Claude Sonnet 5.5 vs Sonnet 5：同价，单任务省 80%

Claude Sonnet 5.5 和 Claude Sonnet 5 的 token 价格相同，输入每百万 token $2，输出每百万 token $10，因此成本差异完全取决于 token 用量。在 API 默认配置下运行 13 个单轮任务时，Sonnet 5.5 的单任务成本为 $0.0041，Sonnet 5 则为 $0.021，前者低 80%，且两个模型全部答对。我们发现的问题在于输出格式：当 effort 低于 xhigh 时，Sonnet 5.5 有时不会使用隐藏推理，而是直接把解题过程写进回复，即使 prompt 明确要求只返回答案。

TL;DR

• 在 API 默认配置下，Sonnet 5.5 的单任务成本为 $0.0041，Sonnet 5 为 $0.021，两个模型在全部 39 次调用中均回答正确。
• Sonnet 5.5 在 low、medium 和 high effort 下的成本基本相同；max 的成本是默认配置的 3.5x。
• 低于 xhigh 时，Sonnet 5.5 在 156 个仅要求答案的 prompt 中，有 68 个把解题过程写进了回复；增加 system prompt 也未能解决。
• 在包含四个问题的工具循环中，Sonnet 5.5 使用 max 时每次运行成本为 $0.042，高于 Opus 5.5 默认配置的 $0.033。

Anthropic 于 2026-09-28 发布 Sonnet 5.5，并称其速度提升 30%，单任务成本相比 Sonnet 5“最高可降低 30%”。我们在次日进行了实测。

Claude Sonnet 5.5 有哪些变化？

价格没有变化，但 thinking 控制方式和多个请求参数有所调整。Sonnet 5.5 使用 adaptive thinking：模型会自行决定回答前需要进行多少隐藏推理，这部分 reasoning token 按输出计费。开发者可通过 effort 控制推理力度。在 Messages API 中，对应参数为 output_config.effort，共有从 low 到 max 五个级别。API 默认值为 high。

Sonnet 5 上线时，$2 / $10 属于首发优惠价，但 Anthropic 定价页面 现在已将其列为标准价格；原计划上调至 $3 / $15 的方案并未实施。

根据 迁移指南，以下请求可在 Sonnet 5 上使用，但在 Sonnet 5.5 上会返回 HTTP 400：

• thinking: {"type": "disabled"}。应改用 thinking: {"type": "between_tools"}。该配置会关闭首次回答前的推理，并且仅在 high 或更低 effort 下可用。
• 强制调用工具，即将 tool_choice 设为 any 或指定工具。应保留 auto，并在 prompt 中说明何时使用工具。
• 手动设置 thinking budget（budget_tokens）、使用非默认的 temperature、top_p 或 top_k，以及预填 assistant 消息，也就是替模型写好回复开头。
• 对于从 2026-08-31 起创建的账号，在修改 system prompt、工具或更早的消息后，重新传入 Sonnet 5.5 的 thinking block。
• 在 Claude API 和 Google Cloud 上使用旧版 computer_20251124 computer use 工具。

还有一项变化不会触发错误：模型在工具调用之间写出的简短说明现在会作为 thinking block 返回。在默认显示配置下，该 block 内容为空，因此依赖 streaming 展示这些说明的界面会突然没有输出。

发布基准测试结果如何？

Anthropic 自己公布的表格显示，Sonnet 5.5 的多项得分仅比 Opus 5.5 低几个百分点，但 token 价格只有后者的一半，同时大幅领先 Sonnet 5。

Artificial Analysis 还指出了成本风险：Sonnet 5.5 在 max effort 下的 Intelligence Index 得分为 56，比同样使用 max 的 Opus 5.5 低 2 分，但每个任务使用了约 193K 个输出 token。这是其测得的最高值，比 max 下的 Opus 5.5 或 Sonnet 5 高约 60%，每个指数任务的成本约为 $7.60。

我们如何测量？

我们向三个模型发送了 13 个答案已知的单轮任务，每个任务只包含一个 prompt 和一次回复，不使用工具。其中 8 个是短任务，例如计算 60 以下质数之和、统计 1 到 500 中数字 7 出现的次数；另外 5 个需要真正的多步计算，例如包含 10 个物品的背包问题、穿过带障碍物的 8x8 网格的路径数，以及 13 的 1,001 次方对 10,007 取模。所有标准答案均在本地通过暴力计算得到，每个 prompt 都以“只回复一个整数，不要包含其他内容”结尾。每项任务分别在 API 默认配置和五个 effort 级别下运行 3 次，总计 702 次调用，全部通过原生 Messages API 完成。每个 prompt 都带有唯一的随机字符串，避免命中响应缓存。成本按 Anthropic 标价计算。评分同时检查最终答案是否正确，以及回复是否只包含答案。

准确率无法区分这些模型。Sonnet 5.5 在全部 234 次调用中均回答正确；Sonnet 5 在成功返回的 233 次调用中全部正确，另有一次服务器错误；Opus 5.5 在 low 和默认配置下各答错一个任务。

Sonnet 5.5 的单任务成本是否低于 Sonnet 5？

默认配置下，Sonnet 5.5 的成本比 Sonnet 5 低 80%；在 low、medium 和 high 下低 77% 到 78%。原因是它的输出 token 数量只有后者的约五分之一。两者标价完全相同，因此所有成本差异都来自 token 效率。Sonnet 5 在各个 effort 级别下每项任务会输出约 1,800 到 2,100 个 token；Sonnet 5.5 在达到 xhigh 前约为 400 个。

表中的 token 数量是每次调用的平均输出 token 数，包含 reasoning token。在五个高难度任务中，默认配置的成本降幅为 84%（$0.0057 对 $0.0348）。在我们的工具循环中，每一轮都会重新发送完整对话记录，输入 token 成为主要成本，因此降幅只有 8%。对这类单轮 prompt 而言，Anthropic 所称的“最高可降低 30%”相当保守；对我们测试的短工具循环而言，这个说法则偏乐观。

由于只有 13 个任务，默认配置下 80% 的降幅范围较宽：对任务重抽样得到的 95% 区间为低 66% 到 85%；从 low 到 xhigh 的每个档位，区间下限都高于 50%。

各个 effort 级别的成本是多少？

在 Sonnet 5.5 上，low、medium 和 high 的单任务成本均约为 $0.0042，因此默认的 high 在这组测试中没有额外成本；xhigh 的成本高约 40%，max 则是默认配置的 3.5x。使用 max 时，Sonnet 5.5 的单任务成本是 Opus 5.5 默认配置的两倍（$0.0146 对 $0.0070），但准确率没有提高。

这种持平关系并不适用于所有场景：在一个更长的 DevOps 任务中，另一位测试者 发现 high 使用的输出 token 数约为 medium 的两倍。如果 workload 对 effort 敏感，就需要单独测试所有档位。

为什么 Sonnet 5.5 会把解题过程写进答案？

低于 xhigh 时，Sonnet 5.5 并非每次都会使用 thinking block。没有使用时，它会直接在回复中推理。thinking block 是响应中单独承载模型推理的部分，默认情况下其文本为空，最终答案随后放在 text block 中返回。

在 Sonnet 5.5 的 234 条回复中，包含 thinking block 的 166 条都只返回了答案。其余 68 条没有 thinking block，并且全都先写解题过程，例如先输出“09:47 + 3:46 = 13:33 … + 1:39 = 15:40”，然后再输出“15:40”。最终答案每次都正确，但回复格式不符合 prompt 要求。

这种现象按任务出现：凡是出现这种情况的任务，Sonnet 5.5 三次重复都写出了解题过程，只有默认配置下的一个任务是三次中有两次。low 下 13 个任务中有 9 个出现这种情况，默认配置下 6 个，medium 下 5 个，high 下 3 个（都是简短的算术题）。按任务计算时，由于只有 13 个任务，这些差距都无法通过 Holm 校正，因此应把这些计数视为本次观察到的结果，而不是可以据此规划的比例。Sonnet 5 的格式错误有所不同：它会用粗体给出正确答案，然后附上一小段解释。其 xhigh 行只有 38 次调用，因为另一次遇到了服务器错误。

增加 system prompt 也没有改善。该 prompt 要求“只返回最终结果”，并在内部完成所有计算。Sonnet 5.5 在 low 下的 24 个短任务中有 8 个只返回答案，在 medium 下有 9 个；不加该 system prompt 时分别为 6 个和 9 个。xhigh 可以解决问题，每次都会生成 thinking block 并只返回答案，但成本比 low 到 high 高约 40%。对于需要解析模型输出的代码：

• 如果回复必须只有一行答案，使用 xhigh。
• 或者读取最后一个非空行。在这里的 68 个案例中，该行全部是正确答案。
• Anthropic 的 structured outputs 也可以通过 schema 限制回复格式；我们没有测试这条路径。

import anthropic

client = anthropic.Anthropic()
prompt = "Compute 7 raised to the power 222, modulo 1000. Reply with a single integer, nothing else."
resp = client.messages.create(
    model="claude-sonnet-5-5",
    max_tokens=16000,
    output_config={"effort": "xhigh"},  # low, medium, high (API default), xhigh, max
    messages=[{"role": "user", "content": prompt}],
)
text = "".join(block.text for block in resp.content if block.type == "text")
lines = text.strip().splitlines()
answer = lines[-1] if lines else None  # below xhigh, working can precede the answer
print(answer, resp.usage.output_tokens)  # output_tokens includes the reasoning

工具循环中的表现如何？

在默认配置、low 和 medium 下，Sonnet 5.5 每次都能完成包含四个问题的代码阅读循环，每次运行成本约为 $0.011，只有 Opus 5.5 的三分之一。使用 max 时，它的工具调用次数增加到三倍，成本也超过 Opus 5.5。每个模型都可在一个小型合成代码库中使用三种工具，分别是列出文件、读取文件和搜索。每个答案需要跨文件查询 3 到 6 次。

VentureBeat 报道的客户反馈 称，与 Sonnet 5 相比，Sonnet 5.5 的工具调用次数更少，例如 Lovable 的调用次数减少了三分之一。我们的循环太短，未能体现这一点：Sonnet 5.5 每次运行调用工具 4.8 次，Sonnet 5 为 4.2 次。不过，Sonnet 5.5 的成本仍低 8%，完成速度也快了一倍以上。

Sonnet 5.5 是否更快？

它更早完成任务，主要是因为输出更少。在默认配置的单轮任务中，从发送请求到接收完整响应的总耗时中位数分别为：Sonnet 5.5 3.9 秒、Sonnet 5 8.1 秒、Opus 5.5 5.5 秒。两个 Sonnet 按总耗时计算的输出速度基本相同，分别约为每秒 88 和 91 个 token。因此，等待时间减半并不是因为 Sonnet 5.5 生成 token 更快，而是因为其输出 token 数量只有五分之一。在高难度任务中，两者的总耗时分别为 5.8 秒和 21.0 秒。

Sonnet 5 的 token budget 能否直接沿用？

为 Sonnet 5 设定的上下文预算和 max_tokens 上限应当仍然适用。Anthropic 的迁移说明指出 Sonnet 5.5 使用相同的 tokenizer；我们测试的四段固定文本（英文段落、Python 代码、JSON 工具参数、中文段落）在两个模型以及 Opus 5.5 上的计数完全相同，例如英文为 1,270 个 token，中文为 493 个；Sonnet 5.5 和 Opus 5.5 每次请求固定多出 2 个 token。带工具的请求在输入上略便宜：Anthropic 的价格页列出，隐藏的工具使用系统提示在 Sonnet 5.5 上为 286 个 token，在 Sonnet 5 上为 354 个。

应该选择哪个模型？

对于大多数 Sonnet 5 workload，可以直接切换；剩下的问题是选择哪个 effort 级别。

无论选择哪个 effort 级别，代码中都应保留两项检查：回复格式是否符合 parser 预期，以及是否设置了单次请求的输出 token 上限。在单轮 prompt 中，max 使单任务成本增加到 3.5x；在工具循环中，工具调用次数增加到 3x。

常见问题

Sonnet 5.5 是否比 Opus 5.5 便宜？ 在默认配置下，Sonnet 5.5 的单轮任务成本比 Opus 5.5 低 41%，工具循环的单次运行成本只有后者的三分之一。使用 max 时则相反：Sonnet 5.5 的单轮任务成本是 Opus 5.5 默认配置的两倍，工具循环的单次运行成本也高 27%。

Sonnet 5.5 应该使用哪个 effort 级别？ 在我们的测试中，Sonnet 5.5 使用 low、medium 和 high 时的成本基本相同（$0.0040 到 $0.0043），因此对话和工具循环可以从 medium 开始。如果代码要求回复中只能包含一个值，应使用 xhigh；max 的成本是默认配置的 3.5x。

Sonnet 5.5 还能关闭 thinking 吗？ Sonnet 5.5 会拒绝 thinking: {"type": "disabled"} 并返回 HTTP 400。应改为发送 thinking: {"type": "between_tools"}，该配置可在 low、medium 或 high effort 下使用。

相关测量：Claude Opus 5.5 vs Opus 5、Claude Sonnet 5 tokenizer 和 各厂商的 thinking 控制方式。

测量日期为 2026-09-29，即发布次日。所有请求均通过网关发送至 Anthropic Messages API。测试包含 702 次已评分的单轮调用（13 个任务，标准答案通过暴力计算得到，重复 3 次，使用 6 种 effort 配置和 3 个模型）、48 次输出格式 system instruction 测试、72 次工具循环运行（4 个多步问题，重复 3 次，使用 6 种配置），以及每个模型对四段固定文本的 token 计数。所有 prompt 均加入随机字符串；成本按 Anthropic 标价计算。

← 返回博客