Claude Sonnet 5.5 对比 Claude Opus 5：每项都更便宜，且在指数上领先

Claude Opus 5 于 2026 年 7 月 24 日发布，定价为每百万输入 token 5.00 美元、每百万输出 token 25.00 美元。Claude Sonnet 5.5 于 2026 年 9 月 28 日正式可用，定价分别为 2.00 美元和 10.00 美元。对于一款新两代的模型来说，这意味着输入价格降低 60%、输出价格降低 60%——而且在 Artificial Analysis 对两者运行的测试框架上，这款模型在 Intelligence Index v4.3 上得分为 56，而 Claude Opus 5 为 51。这是一次罕见的对比：更新、更便宜的模型在第三方指数上同时也是得分更高的那一个，而现有模型仅剩的理由不再是基准排名，而是某一类特定的工作。两款模型都支持 100 万 token 的上下文，最多都可输出 128K token，都能读取文本、图像和文件，并且都通过 effort 参数而非思考 token 预算来配置推理。由于各项表面能力相同，在两者之间做选择就纯粹是这样一个问题：完成一项任务要花多少钱，以及哪些任务会失败。

两个版本，一个界面

先从变化之微小谈起，因为这已超越多数世代更迭的变化。

• 上下文窗口 — 两者均为 1,000,000 个 token

• 最大值 — 两者均为 128,000 个 token

• 输入方式 — 两者均支持文本、图像和文件；两者均不支持音频和视频

• 推理 — 自适应思考，两者的努力程度均可配置，因此深度是一个请求参数，而非单独的模型字符串

• 能力 — 视觉、工具、JSON 与推理，二者均支持，依据 OrcaRouter 目录中anthropic/claude-opus-5以及 Sonnet 系列的相关条目

实际结果是，为 Claude Opus 5 编写的提示词无需重写，就能在 Claude Sonnet 5.5 上运行；围绕 128K 输出上限调校的智能体循环，也不需要一个新的层级。迁移不过是替换模型字符串，再重新检查你之前固定的是哪个 effort 设置——仅此而已。对于经历过过去两年多模态、多参数转型的团队来说，这才是头条，而不是基准测试成绩。

唯一会变的是价格，而且它在每一行都会变，而不只是营销幻灯片上的那两行。

• 输入 — 每百万 2.00 美元，相比 5.00 美元，降低了 60%

• 输出 — 每百万 $10.00，相较 $25.00，下降 60%

• 缓存读取——每百万 $0.20，相比 $0.50，降低 60%

• 缓存写入 — 每百万 $2.50，相比五分钟窗口的 $10.00，降低了 75%

如果你运行的智能体在每一轮都会重新读取一段很长的前缀，那么真正为迁移买单的就是缓存读取这一项。在 $0.20 对 $0.50 的情况下，长会话中的每个缓存 token 成本都会降到原先的 40%，而在大多数智能体循环中，缓存读取占 token 数量的大头。这种节省的累积方式，是单看每 token 的宣传数字所无法体现的。

五点从何而来

Artificial Analysis 在 Intelligence Index v4.3 上给 Claude Sonnet 5.5 打出 56 分、给 Claude Opus 5 打出 51 分，两项成绩均是在“Adaptive Reasoning, Max Effort”配置下测得的。在这个量表上，5 分的差距可不是四舍五入造成的误差——作为参照，同一评测方给 Sonnet 5 的评分为 38，给 Gemini 3.1 Pro Preview 的评分为 30，因此 Claude Opus 5 与 Claude Sonnet 5.5 之间的差距，是 Claude Opus 5 与上一代 Sonnet 之间差距的三分之一。

Anthropic 自己为 Claude Sonnet 5.5 发布的发布数据，用另一种标尺指向了同一个方向。该公司报告在 Terminal-Bench 4.0 上为 70.6%——而在更早的一份 Anthropic 表格中，Claude Opus 5 在同一测试上被记录为 89.1%；这个数字使用了不同的测试框架修订版，不应从较新的那个数字中减去。这是本文中最重要的一条来源警示：Terminal-Bench 在 2026 年中途转向 4.0，承载它的指数也相应修订为 v4.3 以匹配，而该基准的跨版本比较不能做算术。凡是数字附有版本，就要引用该版本。

能够清晰比较的，是厂商自家 Sonnet 一侧的进展——在 Terminal-Bench 4.0 上，Sonnet 5 的 10.3% 到 Sonnet 5.5 的 70.6%——以及第三方指数的读数，其中两个数字都来自同一天、同一套测试框架。基于这一证据，后继者在通用推理上确实超越了 7 月的旗舰，这比任何厂商幻灯片所宣称的都更有力。

输出长度的陷阱

这里就是算术不再对较新模型手下留情的地方。

Artificial Analysis 报告称，在其指数套件上评估 Claude Sonnet 5.5 的成本为每项任务 7.60 美元。在同一套件上，Claude Opus 5 的成本为每项任务 5.86 美元。这款更新的模型虽然在费率卡的每一项上都降价 60%，但用它完成一项任务的成本却大约高出 30%。原因就在同一份报告中：Sonnet 5.5 在整个套件中输出了 4.1 亿个 token，而所追踪模型的输出中位数为 8800 万个，评估方将此称为“非常啰嗦”。Claude Opus 5 在同一套件上输出了 1.4 亿个。

拆解开来算，机制很简单。在相同的工作上，Sonnet 5.5 产生的输出 token 数量约为 Claude Opus 5 的三倍，而输出价格只有它的 40%。三乘以 0.4 等于 1.2——在计入缓存影响之前，就已经有 20% 的额外支出，这大致正是 7.60 美元对 5.86 美元这一结果的量级。每 token 价格并没有错；只是它并非决定账单的那个数字。

这并不会让较新的模型成为更差的购买选择。它让决策取决于大多数对比都会忽略的一点：你的工作负载是否允许你约束输出。带长度指令的摘要任务、产出 JSON 的结构化抽取流水线、返回标签的分类器——在所有这些场景中，冗长都根本不会出现，而费率卡上 60% 的降幅则是真金白银。一个被要求“修复仓库”却毫无输出约束的开放式智能体，等于把三倍的绳子交到了 Sonnet 5.5 手里。

工作量设置和没人预留预算的迁移

两个模型都通过一个具有多个级别的 effort 参数来暴露推理深度，并且两者都附带默认值而非固定值——在 Claude Platform 上为 high，在 Claude 应用内为 medium。迁移时的一大诱惑，就是把该设置留在旧模型上的原处，然后便宣告任务完成。

这是一个有明确可量化依据的错误。Anthropic 自己为 Claude Sonnet 5.5 写的脚注就指出，在 FrontierCode 上，Max 努力档位的得分低于 Xhigh，这意味着努力档位并不是一个单调可调的旋钮，最高档位也不是免费的性能升级。设定努力档位应当基于对你任务的实测结果，而不是直接选可用的最贵选项。

在 Sonnet 方面还有一个硬性行为差异，在正式推出前值得了解。Anthropic 表示，Claude Sonnet 5.5 是首个随附与其顶级模型相匹配的网络防护措施和回退机制的 Sonnet，因此风险更高的安全请求会明显回退到较早的 Sonnet，而不是由你指定的模型来服务。如果你的工作负载属于该领域，日志中会显示一个你并未请求的模型。Claude Opus 5 早于 Sonnet 产品线上的这一安排出现，不过，在 Anthropic 的整个产品中，旗舰层级上针对生物学和网络安全工作的同类路由也存在。

在 OrcaRouter 上，这两个端点如今都已上线——anthropic/claude-opus-5 和 anthropic/claude-sonnet-5与其他所有内容一样位于同一目录中，按提供商的标价定价，0% 加价——而且一旦 Claude Sonnet 5.5 被列入目录，就能通过同一凭据访问。与此同时，相关的能力是自动故障转移：如果某个 Anthropic 层级受到速率限制或返回错误，请求可以在无需更改代码的情况下重新指向另一个层级，这是应对本次比较判断有误的最廉价对冲方式。

该决定，以规则形式陈述

如果你的工作是边界明确的——输出形态由你掌控，提示词是结构化的，每个任务的 token 数量可预测——那就转向 Claude Sonnet 5.5，拿下那 60% 的降幅。指数认同，价目表认同，反方已经没有任何关于能力的论据可讲。

如果你的工作是开放式且具有自主性的，那么在相信任何一份价目表之前，先运行实验。分别在两个模型上，用你自己的流量测量每完成一项任务所消耗的 token 数，持续一周；每百万 token 7.60 美元对 5.86 美元的第三方结果，是一个明确的警告：更便宜的费率卡可能带来更高的账单。在拿到这个数字之前，对于长周期自主工作，Claude Opus 5 仍是更稳妥的默认选择。

诚实的结论是：这是第一代 Sonnet，其旗舰机型的卖点取决于任务形态，而不是原始能力；任何仍只凭模型名称做决定的人，现在要么白白丢掉 60% 的收益，要么每完成一个任务多付 30%，而这完全取决于他们猜的是哪个方向。