Claude Sonnet 5.5 與 Claude Sonnet 5：價格相同，帳單不同

來自同一家廠商的兩個模型，同一等級、同名，而且——在已公布費率表的每一行上——價格也相同。Claude Sonnet 5 於 2026 年 6 月 30 日推出，每百萬個輸入 token 為 2.00 美元，每百萬個輸出 token 為 10.00 美元。Claude Sonnet 5.5 於 2026 年 9 月 28 日正式全面推出，價格為 2.00 美元與 10.00 美元；兩者的快取讀取皆為 0.20 美元，五分鐘快取寫入皆為 2.50 美元。價格沒有任何改變。改變的是價目表無法衡量的一切，而結果是：這兩個模型其中一個的實際營運成本明顯低於另一個，儘管每個 token 的價格完全相同。Anthropic 自己為該發布所下的標題，幾乎但未完全明說這一點：在費率表不變的情況下，大多數工作最高可降低 30% 成本。這兩句話要同時為真，唯一可能就是較新的模型用更少 token 完成相同工作；這正是基準測試所顯示的，也是獨立逐項任務數據所證實的。

Claude Sonnet 5.5 比 Claude Sonnet 5 更貴嗎？

不——不過無論如何，這個問題都值得認真看待，因為有許多遷移之所以出錯，正是把固定費率表當成了固定帳單。

就每個 token 而言，這兩個模型完全相同：輸入 $2.00，輸出 $10.00，讀取快取的 token 要 $0.20，寫入一個則要 $2.50。沒有分段費率，也沒有長上下文附加費。無論較新的模型是什麼，它都不是包裝成新一代的漲價。

每完成一項任務，情況會因你所描述的是誰的工作負載而翻轉。Artificial Analysis 在相同的 Intelligence Index v4.3 測試套件上報告，Claude Sonnet 5 每項任務的成本為 5.09 美元，Claude Sonnet 5.5 則為 7.60 美元——在相同費率下，較新的模型完成一項任務要貴 49%。同一份報告指出，Sonnet 5.5 在整個測試套件中產出了 4.1 億個 token，而 Sonnet 5 為 3.7 億個；相較之下，受追蹤領域的中位數為 8,800 萬個。在評估者的開放式提示中，較新的模型單純就是寫得更多，而在相同價格下，更多 token 就代表更高的帳單。

Anthropic 便宜 30% 的說法，是廠商就其自行選定的工作負載所做的宣稱。第三方的 $7.60 對比 $5.09，則是在另一組資料上的測量結果。兩者都沒錯；這個分歧就是事情的全貌，而決定性因素在於你的任務是否會限制自身輸出。

兩代之間實際上改變了什麼？

價目表是靜態的，模型則不然。若以單一清單呈現，差異幅度很大，且大多為單向。

• Terminal-Bench 4.0 — Claude Sonnet 5.5 達到 70.6%，相較於 Claude Sonnet 5 的 10.3%，這是 Anthropic 在此測試上公布過最大的單一代際躍進

• CursorBench 4.0 — 55.5%，相較於 34.1%

• 圖表繪製，無工具 — 61.6% 對 15.6%

• GDPval-AA v2.1 — 1844 對 1449

• AA-Briefcase v1.1 — 1811 對 1359

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

• OSWorld 2.1，部分完成 — 80.1% 對 57.0%

• Artificial Analysis Intelligence Index v4.3 — 56 對 38，在相同「Adaptive Reasoning, Max Effort」組態設定下以第三方量表測量，差距達 18 分

那份清單的樣態並非均勻的進展。Chartography 從 15.6% 升至 61.6%，Terminal-Bench 從 10.3% 升至 70.6%，看起來像是原本不具備、如今已具備的能力，而不是有所改善的能力。Humanity's Last Exam 提升十分、OSWorld 提升二十三分，而價格維持不變，這是一個填補特定缺口、而非整體變得更聰明的世代所展現的模式。那 18 點的指數差距，正是這件事的算術平均：真實、龐大，且集中在工具使用、程式碼執行與視覺工作上。

對於任何仔細閱讀廠商表格的人來說，有一個註腳值得注意。Anthropic 指出，在 FrontierCode 上，Max effort 配置的得分低於 Xhigh，並標示 GDPval-AA 和 AA-Briefcase 的執行是在帶有結構化輸出錯誤的預發布部署上進行的。上述數字仍是目前可取得的最佳數據，但請將其視為來自單一部署的快照，而非該模型的永久特性。

為什麼價格相同，帳單卻不一樣？

三個機制，依其對實際發票的影響程度由高至低排列。

第一點是輸出長度紀律。Sonnet 5.5 是能力更強的代理，這意味著它在回答前會做更多事；在沒有長度限制的測試套件上，它寫出的內容比 Sonnet 5 多約 11%，而每 token 成本相同。在會限制輸出量的工作負載上——例如擷取成固定結構描述、分類、有界摘要——那 11% 永遠不會出現，而 30% 的說法也就變得可信，因為優勢在於用更少的回合得出答案，而不是每回合用更少的 token。

第二點是快取行為，而這正是為什麼快取讀取價格不變，並不代表快取成本不變。快取讀取與寫入在兩個模型上的定價相同，因此快取 token 量的任何變化都會直接反映到帳單上。完成一項代理式任務所需回合較少的模型，讀取其前綴的次數也較少。這是一種背後完全沒有價格變動的節省，而且在任何只列出費率表項目的比較表中都看不見。

第三點是多數團隊在遷移當天最常出錯的地方：effort 預設值。Claude Sonnet 5.5 透過 effort 參數來設定推理，提供 low、medium、high、xhigh 和 max 等設定，在 Claude Platform 上預設為 high，在 Claude 應用程式內則預設為 medium。如果你原本是從固定了推理預算的 Sonnet 5 部署遷移過來，新的預設值深度可能與你原本付費購買的層級不同。在假設這是省錢或增加成本之前，先實際測量。

還有一個行為上的後果，值得在推出前而非推出後提出。Anthropic 表示，Claude Sonnet 5.5 是首個在網路安全防護與備援機制上，與其頂級模型享有同等地位的 Sonnet，因此風險較高的網路安全請求會明顯退回到先前的 Sonnet。你的日誌會顯示一個你並未要求的模型。相關地，如果你在停用 thinking 的情況下執行 Sonnet，你必須改用一種工具間行為——這是程式碼變更，不是旗標。

在 OrcaRouter 上，anthropic/claude-sonnet-5 今天就能以單一憑證、依供應商定價、0% 加價進行路由，並與 Claude Opus 5.5、Claude Opus 5、DeepSeek V4 Pro 及 Gemini 3.1 Pro Preview 並列。Claude Sonnet 5.5 本身在我們的平台上尚未成為可路由的項目，因此這項比較目前實際的形式是：已在執行 Sonnet 5 的團隊可以在它上架當天就衡量出差異，而不必動用任何 API 金鑰，同時還能在這段期間內透過更改一個字串，在各層級之間進行容錯移轉。

人們在轉換前會問的問題

我可以同時執行兩者，並用自己的流量來比較嗎？目前還無法透過單一 OrcaRouter 憑證做到，因為 Claude Sonnet 5.5 並不是已列出的路由。變通做法是：在 Anthropic 自家的 API 上執行較新的模型，並透過我們執行較舊的模型，然後比較每完成一項任務的 token 數，而不是每 token 成本，因為那才是兩個模型真正有差異的數字。

價格維持不變，是否代表 Anthropic 並未針對這項新能力收費？ 這代表在模型持續進步的同時，定價維持不變，這與前兩代 Sonnet 的模式如出一轍。這種做法是否會延續下去，屬於商業問題，而非技術問題，而唯一附帶的承諾，就是已公布的退役時程——不會早於 2027 年 9 月。

我該相信哪個數字，Anthropic 的 30% 還是第三方的 49%？就一般性主張而言，兩者都不該相信。Anthropic 的數字描述的是模型能在較少輪次內得出答案的工作負載；Artificial Analysis 的數字描述的則是無約束的指標套件，在其中冗長程度可以自由增長。選擇那個與你的提示集相似者；如果你無法辨別是哪一個，這種模糊本身就是答案——去測量它。

總結來說

Claude Sonnet 5.5 並非漲價，但也不自動等於省錢。Anthropic 把價目表上每一行的價格都維持不變，卻把模型換到那張表底下，這意味著整個經濟效益的論證全繫於每完成一項任務所需的 token 數——而這個數字，在廠商自行挑選的工作負載上好上 30%，在獨立評測者挑選的測試套件上卻差了 49%。如果你的任務本身會限制自己的輸出量，那就切換過去，收下這份好處。如果不會，價格持平並不是跳過實測的理由，因為你可能得為每項任務多付五成的費用，換來一個在這份工作上明確更好的模型。