Claude Sonnet 5.5 對比 Opus 5.5：價格、效能測試與實際測試
Sonnet 5.5 與 Opus 5.5 同屬 Claude 5.5 世代，但兩者的定價與定位各不相同。本次比較讓兩者執行相同的五個指令，並回報路線實際返回的結果。.
兩者之間的差距主要在於成本與速度。. 在這組包含五個提示的測試中，Sonnet 5.5 不僅完成速度更快、使用的輸出標記更少，且產出的算術請求成本估算值也較低。Opus 5.5 則消耗了更多標記和時間，而其答案往往更為冗長。任務卡顯示了這些額外文字在哪些地方改變了有用的結果，以及兩款模型在哪些情況下僅是通過測試。.
提示、請求上限、工作量設定、終點以及「每種模型執行一次」的設計，均維持與先前版本一致 Claude Opus 5.5 評測.
快速回答
- 本次配對跑的配速： Sonnet 5.5 在本地環境中於 31.930 秒內完成了五個連續的請求；Opus 5.5 則花了 47.725 秒。.
- 路由回報的輸出標記： Sonnet 5.5 使用了 2,686；Opus 5.5 使用了 3,952。思考場分別為 987 和 2,214。.
- 根據算術方法估算的建議零售價： 五筆 Sonnet 請求的總金額約為 $0.02826；五筆 Opus 請求的總金額約為 $0.08184，此計算採用官方標準代幣匯率，且不包含快取、點數、稅金及加價。.
- 任務結果： 兩款模型均通過了資料擷取、JSON 及數學題目的測試。Sonnet 在維持要求的兩段式中文格式方面表現得更為簡潔；兩者的程式碼輸出結果雖皆可實際運用，但在深度與邊界情況的說明上則有所差異。.
- API 遷移： 思考無法被禁用；強迫選擇工具的做法將被拒絕，且代幣預算包含思考。請檢查 遷移注意事項 在切換之前。.
- 決策邊界： 這代表每項任務透過第三方路徑執行一次。其測量對象為觀察到的提示回應、本機實際執行時間，以及路徑回報的使用狀況——並非一項通用的效能評分。.
官方售價與車款規格
Anthropic 目前的模型卡清單中，同時列出了具備 1M 代幣上下文視窗及 128K 最大輸出量的兩種模型。Sonnet 5.5 被標示為 快速 需投入大量精力；Opus 5.5 標示為 適度 以中等預設投入為基準。根據標準代幣匯率，Sonnet 5.5 的輸入與輸出價格均為 Opus 5.5 的半價。.
| 模型 | API 識別碼 | 官方延遲標籤 | 輸入／輸出 | 上下文／最大輸出 | 預設的努力程度 | 快取讀取 |
|---|---|---|---|---|---|---|
| Claude Sonnet 5.5 | 克勞德-十四行詩-5-5 | 活躍 · 快速 | 每 MTok 為 $2 / $10 | 1M / 128K | 高 | $0.20 / MTok |
| Claude Opus 5.5 | 克勞德作品第5號第5首 | 活躍 · 中等 | $4 / $20 每 MTok | 1M / 128K | 中型 | $0.20 / MTok |
以一個簡單的未快取範例來說，若輸入 100,000 個音節且輸出 20,000 個音節，所列出的音節速率在 Sonnet 5.5 上約為 $0.40，而在 Opus 5.5 上則為 $0.80。 請參閱 Claude 定價與限額指南 用於計畫背景。.
官方基準測試背景
Anthropic’s Sonnet 5.5 公告 將這兩種模式都納入同一張由服務提供者填報的表格中。其列的排列方式會根據基準與工作量設定而有所不同。.
| Anthropic 所報告的基準值 | Sonnet 5.5 | 作品第 5.5 號 | 度量 |
|---|---|---|---|
| Terminal-Bench 4.0 | 70.6% | 66.4%¹ | 主體終端編碼 |
| FrontierCode v1.1 (主分支) | 46.2% Max² / 52.1% Xhigh | 54.4% | 程式碼變更是否會被合併 |
| CursorBench 4.0 | 55.5% | 57.8% | 含糊的多檔案編碼任務 |
| GDPval-AA v2.1 | 1844 | 1846 | 各職業領域中的知識型工作 |
| 人類的最終考驗 | 64.5%（含工具） | 67.7%（含工具） | 跨領域推理 |
| OSWorld 2.1 | 80.1% 部分 | 81.8% 部分 | 電腦使用任務 |
| 製圖學 | 61.6% 無需工具 | 64.4% 無需工具 | 圖表視覺辨識 |
¹ Opus 5.5 Terminal-Bench 採用 xhigh 運算強度；² Sonnet 5.5 FrontierCode 在 Max 模式下為 46.2%，在 Xhigh 運算強度下為 52.1%。 OSWorld 的數值標示為「部分」。這些屬於服務供應商環境下的數據，並非在相同工作負載下獨立重新執行的結果。.
同一提示詞的 API 方法
每個模型都透過……收到了相同的五個提示 文章連結 https://anywhere.broly.ai/v1/messages. 客戶傳送了一則使用者訊息，, max_tokens：8192, output_config.effort: high, ，且無需任何工具。每個請求都返回 HTTP 200 狀態碼，並且 回合結束.
此測試方法遵循更廣泛的 GlobalGPT 模型測試工作流程. 另一份 Claude API 指南 涵蓋了請求設定與代幣計帳。.
時間、代幣及預估費用
| 路線 | 當地時間五局 | 輸入代幣 | 輸出標記 | 報導中的想法 | 預估請求費用* |
|---|---|---|---|---|---|
| Claude Sonnet 5.5 | 31.930 秒 | 700 | 2,686 | 987 | $0.02826 |
| Claude Opus 5.5 | 47.725 秒 | 700 | 3,952 | 2,214 | $0.08184 |
* 根據路線回報的代幣數量及官方標準費率估算。在此批次中，Sonnet 5.5 的本地耗時比基準值低 33.1%，產出代幣數比基準值低 32.0%。.
五張配對任務卡
每張卡片會將任務、觀察記錄、當地時間、路線通報代幣、狀態及邊界資訊整合在一起。.
這些模型能否修復混合型重複資料刪除功能？
任務設定： 該提示語的原文是從之前的 Claude Opus 5.5 評測 測試套裝。.
| 模型 | 時間／路線使用情況 | 簡短結果標籤 |
|---|---|---|
| Claude Sonnet 5.5 | 8.679 秒 145 輸入 / 830 輸出 0 則思考 HTTP 200 · 回合結束 | 修正了函數及兩道習題；說明內容更簡短。. |
| Claude Opus 5.5 | 15.844 秒 145 輸入 / 1478 輸出 700 種思考方式 HTTP 200 · 回合結束 | 修正了函數並新增兩項測試；對邊界情況進行了更深入的探討。. |
觀察到的比較： 兩者都回傳了一個經修正的函式和兩項測試。Sonnet 5.5 使用了帶有類型標籤的鍵，, casefold(), ，而在較短的回應中則採用清單作為備用方案；Opus 5.5 則耗費更多輸出標記來闡述額外的邊緣案例。這兩次執行結果均未能確立一個通用的編碼勝出者。.
邊界： 單一的小型 Python 修補程式僅能檢查具體的邊界案例，而無法確保跨儲存庫或工具驅動編碼的可靠性。.
這些模型能否在不增添任何主張的情況下，保留所提供的五項事實？
任務設定： 該提示語的原文是從之前的 Claude Opus 5.5 評測 測試套裝。.
| 模型 | 時間／路線使用情況 | 簡短結果標籤 |
|---|---|---|
| Claude Sonnet 5.5 | 3.569 秒 210 輸入 / 209 輸出 0 則思考 HTTP 200 · 回合結束 | 五個編號的要點；保留原始事實。. |
| Claude Opus 5.5 | 4.374 秒 210 輸入 / 312 輸出 101種思考方式 HTTP 200 · 回合結束 | 五個編號的要點；保留原始事實。. |
觀察到的比較： 兩者都精確地回傳了五則編號的要點，並完全符合給定的事實。Sonnet 5.5 產出了 209 個輸出標記，而 Opus 5.5 則產出了 312 個，但前者是基於一篇簡短筆記，而非大篇幅的輸入內容。.
邊界： 這是一項基於實際環境的擷取與格式檢查；這並不代表百萬個標記的語境處理效能。.
這些模型能否回傳與請求結構完全一致的結果？
任務設定： 該提示語的原文是從之前的 Claude Opus 5.5 評測 測試套裝。.
| 模型 | 時間／路線使用情況 | 簡短結果標籤 |
|---|---|---|
| Claude Sonnet 5.5 | 5.052 秒 128 輸入 / 260 輸出 0 則思考 HTTP 200 · 回合結束 | 可解析的 JSON；包含請求的鍵與項目數量。. |
| Claude Opus 5.5 | 8.276 秒 128 輸入 / 622 輸出 390 種思考方式 HTTP 200 · 回合結束 | 可解析的 JSON；包含請求的鍵與項目數量。. |
觀察到的比較： 兩者皆回傳了包含所請求鍵值且可解析的 JSON 資料，並各有兩項優點與兩項缺點。Sonnet 5.5 的輸出更為簡潔，僅有 260 個輸出標記；這些字串描述的是一項虛構的評論設定，並非產品事實。.
邊界： 僅執行一次此模式測試，並不足以評估在工具呼叫或長時間對話中結構化輸出的可靠性。.
這些模型能否將這組循環的批次序列一路推導至最終答案呢？
任務設定： 該提示語的原文是從之前的 Claude Opus 5.5 評測 測試套裝。.
| 模型 | 時間／路線使用情況 | 簡短結果標籤 |
|---|---|---|
| Claude Sonnet 5.5 | 2.947 秒 89 個輸入 / 163 個輸出 0 則思考 HTTP 200 · 回合結束 | 正確答案：67；最終答案應單獨佔一行。. |
| Claude Opus 5.5 | 3.830 秒 89 輸入 / 257 輸出 74 種思考方式 HTTP 200 · 回合結束 | 正確答案：67；最終答案應單獨佔一行。. |
觀察到的比較： 兩者皆計算出 67，並將最終答案單獨列於一行。Sonnet 5.5 產出了 163 個輸出標記，而 Opus 5.5 則為 257 個；在此提示下，兩者未觀察到正確性上的差異。.
邊界： 單一算術數列無法用來評估廣泛推理的可靠性。.
這條路線能否維持所要求的兩段式結構？
任務設定： 該提示語的原文是從之前的 Claude Opus 5.5 評測 測試套裝。.
| 模型 | 時間／路線使用情況 | 簡短結果標籤 |
|---|---|---|
| Claude Sonnet 5.5 | 11.683 秒 128 輸入 / 1224 輸出 987 思考 HTTP 200 · 回合結束 | 兩段中文；無額外框架。. |
| Claude Opus 5.5 | 15.401 秒 128 輸入 / 1283 輸出 949 思考 HTTP 200 · 回合結束 | 已涵蓋相關要點；新增了 Markdown 格式及英文註解。. |
觀察到的比較： Sonnet 5.5 回傳了所要求的兩段中文內容，未附加額外標籤。Opus 5.5 同樣涵蓋了所要求的要點，但添加了 Markdown 標籤及一段英文註解。此記錄僅針對單次執行路徑的格式，而非整體中文品質。.
邊界： 該提示要求撰寫關於《Opus 5.5》的開場白，因此該文本本身並非中立語言的基準。.
API 與遷移注意事項
Sonnet 5.5 預設會執行適應性思考；若設定 thinking: disabled，則會回傳 400 錯誤，且 max_tokens 包含思考及回應文字的總量。強制設定 tool_choice any/tool 將被拒絕。請依類型解析內容區塊，並在切換前重新設定代碼預算基準。.
證據所支持的內容
任務層級的裁決
Sonnet 5.5： 在這條航線上，測量出的成本和時間均較低，且在中國任務中完全符合格式規範。.
作品第 5.5 號： 在此處價格更高且範圍更廣；在數項開放式任務中，官方基準測試結果仍保持領先。.
利用任務層級的證據來選擇一個起點，然後驗證對您而言重要的工作量。.
有關相關背景，請參閱 Claude 系列產品比較, 《Opus 5》評測, 以及 Fable 5.1 評論.
常見問題
在對比測試中，哪一款機型的速度較快？
在五次連續請求中，Sonnet 5.5 的本地總延遲較低：31.930 秒，而 Opus 5.5 則為 47.725 秒。此數值已包含此處使用的路由與網路路徑，因此並非來自服務供應商端的延遲。.
哪個模型產出的標記數量較少？
Sonnet 5.5 在五項任務中共使用了 2,686 個路徑報告的輸出標記，而 Opus 5.5 則為 3,952 個。僅憑標記數量並不能證明答案的品質。.
在這次測試中，哪一款車型更便宜？
根據官方標準 API 費率及回傳的輸入／輸出次數，這五筆 Sonnet 5.5 請求的估算總額為 $0.02826，而 Opus 5.5 則為 $0.08184。 此計算未包含快取費用、平台抵免額、稅金及加價。.
Sonnet 5.5 在每項基準測試中都比 Opus 5.5 表現更好嗎？
Anthropic 的專屬表格中，各項成績因基準測試與運算強度設定而有所差異： Sonnet 5.5 在 Terminal-Bench 4.0 上的表現更佳，而 Opus 5.5 則在 FrontierCode、CursorBench、GDPval-AA、Humanity’s Last Exam、OSWorld 及 Chartography 上的表現更佳。這些均為供應商提供的測試結果，並非經獨立重新測試所得。.
Sonnet 5.5 是否為可直接替換的 API？
不。遷移指南指出，預設情況下「thinking」會自動執行；若將「thinking」設為「disabled」，將會返回 400 錯誤；強制設定工具選擇為「any/tool」將被拒絕；且客戶端應根據類型解析內容區塊。切換前，請重新建立標記預算和工具迴圈的基準。.
這是一項長文脈標竿測試嗎？
不。萃取提示中包含一段簡短的文字。它會檢查事實依據與格式是否正確；但不會評估在文檔中記載的 100 萬個標記上下文視窗範圍內的行為。.
