億個輸出 token，而中位數為 7,260 萬。上述的 56 是 v5 之前的數字。將兩者相減毫無意義。

冗長度這個數字在兩套評分標準下都站得住腳：在相同的任務集上，輸出量約為中位數的 4.6 倍。這就是「Extra」努力所換來的成果，也是它的代價；而比起悄悄更換模型，這更能合理解釋那個令人震驚的演示。

究竟什麼才能真正解決這件事？

這個主張是可證偽的，而大多數洩密傳聞連這一點都做不到。按強度大致排序如下：

• 一個模型選擇器項目，其名稱未出現在 Anthropic 的公開模型清單中——是一個字串，而非行為的螢幕截圖。

• 回應主體中的 model 欄位回報了非文件記載的 ID。每個 Claude API 回應都會回傳實際服務該請求的模型；若有無聲替換卻能通過該欄位的檢驗，那就是另一回事，而且是更重大的問題。

• 一則附有日期的變更日誌條目、Bedrock 或 Vertex 的模型卡，或任何與 Claude Sonnet 5.5 的 1M 輸入與 128K 輸出不同的、有文件記載的上下文或輸出上限。

• 在兩個具名組態上各執行兩次 pelican 背後的產生器腳本，並比較輸出結果。海報宣稱它能逐位元組重建；這個說法只要執行兩次就能驗證。

在其中之一真正落地之前，最誠實的解讀是：某個努力等級產生了更令人驚豔的圖畫，而社群把它解讀成一次新發布。Anthropic 並未發布任何相關內容，而該貼文本身也沒有宣稱一個能用識別碼佐證的名稱——它說這種行為「看起來像」路由。那只是在描述一種印象。

真正的問題是靜默路由，而這是可以修正的。

剝掉模型名稱後，底下有一個合理的擔憂：如果供應商能用一個標籤回應請求，實際卻在跑別的東西，那麼你跑的每一項基準測試、做的每一項成本估算，都是在測量一個移動的標靶。答案不是更精妙的鄉野傳聞，而是釘選。

在 OrcaRouter 上，Claude Sonnet 5.5 是 200 多個模型中的一條路由只需一把金鑰，並按供應商定價、零加成——因此上面的 $2 和 $10 就是你實際支付的價格，而供應商調價當天就會在我們這邊生效。你在請求中指定確切模型；只有在某個供應商出錯時，容錯移轉才會把你移到另一個供應商，而且會告知你，而不是悄悄替換。如果你想妥善驗證本文中的假設，不需要截圖：把同一個提示詞分別以 high 和 Extra high 路由到 Sonnet 5.5，為這兩條路由加上標籤，然後自行比較輸出與 token 數量。這就是一項對照實驗。它只花幾美分，而且產出的是數字，不是印象。

如果真有一個完全未事先公布的模型出現，揪出它的也會是同一套嚴謹做法——一個釘選的 ID 突然對不上模型欄位，而不是一隻看起來比上個月更好的鵜鶘。

在重建任何東西之前該做什麼

目前還沒有。這項說法才出現一天、只有單一來源，而它最有力的證據是一份有紀錄可查的努力程度。不要僅憑這點就遷移流程、重新對模型做基準測試，或寫一篇發布文。

這週你能做的事，無論如何都既便宜又實用。檢查你自己的呼叫實際跑在哪個 effort level，因為預設值會因介面而異，而且幾乎沒有人會明確設定它。要看每項完成任務的成本，而不是每個 token 的價格，因為那才是 Extra high 會翻倍的數字。如果你在比較模型，請固定 ID，並在每個回應記錄 model 欄位——唯一真正重要的路由說法，是你的日誌能證實的那一個。

未解的問題不是 Claude Sonnet 5.5 Extra 是否存在，而是是否有人會在下一隻鵜鶘出現之前，為它產生一個識別碼。