Claude Sonnet 5 是 Anthropic 迄今为止能力最强的 Sonnet 系列模型——在编码、智能体工作流和专业知识工作方面均达到前沿水平，而成本仅为 Opus 级别的几分之一。它支持 100 万词元的上下文窗口，最高可输出 12.8 万词元，接受文本、图像和文件输入并生成文本输出，同时支持自适应思考，可选推理努力程度（低、中、高、最大），让调用方能够根据每次请求调整智能、延迟与成本之间的权衡。 作为 Anthropic 迄今为止最贴近智能体应用的 Sonnet 模型，它在智能体编码和计算机使用方面相比 Sonnet 4.6 取得了大幅提升，并显著缩小了与 Opus 4.8 的差距——SWE-bench Pro 上达到 63.2%，Terminal-Bench 2.1 上达到 80.4%，OSWorld-Verified 上达到 81.2%——而定价远低于 Opus 4.8、GPT-5.5 和 Gemini 3.1 Pro。对于对成本敏感的智能体、编码助手以及仍要求前沿推理能力的高并发生产工作负载，它是一个强劲的默认选择。
Claude Sonnet 5 是 Anthropic 推出的一款专为长上下文、多模态任务设计的模型。它支持多达 1,000,000 个输入 token——足以覆盖整个代码库、长文档或多个数据文件——并且可以在单次调用中生成多达 128,000 个输出…
Claude Sonnet 5 在代码相关任务中表现出色，从阅读整个代码库到生成复杂算法。凭借1M-token的上下文，它可以在单个提示中摄取多个文件，理解跨文件依赖关系，并生成重构代码、调试解释或单元测试。它支持流行语言如 Python、JavaScript、Java、C++、Go、Rust 等，并以用户选择的语言进行响应。该模型还能推理代码执行路径，发现逻辑错误，并提出优化建议。对于从规范生成 REST API、将单体代码库转换为微服务、或通过一次查看所有变更文件来审查拉取请求等任务，Claude Sonnet 5 提供了一个强大的单次调用解决方案。其 81.2 OSWorld-Verified 得分表明在操作系统级基准测试中表现强劲，进一步反映了其代码和命令的熟练程度。
Claude Sonnet 5可以接受图像作为输入——无论是直接上传（以 base64 或 URL 形式），还是嵌入在文档中——并推理其内容。它可以描述场景、识别物体、从图像中读取文本，并回答视觉问题。图像理解不仅限于静态照片；它可以处理图表、示意图、屏幕截图、手写笔记，甚至视频中的帧（如果以连续图像形式提供）。由于上下文窗口很大，可以在一个提示中包含多张图像，用于视觉比较、多页文档分析或检测一系列屏幕截图中的变化。该模型将图像视为对话历史的一部分，因此可以结合视觉线索和文本指令。请注意，图像分词会按比例消耗与分辨率相关的 token；OrcaRouter 会自动处理编码，并以 Anthropic 期望的格式发送数据。
虽然 Claude Sonnet 5 按 token 计费时性价比很高，但在某些场景下使用更轻量的模型可能更合适。对于简单的文本生成——如简短邮件、社交媒体帖子或基础问答——像 Claude Haiku 或 GPT-4o-mini 这样更小、更便宜的模型就能以更低成本提供令人满意的结果。同样，如果你的工作流程涉及高度可预测、低复杂度的任务（如关键词提取、无需细腻处理的翻译），大型上下文模型的额外开销实属不必要。对于仅需 OCR 而不需深度推理的视觉任务，专用视觉 API 可能更便宜。此外，如果你的输入上下文始终低于 32K token，那么你或许不需要 1M 窗口，可以选择上下文更小但 token 单价更低的模型。务必针对你的具体用例，在成本与质量之间进行基准测试。
Claude Sonnet 5 在高上下文、多模态场景中表现出色，尤其适合单次模型调用需处理大量或混合数据的任务。理想用例包括：分析整个代码仓库以发现安全漏洞、根据一组设计文档和截图生成全面的技术文档、跨数百页的法律合同审查、结合影像数据和临床笔记的医学报告分析，以及需要维护长对话历史的交互式助手（如日记记录、心理治疗、研究）。其强大的推理能力也适用于科学问题求解、从PDF中提取复杂数据，以及构建处理多步骤任务并附带文件附件的智能代理。对于需要保持前后风格一致的长篇创意写作，较大的输出限制有助于一次性完成完整草稿。通过OrcaRouter访问时，零加价的定价进一步降低了这些高量使用场景的成本。
Claude Sonnet 5 在 OSWorld-Verified 基准测试中取得了 81.2 分的成绩，该基准旨在衡量模型通过自然语言指令执行操作系统任务（如文件操作、命令执行、多任务处理和命令行使用）的能力。81.2 分表明该模型能够可靠地解读并执行广泛的系统级命令和场景。这对开发自动化工具、AI 辅助 DevOps 流水线以及任何需要模型胜任操作系统交互助手的应用都具有重要意义。该基准测试既考察脚本生成能力，也评估模型对路径、权限和进程等操作系统概念的理解。虽然这不能完美反映真实世界性能，但该分数表明 Claude Sonnet 5 在智能代码执行和系统级任务方面属于顶级模型之一。
Claude Sonnet 5 的核心优势在于其大容量上下文窗口（100万 tokens）、高输出上限（12.8万 tokens）、强大的多模态推理能力以及出色的操作系统层面表现（OSWorld-Verified 得分为81.2）。它在处理长文档、复杂代码库及混合输入时能保持高度连贯性。然而，与其他模型一样，它也存在局限性。在窗口最末端时，有效上下文性能可能会下降；Anthropic 建议为了实现最佳效果，保持约90万 tokens 以下的内容。该模型可能在以下方面表现欠佳：高度微妙的文化引用、生成事实性数据（可能产生数字幻觉），以及需要基于训练截止日期之后的实时知识的任务（Anthropic 未公开确切截止日期，但大约在2025年初）。视觉能力尚可，但未达到精细物体检测的顶尖水平。定价虽无加价，但仍高于小型模型。作为大型模型，延迟表现典型——由于需要处理大上下文，响应速度可能较慢。
Claude Sonnet 5 的延迟很大程度上取决于输入大小和输出长度。对于 100 万个 token 的上下文，初始提示处理可能需要几秒到几分钟，因为模型必须关注整个窗口。一旦开始处理，token 生成速度通常在每秒 20-40 个 token 之间（取决于负载和提供商基础设施）。较小的输入（例如几百个 token）将看到更快的首 token 延迟，通常不到一秒。通过 OrcaRouter 的 API，流式传输默认启用，允许您在看到输出 token 生成时立即获取。对于延迟敏感的应用（例如实时聊天），您可能需要使用较小的模型或裁剪上下文。OrcaRouter 不会在 Anthropic 自己的 API 之外增加显著延迟——代理请求到 Anthropic 端点的开销可以忽略不计。
Anthropic 在撰写本文时尚未公开发布 Claude Sonnet 5 的全面基准测试套件。唯一提供的数字是 OSWorld-Verified 上的 81.2。对于一般推理，该模型可能在标准 NLP 基准测试（如 MMLU、HumanEval 和 GSM8K）上与其他 Claude Sonnet 模型表现一致，但提供商未提供确切分数。实际上，早期用户报告显示其在代码生成、文档问答和长上下文检索任务上表现强劲。我们建议针对您的具体用例运行自己的评估，因为基准测试可能具有误导性。OrcaRouter 允许您通过其 API 快速测试模型，无需前期成本——只需将模型 ID 设置为"anthropic/claude-sonnet-5"并开始提示，即可评估您数据的性能。
Claude Sonnet 5 在 OrcaRouter 上按照 Anthropic 提供商费率计费，零加价：每 100 万输入代币 2.00 美元，每 100 万输出代币 10.00 美元。输入和输出代币均按标准文本代币计算（图片和文件按照 Anthropic 的方案进行代币化）。身份验证、速率限制或数据传输不另收费。OrcaRouter 根据 Anthropic 报告的原始代币数量计费；这包括任何系统提示、用户消息、图片代币和生成的响应。计费按使用量进行，您只需为实际消耗付费。对于高频用户，这种透明模式可避免意外费用。无需最低消费或签订合同——您只需在 OrcaRouter 的仪表板中充值或设置账单，您的使用量将按照上述费率扣除。
Claude Sonnet 5的定价（每100万token $2/$10）介于Anthropic的廉价模型（如Haiku，每100万token $0.25/$1.25）和高端模型（如Claude Opus，每100万token $15/$75）之间。对于长上下文任务，鉴于其100万token的容量，每百万token的成本相对较低。然而，如果你使用整个上下文窗口，每次查询的绝对成本会累积起来——一个完整的100万输入token请求光输入就需要$2.00。相比之下，使用GPT-4o-mini（$0.15/$0.60）这样的小上下文模型处理短查询。权衡之处在于：Claude Sonnet 5提供更高的推理质量和更大的容量，但每个token的价格也更高。对于真正需要大上下文或多模态推理的任务，该模型可能比将工作拆分到多个API调用更高效。OrcaRouter的零加价确保你不会因中间商费用而多花钱，因此比较直接针对其他提供商。
OrcaRouter 目前未为 Claude Sonnet 5 提供单独的提示缓存层；所有 token 均按标准输入费率计费。虽然 Anthropic 自身的 API 可能对某些模型支持提示缓存（通过重复前缀降低费用），但 OrcaRouter 无论重复与否均按相同价格传递 token。实际操作中，若你反复发送完全相同的大段系统提示，每次仍会按输入 token 收费。缓存上下文不享受折扣。如果你的工作流程涉及静态、冗长的指令，这一点需特别留意——运行较小的模型或采用不同架构可能更具成本效益。不过，OrcaRouter 的零加成意味着你无需支付额外开销；费用完全按 Anthropic 标价收取。未来可能会加入缓存功能，但目前定价基于每次调用的完整 token 数量。
如果您发送的输入超过1,000,000 token的上下文窗口，OrcaRouter将返回错误（通常是带有上下文长度消息的400状态）。模型不会截断输入；您必须手动管理token数量。对于输出，如果模型在完成前达到128,000 token的最大值，它将停止生成，并在API响应中返回finish_reason为"length"的值。然后您可以通过将累积的输出作为历史记录发送新请求来继续对话。OrcaRouter不会自动重试或拆分您的请求；您有责任保持在限制范围内。像tiktoken这样的工具可以帮助估计提示的token数量。对于非常长的输入，可以考虑分块或使用滑动窗口方法，尽管Claude Sonnet 5的大上下文通常消除了分块的需要。
要通过 OrcaRouter 使用 Claude Sonnet 5，请将基础 URL 设置为 https://api.orcarouter.ai/v1，并使用模型 ID "anthropic/claude-sonnet-5"。该 API 与 OpenAI 的聊天补全格式完全兼容，因此您可以使用现有的 OpenAI 客户端库。例如，在 Python 中使用 openai 包：将 api_key 设置为您的 OrcaRouter 密钥，base_url 设置为 OrcaRouter 端点，model 设置为 "anthropic/claude-sonnet-5"。您可以发送带有 role、content（文本和/或用于视觉的 image_url 部分）的消息。响应将包含标准字段：id、object、choices、usage（prompt_tokens、completion_tokens）。通过设置 stream=True 支持流式传输。OrcaRouter 处理身份验证并将您的请求路由到 Anthropic 的后端。无需额外配置——只需您的 API 密钥和正确的模型标识符即可。
您可以使用标准的与OpenAI兼容的参数与OrcaRouter配合使用：messages（必需）、model（必需，设置为"anthropic/claude-sonnet-5"）、temperature（0-2，默认1）、top_p（0-1，默认1）、max_tokens（默认4096，最高128000）、stop sequences（字符串数组）、frequency_penalty、presence_penalty（均为-2到2）以及stream（布尔值）。此外，您可以通过extra_headers字段传递Anthropic专用参数——例如，指定anthropic-version以设置API版本。OrcaRouter会自动添加所需的Anthropic标头。对于多模态消息，请将内容作为包含type为text或image_url部分的列表提供。请注意，该模型支持工具/函数（并行工具调用）。响应中包含finish_reason、使用统计信息和choices。没有单独的上下文窗口大小参数；模型本身使用其100万token容量。
迁移很简单直接，因为 OrcaRouter 提供了与 OpenAI 兼容的 API。如果你已经在使用 OpenAI 的 API，只需将 base_url 改为 https://api.orcarouter.ai/v1，并将 model 参数改为 "anthropic/claude-sonnet-5"。你现有的用于构建消息、处理流式响应和解析返回值的代码应该无需改动即可正常工作——OrcaRouter 返回标准的 OpenAPI 兼容响应。如果你之前使用的是不同的提供商，比如 Anthropic 的原生 API（使用不同的格式），你可能需要将消息模式调整为 OpenAI 格式（角色：system、user、assistant）。OrcaRouter 的文档提供了迁移指南。主要区别：Claude Sonnet 5 支持系统消息、工具和多模态部分。确保你的输入不超过 1M token 的限制。在扩大规模之前，先进行一次小规模的测试调用，确认连接性并了解延迟情况。
Claude Sonnet 5 主要在前代基础上改进了上下文窗口大小（1M vs. 200K tokens）和输出限制（128K vs. 8K），使其更适合长文档和代码库分析。它还引入了文件输入支持，而 Sonnet 4 仅限于文本和图像。两者之间的基准测试未直接发布，但 Sonnet 5 在 OSWorld-Verified 上获得 81.2 分，表明在操作系统级任务执行方面取得了重大进展。定价有所调整——Sonnet 4 输入成本为 $3/M tokens，Sonnet 5 为 $2/M——因此每个输入 token 实际上更便宜。输出为 $10/M，而 Sonnet 4 为 $15/M，降低了 33%。总体而言，Sonnet 5 在大多数用例中提供了更好的性价比，尤其是那些需要大上下文的场景。不过，对于不需要大上下文的短任务，Sonnet 4 可能仍然可用且更便宜。
Claude Sonnet 5 和 OpenAI 的 GPT-4o 都是具有强大推理能力的多模态模型，但它们在上下文窗口（Sonnet 5：1M tokens；GPT-4o：128K tokens）和输出限制（Sonnet 5：128K；GPT-4o：16K）上有所不同。Sonnet 5 提供了显著更大的容量，使其更适合处理整个代码库或长篇书籍等任务。GPT-4o 具有更快的典型延迟，并且与 OpenAI 生态系统（插件、DALL-E 等）的集成更广泛。定价：GPT-4o 每 1M tokens（输入/输出）收费 $2.50/$10，与 Sonnet 5 相似。两者都获得了高推理分数，但 Sonnet 5 的 81.2 OSWorld-Verified 无法直接与任何 GPT-4o 基准进行比较。在操作系统级自动化方面，Sonnet 5 似乎更强。对于创意写作或一般聊天，GPT-4o 可能因其更大的训练数据和工具使用而稍微更具多功能性。选择取决于上下文需求；通过 OrcaRouter，您可以轻松地在它们之间切换。
Google 的 Gemini 1.5 Pro 提供 100 万 token 的上下文窗口（与 Sonnet 5 持平）及多模态能力，但 Gemini 的输出限制为 8K token，远低于 Sonnet 5 的 128K。Gemini 的定价为每 100 万 token 3.50 美元（输入）/10.50 美元（输出），使得 Sonnet 5 在输入侧略便宜。两者在推理基准测试中均表现出色，但 Sonnet 5 的 OSWorld 得分 81.2 是关键差异化因素——Gemini 在操作系统级别的性能未得到类似突出展示。Gemini 1.5 Pro 支持原生代码执行，可生成并执行代码，而 Sonnet 5 依赖外部沙箱。在规模化纯文本生成中，Sonnet 5 更高的输出上限是明显优势。两款模型均支持文件附件和图像。长上下文检索质量具有竞争力；特定领域可能存在细微差异。通过 OrcaRouter，您只需更改模型 ID 即可对比两者。
兼容 OpenAI——沿用你现有的 SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="anthropic/claude-sonnet-5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatstopstructured_outputstool_choicetoolsverbosity| 输入 / 1M tokens | $2.00 |
| 输出 / 1M tokens | $10.00 |
| 缓存读取 / 1M | $0.200 |
| 缓存写入 / 1M | $2.50 |
| 货币 | USD |
基于标价的估算
仅为估算——实际 Token 数取决于提供商的分词器。
@misc{orcarouter_claude_sonnet_5,
title = {Claude Sonnet 5 API},
author = {Anthropic},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-sonnet-5}
}Anthropic. (2026). Claude Sonnet 5 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-sonnet-5