Claude Sonnet 5.5 对比 Claude Sonnet 5：价格相同，账单不同

两款来自同一供应商、同一档位、同一名称的模型，而且在已公布价目表的每一行上——价格都完全相同。Claude Sonnet 5 于 2026 年 6 月 30 日发布，每百万输入 token 2.00 美元，每百万输出 token 10.00 美元。Claude Sonnet 5.5 于 2026 年 9 月 28 日正式全面可用，价格同样为 2.00 美元和 10.00 美元，两者的缓存读取均为 0.20 美元，五分钟缓存写入均为 2.50 美元。价格没有任何变化。改变的是价格表无法衡量的一切，结果就是：这两个模型中，有一个的运营成本明显低于另一个，尽管每 token 的成本完全相同。Anthropic 自己为这次发布拟的标题几乎点明了这一点，却又没有完全说破：在价目表不变的情况下，大多数工作的成本最高可降低 30%。这两句话同时成立的唯一可能，就是较新的模型用更少的 token 完成同样的工作，而这正是基准测试所显示的，也是独立的分任务数据所证实的。

Claude Sonnet 5.5 比 Claude Sonnet 5 更贵吗？

不——而且无论如何，这个问题都值得认真对待，因为大量迁移之所以出错，正是因为把统一的费率卡当成了统一的账单。

按 token 计，两个模型完全相同：输入 $2.00，输出 $10.00，读取缓存 token 为 $0.20，写入一个为 $2.50。没有分层档位，也没有长上下文附加费。无论这个更新的模型是什么，它都不是披着新一代外衣的涨价。

每完成一项任务，情况就会根据你所描述的是谁的工作负载而翻转。Artificial Analysis 报告称，在同一个 Intelligence Index v4.3 套件上，Claude Sonnet 5 每项任务成本为 5.09 美元，而 Claude Sonnet 5.5 每项任务成本为 7.60 美元——在费率相同的情况下，较新的模型完成一项任务的成本高出 49%。同一份报告指出，Sonnet 5.5 在整个套件中共输出 4.1 亿个 token，而 Sonnet 5 为 3.7 亿个，而所追踪领域的中位数为 8800 万。在评估者的开放式提示上，较新的模型就是写得多，而在价格相同的情况下，token 越多，账单就越大。

Anthropic 所谓“便宜 30%”的说法，是厂商针对自家挑选的工作负载给出的说法。第三方测出的 7.60 美元对 5.09 美元，则是在另一组数据上的实测结果。两者都没有错；这种分歧本身就是事情的全貌，而决定性因素在于你的任务是否会自行限定其输出长度。

两代之间实际改变了什么

费率卡是静态的；模型则不是。若排成单一列表，差值很大，且大多是单向的。

• Terminal-Bench 4.0 —— Claude Sonnet 5.5 取得 70.6% 的成绩，而 Claude Sonnet 5 仅为 10.3%，这是 Anthropic 在该测试上公布的最大单代跃升

• Cursor 4.0 — 55.5% 对 34.1%

• 图表学，无工具——61.6% 对 15.6%

• GDPval-AA v2.1 — 1844 对比 1449

• AA-Briefcase v1.1 — 1811 对 1359

• 人类最后的考试，带工具 — 64.5% 对 54.9%

• OSWorld 2.1，部分完成 — 80.1% 对 57.0%

• Artificial Analysis Intelligence Index v4.3 — 56 对 38，在相同的“Adaptive Reasoning, Max Effort”配置下由第三方量表测得，相差 18 分

那份榜单的形态并不是整齐划一的进步。Chartography 从 15.6% 升到 61.6%，Terminal-Bench 从 10.3% 升到 70.6%，这些看起来像是原本缺失、如今才具备的能力，而不是有所提升的能力。Humanity's Last Exam 提升 10 个百分点，OSWorld 提升 23 个百分点，而价格保持不变，这正是一代模型填补特定空白、而非整体变得更聪明的模式。18 个百分点的指数差距就是这一点的算术平均：真实、巨大，并且集中在工具使用、代码执行和视觉工作上。

对于任何仔细阅读厂商表格的人来说，有一条脚注值得注意。Anthropic 指出，在 FrontierCode 上，Max effort 配置的得分低于 Xhigh，并标注说 GDPval-AA 和 AA-Briefcase 的运行是在一个带有结构化输出缺陷的预发布部署上执行的。上述数字仍是目前可获得的最佳数据，但请将其视为来自某一次部署的快照，而非模型的永久特性。

为什么价格相同而账单不同

三种机制，按其影响真实发票的程度从大到小排列。

首先是输出长度上的自律。Sonnet 5.5 是能力更强的智能体，这意味着它在作答之前会做更多工作；而在没有长度限制的测试套件上，它写出的内容比 Sonnet 5 多约 11%，而每 token 的成本相同。在限制输出的工作负载上——例如抽取到固定 schema、分类、有界摘要——那 11% 永远不会出现，30% 的说法也就变得可信，因为收益在于以更少的轮次得到答案，而不是每轮用更少的 token。

第二点是缓存行为，而这正是缓存读取价格不变并不意味着缓存成本不变的原因。在这两个模型上，缓存读取和写入的定价完全相同，因此缓存令牌数量的任何变化都会直接反映到账单上。一个完成智能体任务所需轮次更少的模型，读取其前缀的次数也更少。这是一种背后根本没有价格变动支撑的节省，而且在所有只列出价目表条目的对比表中都不可见。

第三点是大多数团队在迁移当天最容易搞错的一点：effort 默认值。Claude Sonnet 5.5 通过 effort 参数配置推理，提供 low、medium、high、xhigh 和 max 设置，在 Claude 平台上默认为 high，在 Claude 应用内则默认为 medium。如果你是从固定了推理预算的 Sonnet 5 部署迁移而来的，新的默认值所对应的推理深度可能与你原本付费使用的并不相同。在假定会节省成本或增加支出之前，先进行测量。

有一个行为层面的后果，值得在发布前而不是发布后指出。Anthropic 表示，Claude Sonnet 5.5 是首个在 cyber 和回退机制方面与其顶级模型处于同等水平的 Sonnet，因此风险更高的网络安全请求会明显回退到 Sonnet。你的日志将显示一个你并未请求的模型。与此相关，如果你在启用 thinking 的情况下运行 Sonnet，就必须切换到 between-tools——这是代码更改，而不是一个开关。

在 OrcaRouter 上，anthropic/claude-sonnet-5 如今即可凭借单个凭据、按提供商的标价、以 0% 加价进行路由，并与 Claude Opus 5.5、Claude Opus 5、DeepSeek V4 Pro 和 Gemini 3.1 Pro Preview 并列。Claude Sonnet 5.5 本身尚未成为我们平台上的路由，因此目前这一对比的实际形态是：已经在运行 Sonnet 5 的团队可以在它上线当天就测出差异，而无须改动 API 密钥，并且在此期间只需更改一个字符串，即可在各层级之间进行故障转移。

人们在切换前会问的问题

我能同时运行两者，并在我自己的流量上做对比吗？目前还不能通过同一个 OrcaRouter 凭证实现，因为 Claude Sonnet 5.5 并不在已列出的路由中。变通做法是：在 Anthropic 自己的 API 上运行较新的模型，而通过我们来运行较旧的模型，然后比较每个已完成任务的 token 数，而不是每个 token 的成本，因为这才是两个模型真正存在差异的指标。

价格不变是否意味着 Anthropic 没有为这项新能力收费？这意味着在模型能力提升的同时，标价保持不变，这与前两代 Sonnet 的做法如出一辙。这种状况能否持续是商业问题，而非技术问题，而唯一附带的承诺是已公布的退役窗口期——不早于 2027 年 9 月。

我该相信哪个数字，Anthropic 的 30%，还是第三方的 49%？作为一般性结论，两个都不能信。Anthropic 的数字描述的是模型能在更少轮次内得出答案的工作负载；Artificial Analysis 的数字描述的则是一个不受约束的索引测试集，其中冗长程度可以自由增长。选择与你自己的提示集相似的那一个；如果你判断不出哪个才是，那么这种模糊性本身就是答案——去测量它。

最重要的一点

Claude Sonnet 5.5 并非涨价，但它也并非自动就能省钱。Anthropic 把费率卡上的每一行都保持不变，却在下面更换了模型，这意味着整个经济账都取决于每完成一项任务所消耗的 token 数——这个数字在供应商挑选的工作负载上好了 30%，而在独立评估者挑选的测试套件上差了 49%。如果你的任务能自行限定输出，那就切换并拿下这一优势。如果不能，价格不变也并不是跳过测量的理由，因为为了一个在这项工作上明确更出色的模型，你每项任务可能要付出多一半的费用。