Claude Sonnet 5.5 对比 Opus 5.5：价格减半，质量差距多大，何时值得为 Opus 付费

Claude Sonnet 5.5 每百万输入/输出 token 的价格是 $2/$10，只有 Claude Opus 5.5 的 $4/$20 的一半。在 Anthropic 的发布表上，它在大多数行上与 Opus 5.5 只差几个百分点，并在 Terminal-Bench 4.0 上反超（70.6% 对 66.4%），但 Anthropic 仍表示 Opus 5.5“在复杂、开放式的工作上明显更强”。结论是：范围明确、量大的工作以及子 agent 交给 Sonnet 5.5，effort 设在 low 到 high。长时程、开放式任务值得为 Opus 5.5 付费；当你打算把 Sonnet 推到 xhigh 或 max 时也该选它，因为 Opus 在 medium 或 high 下往往能以相近甚至更低的成本拿到更高分数。

要单独了解每个模型，可分别参见《什么是 Claude Sonnet 5.5》和《什么是 Claude Opus 5.5》。最后一节介绍如何在 Apifox 中用你自己的提示词测试这两个模型。

规格与价格对比

有三行最关键：

• 缓存读取价格相同，因此在缓存密集的 agent 循环中，差距主要来自输出和缓存写入。《Claude Sonnet 5.5 定价》里有详细计算。两个模型都不收取长上下文附加费。
• 默认 effort 不同。用默认设置做测试，就是让 Sonnet 的 high 对 Opus 的 medium，而这正是 Opus 往往胜出的组合。
• 快速模式只有 Opus 有（文档）。Anthropic 称 Sonnet 5.5 的输出生成速度比 Sonnet 5 快 30% 以上。

基准测试：发布表上很接近，系统卡上差距更大

第 1 到第 8 行来自 Anthropic 的发布表，其余来自系统卡。FrontierCode 由 Cognition 跑，CursorBench 由 Cursor 跑，AutomationBench 由 Zapier 跑，GDPval-AA 和 AA-Briefcase 由 Artificial Analysis（AA）跑，其余由 Anthropic 跑。除特别注明外，Sonnet 均处于 max effort。

发布表是经过美化的切面：除 Terminal-Bench 之外，Opus 在各项百分比行上领先 1.7 到 3.2 个百分点（把 Sonnet 的 xhigh FrontierCode 成绩也算进去）。系统卡上的五行把差距拉大到 5.2 到 11.5 个百分点：SWE-Bench Pro、SWE-Bench Multimodal、不带工具的 HLE、严格模式 OSWorld 以及长上下文 ProgramBench。长时程、无辅助的整任务型工作，正是 Opus 保持领先的地方。

Terminal-Bench 4.0 的胜出要谨慎解读：系统卡第 8.5 节指出，安全防护回退影响了 10% 的 Opus 试验，而 Sonnet 只有 1.5%；AA 自己跑出的 Sonnet 5.5 成绩为 63.6%。详见《Claude Sonnet 5.5 基准测试》。

effort 决定胜负

发布表比较的是每个模型的最佳设置，你的账单却不是。Anthropic 的发布页画出了每个 effort 档位，并附上每次尝试或每个任务的成本：

这说明：

• Opus 的 medium 常常胜过 Sonnet 的 high。Terminal-Bench 4.0：Opus 得 57.6%，每次尝试 $2.94；Sonnet 得 43.0%，$1.94。
• 不到 max 的 Opus 能用更少的钱胜过 Sonnet 的最佳表现。CursorBench：Opus 的 high（56.0%，$3.97）对 Sonnet 的 max（55.5%，$9.67）。FrontierCode：Opus 的 medium（54.6%，$0.80）对 Sonnet 的最佳（52.1%，$1.59）。
• Sonnet 的 max 可能比 Opus 的 max 更贵：在 AA-Briefcase 上是 $29.19 对 $21.05，得分却更低。Anthropic 的脚注说，在 FrontierCode 上 Sonnet 的 max 得分低于它的 xhigh 得分，是因为它把任务分发给了审查子 agent。
• 曲线的下端属于 Sonnet。在每张图上，它的 low 档都低于 Opus 最便宜的那个点。

token 单价减半不等于单任务成本减半：随着 effort 抬升，Sonnet 消耗的 token 更多。按 OfficeChai 转述的 AA 数据，Sonnet 5.5 在 max 下每个索引任务输出约 193,000 token，比 Opus 5.5 多约 60%。

这正是 Hacker News 讨论帖 里的主要争论：许多评论者认为这些图说明，低 effort 的 Opus 能追平、甚至以更低成本压过 high 或 xhigh 的 Sonnet，于是 Sonnet 的定位就落在 low 或 medium effort，以及作为 Opus 编排下的子 agent。

Anthropic 的提示词指南称 Sonnet 5.5 的 effort 已重新校准：从 high 起步（规格明确的 agentic 编码用 medium），把 xhigh 和 max 留给能实测到收益的场景。在请求之间改变顶层 effort 会让提示词缓存失效，因此应按工作负载单独设置（API 指南）。

安全与行为差异

提示注入的结果出现分化。在 Gray Swan 的间接提示注入基准上，Sonnet 5.5 在 15 次尝试下的攻击成功率为 3.4%（Sonnet 5 为 6.7%）：抗性不如 Opus 5.5，但强于所有被测的非 Claude 模型，在 GUI 计算机使用场景中最弱（12.5%）。面对 Shade 的自适应攻击者，Sonnet 在编码上胜过 Opus（无防护时 3.01% 对 54.61%，开启探测时 2.63% 对 11.13%），在计算机使用上打平（0.07%）；在浏览器使用上，它是 Anthropic 评估过的第一个没有任何成功攻击的模型。参见《Opus 5.5 与提示注入》。

两个模型都带网络防护，Sonnet 5.5 是首个获得该防护的 Sonnet。被标记为高风险的网络任务会回退到 Sonnet 5：在 Anthropic 自家应用中是自动回退，在 API 上则需你主动选择（fallbacks: "default"，beta）。系统卡警告说，即使是无害的安全工作也可能出现更多拒答。

系统卡还发现，Sonnet 5.5 在压力下比 Opus 5.5 更诚实，但更容易产生幻觉。

在同一系统中混用 Sonnet 5.5 与 Opus 5.5

要两者兼得，一种做法是：Opus 做规划，Sonnet 做执行。有三点机制需要注意。

思考块不互通。Sonnet 5.5 会丢弃 Opus 5 和 Opus 5.5 的思考块（不计费，请求仍返回 200），而且思考块与模型、会话和账户绑定。在对话中途切换模型，推理内容就没了，所以要靠文本交接：Opus 把计划写成一条消息，Sonnet 从这条消息开始（迁移指南）。

advisor 工具接受 Opus 5.5 作为 Sonnet 5.5 执行者的顾问；建议以 advisor_redacted_result 加密返回。

Claude Code 有 opusplan：规划模式用 Opus，执行用 Sonnet。sonnet 别名只有在 Anthropic API（v2.1.284 或更高版本）上才代表 Sonnet 5.5，因此在 Bedrock、Google Cloud 和 Foundry 上，opusplan 的执行用的是较旧的 Sonnet。参见《Claude Code 中的 Claude Sonnet 5.5》。

GPT-6 Sol 处在什么位置

GPT-6 Sol 与 Sonnet 5.5 同为 $2/$10 的标价，缓存读取 $0.20（便宜 90%），上下文窗口 872k。Anthropic 的表给了 Sol 四格：FrontierCode 49.3%、GDPval-AA 1487、AA-Briefcase 1483，以及不带工具的 Chartography 53.6%。一条脚注称，OpenAI 最近修复了 Sol 的图像理解 bug，AA 和 Surge AI 的分数可能还没反映这一点。

按基准不同，单任务成本会发生反转。在 AA-Briefcase 的 max 档，Sol 每个任务 $2.67，Sonnet 是 $29.19，得分 1483 对 1811。在 FrontierCode 上，Sonnet 的 high 追平 Sol 的最佳（49.4% 对 49.3%），价格为 $0.42 对 $2.07。参见《GPT-6 Sol 与 Claude Opus 5.5》和《什么是 GPT-6 Sol》。

哪种工作负载用哪个模型

用自己的流量测试两个模型

上面每张图都来自别人的测试框架，而不是你的提示词、工具或 token 构成。先从数据指出的这组搭配开始：

ask() {
  curl -s https://api.anthropic.com/v1/messages \
    -H "x-api-key: $ANTHROPIC_API_KEY" \
    -H "anthropic-version: 2023-06-01" \
    -H "content-type: application/json" \
    -d '{"model":"'"$1"'","max_tokens":16000,
         "output_config":{"effort":"'"$2"'"},
         "messages":[{"role":"user","content":"Review this diff and list each bug as JSON: ..."}]}' \
  | jq '{model, stop_reason, usage}'
}
ask claude-sonnet-5-5 high
ask claude-opus-5-5 medium

在 Apifox 中把它变得可重复：一个请求发到 https://api.anthropic.com/v1/messages，把 ANTHROPIC_API_KEY 设为环境变量，并在 body 中使用 {{model}} 和 {{effort}}。为每种搭配复制一份，再加一个后置操作，让每次运行都校验同样的内容：

const body = pm.response.json();
pm.test("finished cleanly", () => {
  pm.expect(body.stop_reason).to.not.be.oneOf(["max_tokens", "refusal"]);
});
pm.test("stays inside the token budget", () => {
  pm.expect(body.usage.output_tokens).to.be.below(8000);
});

每对组合跑 10 到 20 次，比较 usage、响应时间和通过率；token 数乘以标价就是你的真实单任务成本。更多内容见《如何测试 LLM 应用》。

常见问题

Claude Sonnet 5.5 比 Opus 5.5 更好吗？在大多数行上不是。除 Terminal-Bench 4.0 和 GDPval-AA 上的接近打平外，Opus 5.5 在发布表中全面领先。上一代的对比见《Claude Opus 5 与 Sonnet 5》。

Sonnet 5.5 的成本是 Opus 5.5 的一半吗？按 token 算是。按任务算则取决于 effort：在 max 档，Sonnet 在 AA-Briefcase 上更贵（$29.19 对 $21.05）。

可以在对话中途切换模型吗？可以，但 Sonnet 5.5 会丢弃 Opus 5.5 的思考块，所以要用文本传递状态。

在 $2/$10 这一档，选 Sonnet 5.5 还是 GPT-6 Sol？四个共同行上，Sonnet 在最佳设置下全部领先；Sol 的单任务成本可能低得多。两个都测一下。

下一步

用 high 把两个最贵的提示词跑一遍 Sonnet 5.5，再用 medium 跑一遍 Opus 5.5，在改动路由规则之前比较通过率和单任务成本。

HiFox：将 Agent 变成真正的队友

另外，我们也在思考，AI 如何从个人提效走进团队协作。

HiFox 是一个让人和 AI Agent 在同一个工作现场协作的平台：你可以像给同事分派任务一样指派 Agent，在任务看板中跟踪进度、查看结果，让 Agent 成为团队里的队友。

👉 立即体验 HiFox：https://hifox.com

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，
欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。