Claude Sonnet 5 发布：跑分逼近 Opus，实际账单却比 Opus 还贵

Anthropic 正式推出 Claude Sonnet 5，定位为迄今为止「最能干活」的 Sonnet 版本，强调 Agent 能力与性价比。官方跑分显示，Sonnet 5 在多项基准上已逼近甚至追平自家旗舰 Opus 4.8，但标价仅为其六成左右，被业内称作「Opus 平替」。然而上线不到一天，开发者社区便发现这款「平替」在实际账单上反而比 Opus 还要贵，争议迅速发酵。

能力升级：Agent 跑分逼近 Opus 4.8

Sonnet 5 的核心升级方向是自主完成多步骤任务。模型可自行拆解目标、调用浏览器与终端等工具，在长链路工作流中持续执行，并在结束后主动检查输出结果，减少人工介入。

关键基准表现如下：

• SWE-bench Pro（Agentic Coding）：Sonnet 5 拿下 63.2%，较上一代 Sonnet 4.6 的 58.1% 提升约 5 个百分点，与 Opus 4.8 的 69.2% 仅差 6 分。
• OSWorld-Verified（Computer Use）：Sonnet 5 达 81.2%，Opus 4.8 为 83.4%，差距缩小到 2.2 个百分点。
• GDPval-AA v2（知识工作）：Sonnet 5 得分 1618，反超 Opus 4.8 的 1615 分。

AI 编程平台 Factory 与自动化平台 Zapier 的早期用户反馈印证了这一能力跃迁：Factory 工程师 Zimu Li 表示，Sonnet 5 能在复杂技术环境中持续编码与排障；Zapier 工程师 Daniel Shepard 则展示了「先更新 Salesforce 账户等级、再发产品上线邮件」的两段式任务，Sonnet 5 一次跑完，中间无需人工接管。

配套的安全评估也同步改善，Sonnet 5 在幻觉率、谄媚倾向与提示词注入抗性上均优于 Sonnet 4.6。

标价「不变」，账单暗涨

从官方价目表看，Sonnet 5 的输入/输出单价维持在每百万 Token 3/15 美元，与 Sonnet 4.6 一字不差，相较 Opus 4.8 的 5/25 美元便宜约四成；叠加 8 月底前的限时优惠，最低可达 Opus 的四成。

但开发者 Simon Willison 通过 Token 计数工具实测发现，新模型换用了分词器，同样的文本被切成了更多 Token：

• 英文文档：Token 数从 2356 涨至 3341，增幅约 42%。
• 西班牙语文档：增幅约 33%。
• 4279 行 Python 代码：Token 数从 44014 涨至 56118，增幅约 27%。
• 简体中文文档：从 3334 涨至 3360，几乎持平。

这意味着「单价不变」在事实层面没有说谎，但实际单次请求的总费用显著上升，不同语言之间的差异超过 40 个百分点。

反转：实际成本高于 Opus 4.8

更尴尬的是，当把 Token 消耗折算成实际支出后，Sonnet 5 在部分场景下的总花费反而超过了 Opus 4.8。

有开发者在 Artificial Analysis Intelligent Index 任务上做了对比：

• Opus 4.8 加权平均花费约 1.8 美元。
• Sonnet 5 同任务花费约 2.29 美元，多出约 27%。
• 同一任务下，Sonnet 5 消耗的 Token 数约为 Opus 的两倍。
• 跑完整个 Benchmark 后，Sonnet 5 的总开销甚至比 Fable 5 还高 6.8%。

换言之，标价表上 Sonnet 5 是「Opus 平替」，但账单上的 Sonnet 5 是「Opus 贵替」。这层差异能被发现，要归功于开发者手中的 Token 计数工具；普通用户大概率只会在月底模糊感叹「这个月怎么花得有点多」。

开发者如何应对

此次事件折射出大模型定价的两条路径。OpenAI 今年 4 月为 GPT-5.5 调价时选择直接翻倍，用户打开价格页即可看到变动；Anthropic 则在 Sonnet 5 上让标价一字未动，把涨幅藏进了分词器换代的技术细节里。

对计划迁移到 Sonnet 5 的工作流而言，更稳妥的做法是：先用 Token 计数工具针对自己的真实负载做一轮实测，估算实际成本，再决定是否切换。

此外，已有开发者指出，视线不必只盯着 Claude 一家。智谱 GLM-5.2 的性能与 Sonnet 5 相差无几，官方输入价格仅为其七成，输出价格更不到一半。换言之，与其在一把「换了刻度的尺子」上精打细算，不如重新审视同类替代品的价格曲线。