Arena.ai Code Arena：Claude Sonnet 5.5 High 的 WebDev 真实任务排名

一句话结论

Arena.ai 公布的 Code Arena: WebDev 实测中，Claude Sonnet 5.5（High）以 1699 分排名第 4，并以混合 $8/Mtoken 的价格进入成本效率帕累托前沿；相对 Sonnet 5（High）提升 159 分，但该帖子没有公开完整样本、评分方法和运行配置。

适用场景

• 适合的任务：以 WebDev 为代表的真实代码生成与网页开发任务；可作为 Sonnet 5.5 High 是否值得进入候选模型池的外部信号。

• 不适合的任务：把单个 Code Arena 子榜直接外推到跨文件重构、长程 Agent、生产稳定性或其他编程语言。

• 适用的模型版本：Claude Sonnet 5.5（High），X 帖子 2026-09-30 的 Arena 评测快照。

• 适用的客户端、Agent 或 API：Arena.ai Code Arena: WebDev；帖子未公开模型 provider、完整 harness、每题 prompt 或 API 参数。

• 推荐的推理档位和参数：帖子只报告 High 档。复测时应固定 High、模型 snapshot、工具权限、上下文、输出上限和计费口径。

测试环境与输入/配置

• 评测平台：Arena.ai 的 Code Arena: WebDev，帖子将其描述为 real-world results，并报告总榜及子领域排名。

• 模型配置：Claude Sonnet 5.5（High）；对照为 Sonnet 5（High）、Claude Fable 5.1（Max）和 GPT-6 Astra（Max）。

• 价格口径：帖子使用 blended $8 per Mtoken，且称 Sonnet 5.5 High 比整体排名第 3 的 Fable 5.1 Max 和第 2 的 GPT-6 Astra Max 便宜 80%。

• 原帖状态：原帖正文在 X 中可见，已切换“显示原文”核对英文内容；帖子附有帕累托位置图，图中标注 Code Arena: WebDev 榜单来源 URL，但原帖未提供可点击的榜单链接。

• 时间快照：X 显示发布时间为 2026-09-30 02:15（页面本地显示）；采集时帖子约 9.2 万次观看，互动数会动态变化。

结果数据

结论

这条 Arena.ai 一手通报支持一个范围明确的判断：Claude Sonnet 5.5 High 在 Code Arena: WebDev 的真实任务榜中进入前四，并相对 Sonnet 5 High 有明显排名和分数提升；在该帖子给出的混合价格口径下，它同时具备较好的成本效率。结论只覆盖 WebDev 榜和 High 配置，不能替代自有代码库、跨文件修改、测试修复和长程 Agent 的集测。

局限

• X 帖子没有公开 Code Arena: WebDev 的完整任务集、样本量、评分者数量、Elo 或其他分数计算公式、随机化方式和置信区间。

• 1699 分和第 4 名是动态榜单快照；模型加入、样本更新或榜单重算都可能改变名次。

• 帖子使用 blended $8/Mtoken 的成本口径，但没有公开输入/输出 token 比例、缓存命中、provider、工具调用和每任务成本分布，不能据此直接预算生产费用。

• WebDev 榜不能代表终端 Agent、跨文件重构、代码安全、测试覆盖、非 Web 编程或多轮项目维护能力。

• 帖子引用的“便宜 80%”是相对 Fable 5.1 Max 与 GPT-6 Astra Max 的整体对照表述，未提供完整价格计算过程，应按同一 provider 和同一任务集复核。

复现步骤

1. 固定 Arena.ai 当前可用的 Code Arena: WebDev 数据版本、模型 snapshot、High 档和计费 provider，并记录榜单抓取时间。

2. 使用自有的 WebDev 任务集补充复测，覆盖参考实现、模拟/交互、游戏和跨文件网页任务；保存完整 prompt、仓库版本、工具轨迹和生成结果。

3. 在同一 harness 中比较 Sonnet 5.5 High、Sonnet 5 High 及其他候选模型，统一超时、上下文、输出上限、温度和重试策略。

4. 分别计算任务成功率、人工偏好、测试通过率、修复轮次、输入输出 token、延迟和实际成本，不把 1699 分当作自己的复测结果。

5. 将榜单排名、分数和价格按采集时间存档；若榜单更新，保留旧快照并说明变化原因。

来源摘录或观察（仅做合规短引）

Arena.ai 原帖把 Sonnet 5.5 High 概括为 “1699 pts” 的 WebDev 第 4 名，并强调其成本效率；这组数字只对应该榜单和 2026-09-30 的快照。