Claude Sonnet 5 是 Anthropic 功能最強大的 Sonnet 等級模型——在編碼、代理工作流程及專業知識工作上皆具備前沿表現，成本卻僅為 Opus 等級的一小部分。它提供 100 萬 token 的上下文視窗，並支援高達 12.8 萬 token 的輸出長度，可接受文字、圖像及檔案輸入並產出文字輸出，同時支援自適應思考功能，可選擇推理強度（低、中、高、最大），讓使用者能針對每次請求自訂智慧程度、延遲與成本的取捨。 作為 Anthropic 至今最具代理能力的 Sonnet 模型，它在代理編碼與電腦使用上較 Sonnet 4.6 大幅進步，並大幅縮小與 Opus 4.8 的差距——SWE-bench Pro 達 63.2%、Terminal-Bench 2.1 達 80.4%、OSWorld-Verified 達 81.2%——同時定價遠低於 Opus 4.8、GPT-5.5 及 Gemini 3.1 Pro。對於注重成本的代理、編碼助手以及仍需前沿推理能力的高流量生產工作負載而言，它是一個強而有力的預設選擇。
Claude Sonnet 5 是 Anthropic 推出的一款專為長語境與多模態任務設計的模型。它支援高達 1,000,000 個輸入 Token，足以涵蓋整個程式碼庫、長篇文件或多個資料檔案，並且單次呼叫即可產生最多 128,000 個輸出…
Claude Sonnet 5 在程式碼相關任務上表現出色，從讀取整個程式碼庫到生成複雜演算法皆游刃有餘。憑藉 100 萬 token 的上下文長度，它可以在單一提示中納入多個檔案，理解跨檔案的依賴關係，並產出重構後的程式碼、除錯說明或單元測試。該模型支援 Python、JavaScript、Java、C++、Go、Rust 等主流語言，並會根據使用者選擇的語言來回應。它還能推理程式碼的執行路徑、找出邏輯錯誤，並提出最佳化建議。對於諸如根據規格生成 REST API、將單一架構的程式碼庫轉換為微服務、或一次性檢視所有變更檔案來審查拉取請求等任務，Claude Sonnet 5 提供了強大的單次呼叫解決方案。其 81.2 的 OSWorld-Verified 分數顯示在作業系統層級的基準測試中表現強勁，進一步反映了其程式碼與指令的熟練度。
Claude Sonnet 5 可以接受圖片作為輸入——無論是直接上傳（以 base64 或 URL 方式）還是嵌入在文件中——並對其內容進行推理。它能夠描述場景、識別物體、從圖片中讀取文字，以及回答視覺相關問題。圖像理解不僅限於靜態照片；它可以處理圖表、流程圖、螢幕截圖、手寫筆記，甚至影片中的幀（如果以連續圖片形式提供）。由於上下文視窗很大，單個提示中可以包含多張圖片，用於視覺比較、多頁文件分析或檢測一系列螢幕截圖中的變化。該模型將圖片視為對話歷史的一部分，因此可以將視覺線索與文字指令結合。請注意，圖像標記化會按比例消耗與解析度對應的標記；OrcaRouter 會自動處理編碼，並以 Anthropic 預期的格式發送數據。
雖然 Claude Sonnet 5 以其能力而言每個 token 的成本效益很高，但在某些情況下，較輕量的模型可能更為合適。對於簡單的文字生成——如簡短的電子郵件、社交媒體貼文或基本問答——像 Claude Haiku 或 GPT-4o-mini 這類較小且較便宜的模型，能以更低的成本提供足夠的結果。同樣地，如果您的工作流程涉及極其可預測、低複雜度的任務（例如關鍵字提取、無細微差別的翻譯），則不需要大型上下文模型的開銷。對於僅需要 OCR 而不需深度推理的視覺任務，專用的視覺 API 可能更便宜。此外，如果您的輸入上下文始終保持在 32K token 以下，您可能不需要 1M 的窗口，可以使用上下文較小但每個 token 價格更低的模型。請務必針對您的特定使用案例進行成本與品質的基準測試。
Claude Sonnet 5 在需要一次模型呼叫處理大量或混合資料的高脈絡、多模態場景中表現出色。理想使用案例包括：分析整個程式碼倉庫以找出安全漏洞、根據一組設計文件和螢幕截圖生成全面的文件、跨數百頁的法律合約審查、結合影像資料與臨床筆記的醫療報告分析，以及維持長對話歷史的互動式助手（例如日記、治療、研究）。其強大的推理能力也使其適用於科學問題解決、從 PDF 中進行複雜資料提取，以及建構能搭配檔案附件管理多步驟任務的智慧代理。對於需要跨多個章節保持一致語氣的創意寫作，大輸出限制有助於一次產出完整草稿。當透過 OrcaRouter 存取時，零加成定價更進一步降低了這些大量使用場景的成本。
Claude Sonnet 5 在 OSWorld-Verified 基準測試中獲得 81.2 分，該基準旨在衡量模型透過自然語言指令執行作業系統任務（如檔案操作、命令執行、多工處理及命令列使用）的能力。81.2 分代表該模型能夠可靠地解讀與執行各種作業系統層級的指令與情境。對於開發自動化工具、AI 輔助 DevOps 流程，以及任何需要模型作為作業系統互動之勝任助手的應用程式而言，這相當重要。該基準測試同時考驗指令碼生成能力，以及對路徑、權限、程序等作業系統概念的理解。雖然並非真實世界效能的完美指標，但此分數顯示 Claude Sonnet 5 是代理程式碼執行與系統層級任務中表現最佳的模型之一。
Claude Sonnet 5 的主要優勢在於其大型上下文視窗（1M tokens）、高輸出限制（128K tokens）、強大的多模態推理能力，以及作業系統層級的能力（81.2 OSWorld-Verified）。它能以高度連貫性處理長篇文件、複雜程式碼庫及混合輸入。然而，與所有模型一樣，它也有其限制。有效上下文在視窗的最末端效能可能會下降；Anthropic 建議保持在約 900K tokens 以下以獲得最佳效果。該模型在高度細微的文化參考、生成事實數據（它可能會對數字產生幻覺），以及需要其訓練截止日期之後的即時知識的任務方面可能較吃力（Anthropic 尚未公開確切的截止日期，但大約是 2025 年初）。視覺能力良好，但並非最先進的細粒度物體偵測。定價雖然是零加成，但仍比小型模型高。延遲對大型模型來說是典型的——由於處理大量上下文，回應可能會較慢。
Claude Sonnet 5 的延遲很大程度上取決於輸入大小和輸出長度。在 1M token 的上下文環境下，初始提示處理可能需要幾秒到幾分鐘，因為模型必須處理整個窗口。一旦處理開始，token 生成速度通常在每秒 20-40 token 之間（取決於負載和提供者基礎設施）。較小的輸入（例如幾百個 token）將會有更快的首個 token 延遲，通常低於一秒。透過 OrcaRouter 的 API，串流預設啟用，讓您能在 token 生成時即時看到輸出。對於延遲敏感的應用（例如即時聊天），您可能希望使用較小的模型或縮減上下文。OrcaRouter 不會在 Anthropic 自己的 API 之外增加顯著延遲——其開銷可忽略不計，因為它只是將請求轉發到 Anthropic 的端點。
截至撰寫本文時，Anthropic 尚未公開發布針對 Claude Sonnet 5 的完整基準測試套件。唯一提供的數據是 OSWorld-Verified 上的 81.2 分。在一般推理能力方面，該模型在標準 NLP 基準測試（如 MMLU、HumanEval 和 GSM8K）上可能與其他 Claude Sonnet 模型表現相當，但供應商並未提供確切分數。實際上，早期用戶報告顯示其在程式碼生成、文件問答和長上下文檢索任務上表現強勁。我們建議針對您的具體使用情境自行評估，因為基準測試可能具有誤導性。OrcaRouter 可讓您透過其 API 免費快速測試模型——只需將模型 ID 設為 "anthropic/claude-sonnet-5" 並開始提問，即可評估模型在您的數據上的表現。
Claude Sonnet 5 在 OrcaRouter 上的收費方式依 Anthropic 的提供商費率計算，無任何加價：每 100 萬個輸入代幣收費 $2.00 美元，每 100 萬個輸出代幣收費 $10.00 美元。輸入與輸出代幣皆以標準文字代幣計算（圖片與檔案依 Anthropic 方案進行分詞）。身分驗證、速率限制或資料傳輸均無額外費用。OrcaRouter 根據 Anthropic 回報的原始代幣數量計費；此數量包含任何系統提示、使用者訊息、圖片代幣及產生的回覆。計費方式以用量為基礎，您僅需為實際消耗的部分付費。對於大量使用者而言，此透明計費模式可避免意外費用。無需最低消費或簽訂合約——您只需在 OrcaRouter 的控制面板中加值或設定帳單，用量即按上述費率扣除。
Claude Sonnet 5 的定價（每百萬 Token $2/$10）介於 Anthropic 較便宜的模型（如 Haiku，每百萬 Token $0.25/$1.25）與其高階模型（如 Claude Opus，每百萬 Token $15/$75）之間。對於長上下文任務而言，考量其百萬 Token 容量，每百萬 Token 的成本相對較低。然而，若使用整個上下文視窗，每次查詢的絕對成本會增加——一次完整的百萬輸入 Token 請求僅輸入部分就要花費 $2.00。相比之下，對於短查詢，使用像 GPT-4o-mini（$0.15/$0.60）這類較小上下文的模型，成本更低。取捨在於：Claude Sonnet 5 提供更高的推理品質與更大的容量，但單價較高。對於確實需要大上下文或多模態推理的任務，該模型可能比分拆工作至多個 API 呼叫更有效率。OrcaRouter 的零加價確保您無需支付中間人費用，因此比較對象直接為其他提供者。
OrcaRouter 目前並未為 Claude Sonnet 5 提供獨立的提示快取層；所有 token 均按標準輸入費率計費。雖然 Anthropic 自家的 API 可能支援部分模型的提示快取（降低重複前綴的成本），但 OrcaRouter 無論重複與否，皆以相同價格傳遞 token。實際上，如果您反覆發送完全相同的大型系統提示，每次仍會收取輸入 token 的費用。沒有針對快取上下文的折扣。如果您的流程涉及靜態且冗長的指令，這一點需要特別考慮——使用較小的模型或不同的架構可能更具成本效益。然而，OrcaRouter 的零加成意味著您無需支付額外費用；成本完全等同於 Anthropic 的標示價格。未來可能會新增快取功能，但截至目前，定價是根據完整的 token 數量按次計費。
如果您發送的輸入超過1,000,000 token的上下文窗口，OrcaRouter將返回錯誤（通常為400狀態碼，並附帶關於上下文長度的訊息）。模型不會截斷輸入，您必須手動管理token數量。對於輸出，若模型在完成前達到128,000 token的上限，它將停止生成，並在API回應中返回finish_reason為"length"。您可以透過將累積的輸出作為歷史記錄發送新請求來繼續對話。OrcaRouter不會自動重試或拆分您的請求，確保不超出限制是您自身的責任。像tiktoken這樣的工具可協助估算提示詞的token數量。對於非常長的輸入，請考慮使用分塊或滑動窗口方法，儘管Claude Sonnet 5的大上下文窗口通常已無需分塊處理。
若要透過 OrcaRouter 使用 Claude Sonnet 5，請將 base URL 設為 https://api.orcarouter.ai/v1 並使用模型 ID "anthropic/claude-sonnet-5"。此 API 與 OpenAI 的 chat completions 格式完全相容，因此您可以使用現有的 OpenAI 用戶端程式庫。例如，在 Python 中使用 openai 套件：將 api_key 設為您的 OrcaRouter 金鑰，base_url 設為 OrcaRouter 端點，model 設為 "anthropic/claude-sonnet-5"。您可以傳送包含 role、content（文字和/或用於視覺的 image_url 部分）的訊息。回應將包含標準欄位：id、object、choices、usage（prompt_tokens、completion_tokens）。透過設定 stream=True 即可支援串流。OrcaRouter 負責處理驗證並將您的請求路由至 Anthropic 的後端。無需額外設定——只需您的 API 金鑰和正確的模型識別碼即可。
你可以使用標準的 OpenAI 相容參數與 OrcaRouter：messages（必填）、model（必填，設為 "anthropic/claude-sonnet-5"）、temperature（0-2，預設 1）、top_p（0-1，預設 1）、max_tokens（預設 4096，最高 128000）、stop sequences（字串陣列）、frequency_penalty、presence_penalty（兩者範圍 -2 至 2），以及 stream（布林值）。此外，你可以透過 extra_headers 欄位傳遞 Anthropic 專用的參數——例如 anthropic-version 來指定 API 版本。OrcaRouter 會自動新增所需的 Anthropic 標頭。對於多模態訊息，請將 content 設定為包含 type text 或 image_url 的多個部分的列表。請注意，該模型支援工具/函式（平行工具呼叫）。回應中包含 finish_reason、使用統計資料以及 choices。沒有單獨的上下文視窗大小參數；模型本身使用其 1M 容量。
遷移非常簡單，因為OrcaRouter提供了與OpenAI相容的API。如果你已在使用OpenAI的API，只需將`base_url`改成`https://api.orcarouter.ai/v1`，並將`model`參數改為`"anthropic/claude-sonnet-5"`。你現有的訊息建構、串流處理與回應解析程式碼應可無需修改直接運作——OrcaRouter會回傳符合標準OpenAPI規範的回應。如果你原本使用的是其他供應商（如Anthropic原生API，其格式不同），則可能需要將訊息結構調整為OpenAI格式（角色：system、user、assistant）。OrcaRouter的文件提供遷移指南。主要差異：Claude Sonnet 5支援系統訊息、工具與多模態內容。請確保輸入不超過100萬個token的限制。先用小規模測試呼叫確認連線性與延遲，再進行擴展。
Claude Sonnet 5 在其前身的基礎上主要改進了上下文視窗大小（1M 對 200K tokens）和輸出限制（128K 對 8K），使其更適合長文檔和程式碼庫分析。它還引入了檔案輸入支援，與文字和圖片並存，而 Sonnet 4 僅限於文字和圖片。兩者之間的基準測試並未直接公布，但 Sonnet 5 的 OSWorld-Verified 分數為 81.2，顯示在作業系統層級任務執行方面取得了顯著進展。定價有所調整——Sonnet 4 的輸入成本為每百萬 tokens $3，Sonnet 5 為每百萬 tokens $2——因此實際上每個輸入 token 更便宜。輸出成本為每百萬 tokens $10，而 Sonnet 4 為每百萬 tokens $15，減少了 33%。總體而言，Sonnet 5 在大多數使用案例中提供更好的價值，尤其是那些需要大上下文的場景。然而，對於不需要大上下文的短任務，Sonnet 4 可能仍然可用且更便宜。
Claude Sonnet 5 和 OpenAI 的 GPT-4o 都是具備強大推理能力的多模態模型，但它們在上下文視窗（Sonnet 5：100 萬個 token；GPT-4o：12.8 萬個 token）和輸出限制（Sonnet 5：12.8 萬個 token；GPT-4o：1.6 萬個 token）上有所不同。Sonnet 5 提供了顯著更大的容量，因此更適合處理整個程式碼庫或長篇書籍等任務。GPT-4o 則擁有更快的典型延遲，以及與 OpenAI 生態系統（外掛、DALL-E 等）更廣泛的整合。定價方面：GPT-4o 每 100 萬個 token（輸入／輸出）費用為 $2.50/$10，與 Sonnet 5 相近。兩者在推理評分上均表現出色，但 Sonnet 5 的 81.2 OSWorld-Verified 並無可直接對應的 GPT-4o 基準。在作業系統層級自動化方面，Sonnet 5 表現更強。在創意寫作或一般對話方面，GPT-4o 因其更大的訓練資料量與工具使用能力，可能略為多樣。選擇取決於情境需求；透過 OrcaRouter，您可以輕鬆在兩者之間切換。
Google 的 Gemini 1.5 Pro 提供 100 萬 token 的上下文（與 Sonnet 5 相同）與多模態能力，但 Gemini 的輸出僅限 8K token，遠低於 Sonnet 5 的 128K。Gemini 定價為每 100 萬 token $3.50/$10.50（輸入/輸出），使 Sonnet 5 在輸入端略為便宜。兩者在推理基準測試上表現良好，但 Sonnet 5 的 OSWorld 分數 81.2 是關鍵差異——Gemini 的作業系統層級表現並未得到同樣凸顯。Gemini 1.5 Pro 支援原生程式碼執行，可產生具執行功能的程式碼，而 Sonnet 5 則依賴外部沙箱。針對大規模純文字生成，Sonnet 5 較高的輸出限制是一大優勢。兩模型均支援檔案附件與圖片。長上下文檢索品質具競爭力；在特定領域可能出現微小差異。透過 OrcaRouter，您只需更改模型 ID 即可比較兩模型。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 輸入 / 1M tokens | $2.00 |
| 輸出 / 1M tokens | $10.00 |
| 快取讀取 / 1M | $0.200 |
| 快取寫入 / 1M | $2.50 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
@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