Sonnet 5.5 的 token 价格与每项任务的真实成本

2026年9月28日，Anthropic 发布了 Claude Sonnet 5.5，这是继9月22日推出的 Opus 5.5 之后，5.5 代的第二款模型。价格与 Sonnet 5 相比没有变化：每百万输入 token $2，每百万输出 token $10，从提示缓存读取的每百万 token $0.20。token 是 AI 模型计费所用的文本单位。

尽管如此，Anthropic 表示，在其测试中新模型每项任务的成本最多可降低 30%，输出速度也快了 30% 以上。原因并不是降价。模型只是用更少的 token 完成同样的工作。这正是任何支付 AI 账单的企业都值得关注的一点：每个 token 的价格并不能告诉您一项任务要花多少钱。

为什么 token 价格不变，账单却在下降

模型账单等于 token 数量乘以其价格。而 token 数量并不仅仅由问题的长度决定。它取决于模型为得出答案所做的事情：走了多少步，多频繁地调用工具或进行搜索，以及在写出答案前思考了多少。Anthropic 的文档指出，思考 token 按输出 token 计费，也就是更贵的那一种。

在发布公告的同时，Anthropic 还公布了在上线前测试过该模型的公司的结果：

• Balyasny Asset Management：在涵盖问答、信息提取、分析和预测的 2,441 项金融任务中，Sonnet 5.5 每个回答约使用 121,000 个 token，而 Sonnet 5 为 497,000 个，并且得分更高。
• Slack：在 Slack 几乎所有的 Slackbot 离线评估中，它都胜过 Sonnet 5，步骤更少，输出 token 约减少 14%，且没有对提示词做任何修改。
• Lovable：在其编码评估中，完成一项任务所需的工具调用减少了三分之一，shell 运行次数大约减半。
• Box：它比上一代模型更准确，速度快 2.4 倍，总 token 用量减少 12%。

请注意这个区间：根据工作类型不同，从 token 减少 12% 到减少约四分之三不等。这些是各公司自己的测试，由 Anthropic 发布，并非独立测量。实际上，您企业中真实的节省只有用您自己的任务试过才能知道。

Sonnet 5.5 还是 Opus 5.5：价格与能力的差异

Opus 5.5 的输入和输出价格都是两倍，而缓存读取价格相同；在大多数已公布的基准测试中，差距都很小。但 Anthropic 本身为两款模型分配了不同的工作。

数据来自 Anthropic 的发布公告及其定价和模型文档。Opus 5.5 的 Terminal-Bench 分数是其最高分，在 Xhigh effort 下取得。作为对比，Sonnet 5 在 GDPval-AA 上的评分约为 1449。

这些数字很接近，但同一份公告指出，基准测试只反映能力的一个侧面；在 Anthropic 自己以及外部测试者的测试中，Opus 5.5 在需要持续判断的复杂开放式工作上仍然明显更强。Sonnet 5.5 则在范围明确的日常任务、修复 bug 以及制作文档、幻灯片和电子表格方面表现最佳。

从运营角度看，我们的理解是：按照明确规则回复客户咨询、提取发票数据、总结会议，或根据固定模板起草演示文稿，都是 Sonnet 的工作。设计新系统、权衡多种选项的开放式分析，或依赖冗长复杂背景的决策，才是 Opus 可能物有所值的地方。我们曾在之前的一篇文章中详细比较了 Opus 5.5 与顶级的 Fable 5.1。

Effort：比模型名称更能影响账单的设置

Sonnet 5.5 有五个 effort 级别：low、medium、high、xhigh 和 max。级别越高，模型工作时间越长、自我检查越多，因此每项任务的成本会上升，得分通常也会上升。在 Claude 应用和 Claude Code 中默认是 medium，通过 API 调用时默认是 high。

Anthropic 表示，在多项基准测试中，low 或 medium effort 下的 Sonnet 5.5 以大约十分之一的单任务成本超过了 Sonnet 5 的最好成绩。在衡量代码修改能否无需人工修改即可合并的 FrontierCode 上，在相同的 high 设置下，它比 Sonnet 5 高出 10 分，而单任务成本约为十五分之一。

公告中有一点值得停下来看看：在 FrontierCode 上，Sonnet 5.5 在 max effort 下的得分低于 xhigh，因为它更频繁地运行 Claude Code 的代码审查技能，把审查分给许多子代理；在 Cognition 检查的两个案例中，这导致了超时或超出任务范围的修改。最高的 effort 并不总能带来最好的结果，但通常花费最多。

迁移指南还提醒，这些级别已经重新校准，因此同一级别产生的思考量与在 Sonnet 5 上并不相同。它建议一般工作从 high 开始，规格明确的编码和多步骤工具任务从 medium 开始，聊天和任何对延迟敏感的工作从 medium 或 low 开始。换句话说，通过 API 调用模型却不设置级别的系统会以 high 运行，所付费用可能超过其日常任务的实际需要。

在您的开发人员更改模型名称之前

切换模型看起来只是改一行代码，但迁移指南列出了可能让正常运行的集成中断或改变其账单的变化：

• 关闭思考的方式变了：在 Sonnet 5 上用 thinking: {"type": "disabled"} 关闭思考的系统，会从 Sonnet 5.5 收到 400 错误。替代方案是新的 between_tools 设置，它只在 low、medium 和 high effort 下被接受。
• 思考默认开启：未设置任何思考字段的请求，在 Sonnet 5.5 上会以自适应思考运行。从 Sonnet 4.6 或更早版本、或从 Haiku 4.5（这些版本默认关闭思考）迁移过来的用户，现在会在从未设置思考字段的请求上为思考 token 付费。
• 如果您来自第 4 代，同样的文本会产生更多 token：Sonnet 5.5 使用 Sonnet 5 的分词器，文档称，视内容而定，同样的文本产生的 token 比 Sonnet 4.6、Sonnet 4.5 和 Haiku 4.5 多约 30%。Anthropic 宣布的单任务节省是相对于 Sonnet 5 测得的，而不是相对于第 4 代。
• 响应结构：响应可能在正文之前以一个思考块开头，因此把回复的第一个元素当作正文读取的代码会出错。
• 被拒绝的设置：固定的思考预算、temperature 和 top_p 等参数的非默认值、助手预填充（prefill），以及强制使用工具（无论是指定某个工具还是任意工具），都会返回 400 错误。
• 网络安全任务：由于该模型的网络能力与 Opus 5 相当，Anthropic 在发布时加入了防护措施，使风险较高的安全任务会明显地回退到 Sonnet 5。在 API 上，被拒绝的请求会返回拒绝响应，除非开发人员开启仅在 Claude API 上提供的测试版服务器端回退。作为日常开发一部分的查找和修复 bug 不受影响。

该模型可在 Claude Platform、AWS、Google Cloud 和 Microsoft Azure 上使用，文档称它不会在2027年9月28日之前退役，因此今天基于它构建的人在被迫迁移前还有大约一年时间。

如何衡量您企业中的单任务成本

值得向负责您 AI 集成的人提出的问题，不是模型要多少钱，而是一项被采纳的任务要花我们多少钱。衡量方法很简单：

• 选取真实样本：从您的实际工作中选 20 到 50 项任务，例如客户回复或需要提取数据的发票，而不是编造的示例。
• 在两个模型上运行：您当前的模型和 Sonnet 5.5，至少使用两个 effort 级别。API 每次响应都会返回输入和输出 token 数量，请把它们与运行时间一起记录下来。
• 让员工评判质量：由熟悉这项工作的人判断哪些输出可以原样接受。
• 计算每项被采纳任务的成本：总成本除以被采纳输出的数量。一个更便宜的模型，如果三分之一的任务需要返工，就并不便宜。
• 利用定价选项：不紧急的工作，例如处理发票档案，可以通过 Batch API 以半价运行：每百万 token 输入 $1、输出 $5。每次请求都重复的上下文，例如公司政策或产品目录，从缓存读取的价格是 $0.20 而不是 $2，并且可缓存提示的最小长度现在是 512 个 token，而不是 1,024 个。

Origami 的观点

价格表容易让人按百万 token 的成本来比较，但这次发布清楚地说明，真正重要的数字是一项任务的成本。同一个模型、同样的价格，可能因为用更少的步骤完成工作而变得更便宜，也可能因为思考默认开启、或有人未经衡量就调高 effort 级别而变得更贵。一家每月支付 AI 账单却不知道单项任务成本的企业，管理的是一项它看不见的支出。

因此我们认为，任何在企业内部使用语言模型的系统，都应该把模型名称和 effort 级别做成无需重新编程即可更改的设置，并在月度报告中记录每项任务的 token 用量。这样，迁移到新版本，比如今天的 Sonnet 5.5，以及 Anthropic 表示将在未来几周内推出的 Haiku 5.5，就会成为以天计算的决定，而不是一个新项目。

结论

Sonnet 5.5 没有降低标价，但如果之前的模型在您这类工作上花费了大量步骤和 token，它可能会降低您的账单。在切换之前：

• 请开发人员检查思考设置和读取响应的代码，然后在上线生产之前先在预发布环境中测试集成。
• 在真实样本上衡量每项被采纳任务的成本，至少使用两个 effort 级别。
• 如果您使用的是 Sonnet 4.6 或更早版本，在假定能节省之前，先把同样文本现在多产生的 token 考虑进去。
• 把 Opus 5.5 留给需要判断的开放式任务，把定义明确的重复性任务转到 Sonnet 5.5，并持续观察数据整整一个月。

资料来源

• Anthropic — Introducing Claude Sonnet 5.5（2026年9月28日）
• Claude 文档 — 定价，包括 Batch API 和提示缓存
• Claude 文档 — 模型概览：上下文窗口、最大输出、默认 effort 和退役日期
• Claude 文档 — 迁移到 Claude Sonnet 5.5
• TechCrunch — Anthropic 发布 Sonnet 5.5（2026年9月28日）