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

同一个厂商、同一档次、同一名称的两款模型，而且在已公布价目表的每一行上——价格都相同。Claude Sonnet 5 于 2026 年 6 月 30 日发布，价格为每百万输入 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，价格同样是 2.00 美元和 10.00 美元，两者缓存读取均为 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。变化的是价目表无法衡量的一切，结果是：这两款模型中，有一款的运营成本明显低于另一款，尽管每 token 成本完全相同。Anthro​pic 自己为这次发布拟的标题几乎把这一点说透了，却又没有完全明说：在价目表不变的情况下，大多数工作的成本最高可降低 30%。这两句话都成立的唯一可能，就是较新的模型用更少的 token 完成同样的工作——基准测试显示了这一点，独立的每任务数据也证实了这一点。

Claude Sonnet 5.5 比 Claude Sonnet 5 更贵吗？

不——但无论如何，这个问题都值得认真对待，因为很多迁移之所以出错，正是因为把统一费率价目表当成了固定账单。

按 token 计算，这两个模型完全相同：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，情况就会反转，取决于你描述的是谁的工作量。Artificial Analysis 报告称，在同一 Intelligence Index v4.3 测试套件上，Claude Sonnet 5 每项任务成本为 5.09 美元，Claude Sonnet 5.5 为 7.60 美元——在相同费率下，较新模型完成一项任务的成本高出 49%。同一报告指出，Sonnet 5.5 在整个套件中输出了 4.1 亿个 token，而 Sonnet 5 为 3.7 亿个；两者相对的是被追踪模型群体 8800 万的中位数。在评估者的开放式提示词上，较新的模型就是写得多；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，是厂商针对其自行选定的工作负载所作的主张。第三方测得的 $7.60 对 $5.09，则是在另一组工作负载上的测量结果。两者都没有错；这种分歧本身就是全部关键所在，而决定性因素在于：你的任务是否会自行限定其输出长度。

两代之间实际发生了变化的是什么

价目表是静态的，模型则不是。若铺开成单一列表，各项差值都很大，而且大多是单向的。

• Terminal-Bench 4.0 — Claude Sonnet 5.5 的得分为 70.6%，而 Claude Sonnet 5 为 10.3%，这是 Anthropic 在该测试上公布的最大单代跃升

• CursorBench 4.0 — 55.5%，对比 34.1%

• 图表绘制，不使用工具 — 61.6% 对 15.6%

• GDPval-AA v2.1 — 1844 对比 1449

• AA-Briefcase v1.1 — 1811 对 1359

• Humanity's Last Exam，使用工具 — 64.5% 对 54.9%

• OSWorld 2.1，部分完成率——80.1% 对 57.0%

• Artificial Analysis Intelligence Index v4.3 — 56 对 38，在相同“Adaptive Reasoning, Max Effort”配置下测得的第三方量表上存在 18 分差距

那份榜单的形态并不是一致的进步。Chartography 从 15.6% 到 61.6%、Terminal-Bench 从 10.3% 到 70.6%，看起来像是原本缺失、如今具备的能力，而不是有所提升的能力。Humanity's Last Exam 提升十个百分点、OSWorld 提升二十三个百分点而价格不变，这是一代模型补齐了特定短板、而非整体变得更聪明的模式。十八个百分点的指数差距正是这一点的算术平均：真实、显著，且集中在工具使用、代码执行和视觉工作上。

对于仔细研读供应商表格的人来说，有一条脚注值得留意。Anthropic 表示，在 FrontierCode 上，Max 力度配置的得分更低比 Xhigh，并指出 GDPval-AA 与 AA-Briefcase 的运行是在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，但应将其视为来自某一次部署的快照，而非该模型永久不变的属性。

为什么价格相同而账单不同？

三种机制，按其对真实发票的影响程度从高到低排列。

第一点是输出长度纪律。Sonnet 5.5 是能力更强的智能体，这意味着它在作答前会做更多工作；在一套没有长度约束的测试集上，它比 Sonnet 5 多写约 11%，而每个 token 的成本相同。在会限制输出长度的工作负载上——例如提取到固定模式、分类、有界摘要——这 11% 永远不会实际发生，30% 的说法也就变得可信，因为优势在于用更少的轮次得出答案，而不是每轮用更少的 token。

第二个是缓存行为，这正是缓存读取价格未变并不意味着缓存成本未变的原因。两个模型对缓存读取和写入的定价相同，因此缓存 token 数量的任何变化都会直接反映到账单上。完成一项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。这是一种背后完全没有价格变动支撑的节省，而且在所有只列出费率卡条目的对比表中都不可见。

第三种是许多团队在迁移当天最容易搞错的：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 Platform 上默认为 high，在 Claude 应用内默认为 medium。如果你是从固定了推理预算的 Sonnet 5 部署迁移而来，新的默认值可能与你原先付费的推理深度不同。在假定会节省或增加之前，先进行测量。

还有一个行为后果，值得在上线前而不是上线后指出。Anthropic 表示，Claude Sonnet 5.5 是首个在网络安全防护和回退机制上与其顶级模型处于同等地位的 Sonnet，因此风险较高的网络安全请求会明显回退到上一代 Sonnet。你的日志会显示一个你并未请求的模型。相关地，如果你在禁用 thinking 的情况下运行 Sonnet，就必须切换到一种工具间行为——这是代码变更，而不是一个开关。

在 OrcaRouter 上，anthropic/claude-sonnet-5 今天即可使用单一凭证、按提供商标价且 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，因此当前这项对比的实际形式是：已在运行 Sonnet 5 的团队可以在其上线当天衡量差异，而无需改动 API 密钥，并且与此同时只需更改一个字符串即可在层级之间进行故障转移。

切换前人们常问的问题

我可以同时运行两者，并在我自己的流量上做对比吗？ 目前还无法通过单个 OrcaRouter 凭证做到，因为 Claude Sonnet 5.5 尚未列入可用路由。变通办法是：在 Anthropic 自家的 API 上运行较新的模型，而较旧的模型则通过我们来运行，然后比较每个已完成任务的 token 消耗，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。

价格未变是否意味着 Anthropic 没有为这项新能力收费？ 这意味着在模型改进的同时，标价保持不变，这与前两代 Sonnet 的模式相同。这种状态能否持续是商业问题，而非技术问题，而已公布的退役窗口——不早于 2027 年 9 月——是唯一附带的承诺。

我应该相信哪个数字，Anthropic 的 30% 还是第三方的 49%？都不能作为普遍结论。Anthropic 的数字描述的是模型能以更少轮次得出答案的工作负载；Artificial Analysis 的数字描述的是一个不受约束的索引测试套件，其中冗长程度可以自由增长。选择与你提示集相似的那个；如果你无法判断哪个更相似，这种模糊性本身就是答案——去测量它。

底线

Claude Sonnet 5.5 不是涨价，但也不会自动省钱。Anthropic 把价目表上的每一项价格都保持不变，却把模型换到了这个价格之下，这意味着整个经济性判断都取决于每个已完成任务所需的 token——在供应商选定的工作负载上，这个数字好 30%，而在独立评估者选定的套件上则差 49%。如果你的任务会限制自身输出，那就切换过去，拿下这份收益。如果你的任务不会，那么价格不变并不是跳过测量的理由，因为对于这个在工作上无疑更出色的模型，你每个任务可能要多付一半的钱。