Box 测试 Sonnet 5.5
来自 Aaron Levie · 期号 2026-09-29
摘要
Box CEO Aaron Levie 分享了 Sonnet 5.5 在 Box Agent 上的内部评测结果。 在 Box 最难的测试集上，Sonnet 5.5 整体提升 4 个百分点，完成交付物的速度是 Sonnet 5 的 2.4 倍，且 token 消耗减少 12%。 垂直行业提升更显著：金融服务业 +18 个百分点（尽职调查中发现了交易算术错误，速度快 61%），法律 +7 个百分点（拒绝编造市场基准，指出合同真正缺失的条款），生命科学 +8 个百分点（正确计算两组样本标准差，速度快 41%），公共部门 +7 个百分点（从原始数据中提取正确的学生进度数据，速度快 71%）。 Sonnet 5.5 很快将在 Box AI Studio 中供客户构建 AI agent。