Step 5 Preview 對比 Claude Sonnet 5.5：十二個指數點，十倍的任務帳單

Step 5 Preview 與 Claude Sonnet 5.5 是本月讀者真正會拿來互相比較的兩款模型：一款是於 2026 年 9 月 20 日開放、每百萬詞元 $1.00 / $2.70 的 StepFun 預覽版，另一款則是 9 月 28 日推出的 $2.00 / $10.00 Claude Sonnet 5.5。在獨立評測榜上，兩者相差十二分——在 Artificial Analysis Intelligence Index v4.3.2 上是 44 對 56——而十二分是實實在在的差距。但它也不是決定帳單金額的那個數字。決定帳單金額的是每完成一項任務的成本，而在這一點上，同一份榜單顯示 $0.71 對應 Step 5 Preview，而 $7.60 則對應最高投入程度下的 Claude Sonnet 5.5。多付十倍半的錢，換來十二分。這兩張規格表上幾乎其他每一列，爭論的都是這筆取捨中哪一半是你受得了的。

兩張費率卡，逐行

本節所有內容均為各供應商自行公布的定價，資料讀取日期為 2026 年 10 月 9 日。

• 輸入 — Step 5 Preview 每百萬個 token $1.00 美元，相較於 Claude Sonnet 5.5 每百萬個 token $2.00 美元

• 輸出 — 每百萬個 token $2.70 對比 $10.00；在兩份帳單中都佔最大比重的那一列

• 快取輸入 — Step 5 Preview 指出固定 95% 的輸入折扣，這讓快取命中的價格約為每百萬個 token $0.05，相較於 Claude Sonnet 5.5 的 $0.20 快取讀取

• 快取寫入 — Claude Sonnet 5.5 公布五分鐘快取寫入為每百萬個 token 2.50 美元；StepFun 則完全未公布任何快取寫入費率，因此這部分的比較在其中一方是空白的

• 上下文視窗 — 兩張顯示卡上皆為 1M tokens

• 最大輸出 — Claude Sonnet 5.5 文件載明為 128,000 個 token（在需搭配 beta 標頭的 Message Batches API 上則為 300,000 個）；StepFun 尚未公布 Step 5 Preview 的輸出上限

• 模態 — 兩者皆接收文字與圖像，僅回傳文字

• 推理控制 — Step 5 Preview 提供擴展思考，但未公布任何努力等級；Claude Sonnet 5.5 提供一套努力階梯，其最高設定正好是其自身每項任務成本暴增的地方

• 權重 — Step 5 Preview 的 BF16 檢查點承諾於 2026 年 10 月 15 日發布，但目前尚未到位；Claude Sonnet 5.5 為專有模型

那幾行中有兩行比標題更有份量。快取那一行，是便宜方案還能再更便宜的地方，因為一美元的 95% 折扣，就是五分錢的快取讀取，而 Anthropic 的則是二十分錢。而輸出上限那一行則朝反方向走：一家廠商會告訴你它的極限在哪裡，另一家則宣傳百萬 token 的視窗，卻不說其中有多少能再吐回來。

十二個要點究竟從何而來

以下兩項數據皆來自 Artificial Analysis，採用 Intelligence Index v4.3.2，且兩者皆取自模型本身的頁面，而非供應商提供的表格。

Intelligence Index — Claude Sonnet 5.5 為 56，在 216 個中排名第 3；相較之下，Step 5 Preview 為 44，在 200 個中排名第 45。兩者的樣本數不同，因為這些排行榜是在不同時間點產出的；可比較的部分是分數。

• 每個索引任務的成本 — $7.60 對比 $0.71。Anthropic 的數字是針對該看板標為「Adaptive Reasoning, Max Effort, Default Fallback」的配置，也就是該模型自身階梯中昂貴的一端。

• 索引執行期間生成的輸出 token——410M 對 160M，而排行榜中位數為 88M。以排行榜的衡量標準來看，這兩個模型都偏冗長。其中一個超過中位數的四倍，另一個則還不到兩倍。

• 輸出速度——Step 5 Preview 的讀數約為每秒 100 個詞元，相較之下平均為 70。截至撰稿時，Artificial Analysis 尚未公布 Claude Sonnet 5.5 的輸出速度數據，因此該列僅屬單方面呈現，而非勝出。

把前兩行放在一起，決策的輪廓就浮現了。這兩個模型之間相差十二個指數點；而執行同一項評估的成本，兩者相差十倍半。這些分數是真實的——排名差距讓其中一個躋身董事會評分的前三名模型，另一個則落在前四分之一——但一個團隊若為高難度的代理式工作負載，每項任務支付 $7.60，那是在為深思熟慮付費，而問題在於他們的任務是否需要這份深思熟慮。

供應商表格無法解決這件事，證據如下。

兩家實驗室都公布了 Terminal-Bench 4.0 的分數。Anthropic 的 Sonnet 5.5 發表聲明宣稱其達到 70.6%，而被它取代的模型則為 10.3%。StepFun 自己公布的 Step 5 Preview 的 Terminal-Bench 4.0 分數是 33.3%。兩者都是由廠商自行執行，兩者都未經任何第三方重現，而且在同名基準測試上相差 37 個百分點。

那個差距並不證明某個模型好上一倍。它證明的是：兩個實驗室以同名測試框架、但在不同配置、代理鷹架與努力程度設定下執行，所產生的數字彼此無法相減。這是發布日比較反覆出現的問題，也是本文中每一列來自實驗室的資料都會如此標示的原因。若第三方曾在同一套測試框架上測量這兩個模型，就採用那個結果。若沒有，就把廠商數字視為對某項意圖的宣稱。

Anthropic 自家在 Sonnet 5.5 發布時的遷移說明，值得納入這項比較，因為它適用於你正在評估的任何預覽端點。該廠商的指引是：effort 等級在 Sonnet 5 與 5.5 之間已重新校準，團隊應重新執行自己的 effort 掃描，而不是直接把設定沿用過來。同樣的警告在此也以反方向適用：Step 5 Preview 是預覽版，其服務配置仍在變動，而針對本週端點調校出來的設定，並不是你真正擁有的設定。

他們兩個都話太多，只是多寡不同。

冗長度是讓價目表變成帳單的那一列。Step 5 Preview 產生了一億六千萬個輸出 token 來完成索引套件，而排行榜的中位數模型約產生九千二百萬個——大約是中位數的 1.7 倍。Claude Sonnet 5.5 產生了四億一千萬個，約為中位數的 4.7 倍。

以每百萬輸出 token 2.70 美元計算，Step 5 Preview 的冗長程度佔了一個小數字的一大部分。以 10.00 美元計算，Claude Sonnet 5.5 的冗長程度則佔了一個極大數字的大部分。這兩個模型都不簡潔，而兩家廠商的行銷文案也都不是這麼描述的。實務上的結果是，針對你自己的流量所進行的每任務 token 用量測量，會比價目表更能告訴你真正的成本差異，因為價目表假設兩個模型會為同一個答案寫出相同的字數。但它們並不會。

快取列，在真實迴圈上計算出來

以一個具有 40,000 個 token 穩定前綴的代理迴圈為例——一段系統提示加上儲存庫內容——在三十個回合中每一回合都重新傳送，而該前綴只寫入一次、命中二十九次。那樣每個工作階段就是 116 萬個快取的輸入 token。

• Claude Sonnet 5.5 — 一次寫入的價格為每百萬個 token $2.50，約 $0.10，接著 1.16M 個讀取 token 以每百萬個 $0.20 計價，約 $0.23。每個工作階段總計約 $0.33，尚未計入任何新的輸入或輸出。

• Step 5 Preview — 讀取時享有所述 95% 折扣，因此每百萬約 $0.05，每次工作階段約 $0.06。寫入部分未計價，因為 StepFun 尚未公布快取寫入費率。

在我們實際能定價的那些項目上，Anthropic 那張卡上的快取流量成本大約高出五倍，但要注意的是，兩種寫入費率中有一種還不存在。這正是兩款模型所主打推銷的工作負載，也因此這一列的重要性，比表面上的折扣百分比所看起來的還要高。

每個實際上可被呼叫的位置

Claude Sonnet 5.5 已在我們的目錄中，型號為 anthropic/claude-sonnet-5.5，價格為 Claude Sonnet 5.5 本身的 $2.00 與 $10.00，快取讀取 $0.20，並具備 1,000,000 詞元的上下文視窗與 128K 的最大輸出 —— 定價以 0% 加成原樣傳遞，因此 Anthropic 價目表上的變動，就是我們當天的變動。Step 5 Preview 不在該目錄中，我們也不會暗示它在那裡：它透過 StepFun 自家的 API 提供服務，而在承諾的檢查點推出之前，其他地方一概沒有。

這種不對稱有其實際用途。如果兩個模型都位於同一把金鑰之後並具備自動容錯移轉，那麼把工作負載從其中一個移到另一個，就只是改動模型字串而已，別無其他——這正是讓這道門保持通用的誠實理由。就目前的情況而言，這個比較是在你可以透過現有路由呼叫的模型，與你必須另外接線串接的模型之間進行，而後者是個預覽版本，其服務叢集仍在建置中。把未經證實的容量放在路由器後面，並容錯移轉到已經驗證合格的東西，是便宜的保險；把主要路徑直接指向預覽端點則不然。

什麼會改變這個判決？

三件事，全都能標定日期。第一件是 2026 年 10 月 15 日，也就是 StepFun 的 BF16 檢查點預定推出的日子。如果授權條款允許微調，而且權重是真的，那麼這十二個百分點的差距就不再是模型的固定屬性，而會變成團隊能用自家資料去攻克的事——屆時，這張便宜十倍的卡就會成為一個有趣得多的起點。如果檢查點延後，或授權條款限制嚴格，這個差距就會絲毫不差地留在排行榜把它擺的位置。

第二點是，Anthropic 自身關於努力程度重新校準的教訓，是否會套用於此。Sonnet 5.5 相較於 Sonnet 5 的逐任務優勢，存在於低與中等努力程度，而非最高努力程度；而在最高努力程度下，情況則反過來。一個從不遍歷努力程度設定的 Step 5 Preview 買家，是在拿處於預設設定的模型跟處於預設設定的模型相比；而在 Anthropic 這邊，便宜、高價值的工作並不是發生在預設設定。

第三項是在與 Anthropic 數字測量時所用的配置相當的配置下，對 Step 5 Preview 進行的一次正式獨立運行。在這樣的運行出現之前，44 只是單一受評配置，旁邊沒有可對照的階梯；而 56 底下則有一整條投入度曲線。就字面所述，這項比較是誠實的；但它尚未對稱。

對於今天就要決定、而不是等到 15 日的團隊：如果工作負載是長上下文、快取密集且頻繁重複，這一頁的算式會讓便宜那張卡以一個數量級勝出，而能力差距就是入場代價。如果工作負載困難、簡短，且由會注意到 44 與 56 差異的人類評分，那麼貴的那張卡才是能完成任務的那張。這兩個答案都無法應付同時具備兩者的工作負載，而這正是路由器存在的目的。

定價以 0% 加成直接轉嫁，因此 Anthropic 價目表上的任何變動，當天就會成為我們的變動。

自動容錯移轉在路由器上，正是能讓預覽端點在合格備援之後接受評估，而不是作為主要路徑的機制。