Claude Sonnet 5 的新 tokenizer：每个 prompt 多出 41% 的 token

claude-sonnet-5 已经在 Synthorai gateway 上线，现在很便宜：每百万 input / output token 收费 $2 / $10，只有 Opus 4.8 的 1/2.5，也比 Sonnet 4.6 低。趁便宜赶紧用。这是到 2026 年 8 月 31 日为止的促销价；9 月 1 日恢复到 $3 / $15，跟 Sonnet 4.6 的标价一样。

如果你在 Claude 系列上做缓存，缓存和 TTL 的约定可以原样搬过来。真正要多留个心眼的是成本，原因在于 Sonnet 5 数 token 的方式。它用了新的 tokenizer，同样的英文文本切出来的 input token 比 Sonnet 4.6 多约 41%，而你付费和被限流依据的就是 token 数。标价只是账单的一半。

在改代码或者讨论质量之前，先看看这个 token 变化会牵动哪些方面：

• 每个 prompt 的成本。 按标准价算，同一段英文 prompt 比在 Sonnet 4.6 上贵约 41%，因为同样的文本以更多 token、按相同的单价计费。
• 所有基于 token 的估算。 按 4.6 定的单次调用预算，或者用本地 tokenizer 数出来的值，在 Sonnet 5 上会低估约 40%。按实时 usage 计量，别靠本地估。
• 上下文窗口余量。 同一份文档要多吃掉约 41% 的窗口，所以长上下文和 RAG 调用每次能塞进去的真实文本更少。
• 速率限制。 同样的工作负载下，tokens-per-minute 上限会快约 41% 用光，吞吐随之下降。
• 缓存命中门槛（一点小好处）。 1,024 token 的最低门槛更容易达到，在 4.6 上刚好卡在门槛以下的前缀，到 Sonnet 5 上可能就能缓存了。

后面会给每一项配上实测数字：价格、缓存经济性，以及 token 数的变化。

价格、缓存、TTL 和 token 数均于 2026-07-01 针对 https://synthorai.io/（Anthropic 原生 /v1/messages）实测。单个 token 的价格由实时调用的 usage 成本推算；促销价 / 标准价以及 8 月 31 日的到期时间来自 Anthropic 的公告。引用前请先用你自己的 prompt 复现一遍。

可用性

import os
from anthropic import Anthropic

anth = Anthropic(
    api_key=os.environ["SYNTHORAI_KEY"],
    base_url="https://synthorai.io/",   # SDK appends /v1/messages
)

msg = anth.messages.create(
    model="claude-sonnet-5",            # the only line that changes
    max_tokens=512,
    system=[
        {"type": "text", "text": SYSTEM_PROMPT,
         "cache_control": {"type": "ephemeral"}},
    ],
    messages=[{"role": "user", "content": question}],
)
print(msg.usage)   # cache_creation_input_tokens, cache_read_input_tokens, cost

只换 model 字段，缓存链路上的其他部分都不用动。cache_control 背后的机制见缓存教程；缓存为什么存在、架构是怎样的，见系列第一篇。

价格：现在便宜，9 月起回到 Sonnet 4.6 的费率

网关上的按 token 计费，取自普通（未缓存）调用的 usage 成本：

促销价是实打实的折扣，而相对于 Opus 4.8，它是这套账里长期成立的部分：即便按 $3 / $15 的标准价，Sonnet 5 也比 Opus 便宜，而且两者共用一个 tokenizer（下文细说），所以两种价格下的比较都很干净。

相对于 Sonnet 4.6，折扣是临时的。9 月 1 日两者标价完全一致，所以任何基于今天数字、认为「Sonnet 5 比 4.6 便宜」的方案都会随促销一起过期。而且下一节会说明，标价相同的情况下，处理同样的文本，Sonnet 5 反而更贵。

我们不发布没跑过的能力基准。Sonnet 5 的质量是否值得它相比 4.6 的成本，得由你自己的 eval 说了算，不是我们。

缓存与 TTL：直接替换即可

缓存的约定和 Claude 系列其余型号完全一样。我们跑了一组冷写 / 热读序列，用一个固定的 2.2K token 前缀，每次调用变动 user message，这样响应级缓存就不会污染结果。按当前促销价计算，每次热调用的成本：

各项不变量的表现和整个 Opus 系列一致：

• 读折扣约 90%。 一次热缓存读的成本大约是输入价格的 10%，与 Anthropic 文档中「最高 90%」的缓存读节省相符。命中一次即可回本。
• 1 小时 TTL 行为相同。 Sonnet 5 接受 cache_control: {"type": "ephemeral", "ttl": "1h"}，usage 对象也和以前一样拆分桶：cache_creation.ephemeral_5m_input_tokens 与 ephemeral_1h_input_tokens。1 小时写的溢价约为无缓存的 2×（而 5 分钟写约为 1.25×）；无论 TTL 如何，读始终约 10%。

关于这张表有一点要注意：这些热调用的金额是按促销价算的。9 月 1 日起，把 Sonnet 5 的数字乘以 1.5×（输入 $2 → $3，输出 $10 → $15）。今天成本 $0.0017 的一次 Sonnet 5 热调用，到 9 月约为 $0.0026，仍低于 Opus 4.8 的 $0.0043，但不再低于 Sonnet 4.6。

token 计数的陷阱

九月的调价之所以会痛两次，原因就在这里：同一段系统文本，在 Sonnet 5 上报出的输入 token 数比 Sonnet 4.6 多出约 41%。

同一段英文 prompt，Sonnet 5 分词后是 2,245 个 token，跟 Opus 4.8 的计数完全一样，也远高于 Sonnet 4.6 的 1,594。Sonnet 5 用的是 Opus 系列从 4.7 开始采用的新版 tokenizer。

把价格和 token 数放在一起看，情况就很清楚了：

• 在优惠期内，token 数上涨 41%，但费率下降了 33%（$2 对 $3），两者抵消。所以同一个未命中缓存的 prompt，花费跟在 4.6 上差不多，而热请求因为输出打了折，还更便宜。
• 从 9 月 1 日起，费率和 4.6 持平了，但 token 数没有回落。同一段英文 prompt，在 Sonnet 5 上比 Sonnet 4.6 贵约 41%（这个前缀是 $0.0067 对 $0.0048），因为在相同的单 token 价格下，同样的文本被算成了更多 token。

跟 Opus 4.8 比就没有这个陷阱：tokenizer 相同（2,245 = 2,245），所以 Sonnet 5 无论是优惠价（2.5 倍）还是标准价（1.67 倍）都干净利落地更便宜。

所以要按九月的账单来做预算，别按七月的：单 token 费率会在 9 月 1 日涨 1.5 倍，而更高的 token 数今天就已经生效了。另外，从实时响应里读 cache_creation_input_tokens / cache_read_input_tokens，别用可能还停留在旧词表的本地 tokenizer。

Sonnet 5 对比 Opus 4.8：长期站得住脚的胜出

这个对比才是这次发布真正长期改变的东西。Sonnet 5 和 Opus 4.8 共用一个 tokenizer，所以对任何 prompt，两者的 token 数都完全一样，成本差异纯粹来自费率：优惠价便宜 2.5 倍，标准价便宜 1.67 倍——冷请求、热请求、输入、输出全都如此。一次命中缓存的热请求，今天是 $0.0017 对 $0.0043；即便到了九月，也大约是 $0.0026 对 $0.0043。

对于前缀每轮都重复的高频缓存 agent 循环，这个差距会不断累积。决策还是老一套：跑自己的 eval，如果 Sonnet 5 过了你的质量标准，那网关这边的账算下来长期都偏向它，不只是撑到八月。如果没过，改一个 model 字段就能切回 Opus 4.8，缓存代码一行都不用动。

迁移清单

• ✅ 缓存代码原样通用。 cache_control 标记、断点数量、ttl: "1h"、usage 字段名，都和 Opus 系列完全一致。
• ✅ TTL 选择通用。 实时/会话类负载用 5m，突发型或带停顿的 agent 任务用 1h。
• ✅ 折扣经济性通用。 读约 90%，写约 1.25 倍（5m），写约 2 倍（1h）。
• ⚠️ 在预算表上标注 9 月 1 日。 优惠价 8 月 31 日结束，Sonnet 5 涨到 $3 / $15。在这一天到来之前就把 1.5 倍的涨幅算进模型里。
• ⚠️ 重新测量 token 数（从 4.6 或更早版本迁移时）。 同样的文本，Sonnet 5 上多出约 41% 的 token。在标准价下，这会让同一个 prompt 比 4.6 更贵，而不是更便宜。
• ⚠️ 相信实时的 usage 对象。 从响应里读 *_input_tokens 和 cost，别用旧版本缓存下来的估算值。

结论

Sonnet 5 短期内很划算，但有时间限制。跟 Opus 4.8 比，它长期便宜 1.67 到 2.5 倍，缓存路径可以直接照搬，所以只要 Opus 工作负载不是对质量特别敏感，第一个该拿来评估的模型就是它。跟 Sonnet 4.6 比，优势只有那点介绍期折扣：9 月 1 日之后价格和 4.6 持平，而新 tokenizer 意味着同样的 prompt 实际上更贵。折扣可以拿，但预算要按 9 月的价格来算，向财务承诺之前先用线上的 usage 对象核实 token 数。

完整的缓存实操，参见四篇系列的第一篇 KV Cache 与 TTL 的工作原理，以及可运行的 Python 教程。

FAQ

Sonnet 5 比 Sonnet 4.6 便宜吗？ 只在介绍期内便宜。到 2026 年 8 月 31 日为止是 $2 / $10，而 4.6 是 $3 / $15。9 月 1 日起变成 $3 / $15，两者一样。而且同一段文本在 Sonnet 5 上算出来的 token 数大约多 41%，所以按标准价格算，同样的 prompt 比在 4.6 上更贵。

介绍期价格什么时候结束？ 2026 年 8 月 31 日，见 Anthropic 的公告。9 月 1 日起价格变成每百万输入 token $3、每百万输出 token $15。

Sonnet 5 比 Opus 4.8 便宜多少？ 介绍价便宜 2.5 倍，标准价便宜 1.67 倍，输入和输出都是。两者共用同一个 tokenizer，token 数一致，两种价格下差异都纯粹来自费率。

我需要改 cache_control 代码吗？ 不用。标记语法、断点数量上限、TTL 选项都和 Opus 系列完全一样。只改 model 字段就行，其他不用动。命中缓存的读取约为输入价格的 10%；1 小时的写入约为不缓存的 2 倍，5 分钟的写入约 1.25 倍。

Sonnet 5 能直接替换 Opus 4.8 吗？ 在缓存、TTL 和成本层面，迁移很简单，而且两种价格下都更便宜。质量方面，自己跑评估；我们不发布没跑过的能力基准。模型质量的说法参见 Anthropic 的 model card。

验证说明：价格、缓存、TTL 和 token 数数据于 2026-07-01 针对 https://synthorai.io/ 测得，使用 Anthropic 原生的 /v1/messages 路径，单租户。单 token 价格由普通调用的 usage 成本推算得出；每轮成本是小样本中位数，带 2.2K token 的缓存前缀，反映当前的介绍价。介绍期价格和 2026 年 8 月 31 日到期日来自 Anthropic 的 Sonnet 5 公告；折扣/溢价比率与 Anthropic Prompt Caching 文档交叉核对过。你的实际数字会随 prompt、区域和负载而变化。

← 返回博客