Claude Sonnet 5：比旗舰模型更便宜，但需要你自己管理成本
Anthropic 的中端模型如今在大多数基准测试中已可媲美旗舰模型——前提是你得把控好思考强度（effort level）。
Claude Sonnet 5：让你必须主动管理成本的"比旗舰便宜"模型
Claude Sonnet 5 是 Anthropic 历史上第一款在大多数智能基准测试中真正能与旗舰模型一较高下的中端模型——但成本优势只有在你主动管理其 effort（推理强度）等级时才会体现出来。忽略这一点，你在单个任务上花的钱可能比用 Opus 4.8 还多。
Claude Sonnet 5 于 2026 年 6 月 30 日发布，代表着 Anthropic 产品线的一个真正的转折点。这并不是因为它取代了 Opus 4.8 成为绝对最强的模型——严格来说并没有——而是因为在广泛的实际 agentic（智能体式）工作场景中，它以大约低 40% 的单 token 成本，提供了可比的智能水平。问题在于，Sonnet 5 出厂时默认始终开启自适应思考（adaptive thinking），并采用了一种新的分词器（tokenizer），会为每个任务生成更多 token。如果配置不当，这可能会彻底颠覆成本方程式。
本文不只是罗列参数表：如何在实际场景中看待 Sonnet 5、它真正适合用在什么地方、什么时候不适合，以及"effort 等级陷阱"在实践中到底意味着什么。
Claude Sonnet 5 是什么？
Claude Sonnet 5（claude-sonnet-5）是 Anthropic 于 2026 年 6 月 30 日发布的中端模型，是 Claude Sonnet 4.6 的继任者。它在当前产品家族中位列第三：
Fable 5 > Opus 4.8 > Sonnet 5 > Haiku 4.5
Anthropic 的定位是刻意为之的："性能接近 Opus 4.8，但价格更低。"基准测试数据在很大程度上印证了这一点——在部分评测中，Sonnet 5 甚至与旗舰模型持平，或略微反超。100 万 token 的上下文窗口、自适应思考，以及强大的 agentic 工具使用能力，让它与前代产品截然不同。
基准测试：Sonnet 5 实际处于什么水平
Anthropic 模型总览中的核心数据值得仔细阅读，因为故事并不是"Sonnet 5 几乎和 Opus 4.8 一样好"这么简单——实际情况要更微妙。
| 基准测试 | Sonnet 4.6 | Sonnet 5 | Opus 4.8 |
|---|---|---|---|
| SWE-bench Verified | 79.6% | 85.2% | 88.6% |
| SWE-bench Pro | — | 63.2% | — |
| FrontierCode | 15.1% | 38.8% | — |
| Terminal-Bench 2.1 | — | 80.4% | ~82.7%* |
| GDPval-AA（知识型工作 Elo 分） | — | 1618 | 1615（≈持平） |
| Humanity's Last Exam（含工具调用） | — | 57.4% | ~57.9%（接近持平） |
Opus 4.8 在 Terminal-Bench 2.1 上的得分因测试框架不同，报告范围从约 74.6% 到 82.7% 不等，因此两者最好被理解为水平相当，而非一方明显胜出。
FrontierCode 的数据最为惊人：Sonnet 5 的得分是 Sonnet 4.6 的两倍以上（15.1% → 38.8%）。这不是渐进式的进步，而是在复杂代码生成能力上的质变。在 GDPval-AA 上——该指标衡量的是定义现代 agentic 工作流的那种多步骤、依赖判断力的知识型工作——Sonnet 5（1618）与 Opus 4.8（1615）持平，而在 Terminal-Bench 2.1 上，它也是与旗舰模型旗鼓相当，而非明显落后。
Artificial Analysis 的独立评测将 Sonnet 5 的智能指数（Intelligence Index）定为 53 分，总排名第 5。他们更重要的发现是：单任务成本约为 2.29 美元，在同等任务上实际上比 Opus 4.8 贵约 15%。我们稍后会回到这一点，因为它至关重要。
Sonnet 5 在大多数基准测试上缩小了与旗舰模型的差距，并在终端任务和知识型工作基准上与 Opus 4.8 持平。FrontierCode 相较 Sonnet 4.6 展现出最显著的提升。
改变一切的功能：自适应思考
此前所有 Anthropic 模型都把扩展思考（extended thinking）当作一个可选功能。Sonnet 5 将其变为强制性功能。自适应思考始终开启，你可以通过五个 effort（推理强度）等级来控制其深度：
- low（低）——推理最少，速度最快，成本最低
- medium（中）——轻度推理
- high（高）（默认）——大多数基准测试使用的设置
- xhigh（超高）——深度推理，输出 token 显著增加
- max（最大）——最大推理预算
这一设计决策正是成本管理挑战的核心。在 high（默认）等级下，按 9 月标准定价每百万输入 token 3 美元、每百万输出 token 15 美元计算，Sonnet 5 在大多数任务上明显比 Opus 4.8（5 美元/25 美元）便宜。但在 xhigh 或 max 等级下，输出 token 会大幅增加——再加上新的分词器（与 Opus 4.7、4.8 及 Fable 5 共用）相比旧分词器会多生成约 1.0–1.35 倍的 token，你就可能看到一次 Sonnet 5 任务的成本超过等效的 Opus 4.8 调用。
Zapier 的工程团队指出了一个有趣的现象：在 low 推理强度下，Sonnet 5 已经胜过任何推理强度下的 Sonnet 4.6，且成本更低。这就是"廉价主力"的应用场景。简单的检索、摘要、轻量分类、路由任务——在 Sonnet 5 上使用 low 强度，正成为注重成本的开发者的新默认选择。
真实的成本情况：入门期与之后的定价
定价分为两个阶段：
| 时期 | 输入 | 输出 | 备注 |
|---|---|---|---|
| 入门期（截至 2026 年 8 月 31 日） | 每百万 token 2 美元 | 每百万 token 10 美元 | 抓紧这个窗口期 |
| 标准期（自 2026 年 9 月 1 日起） | 每百万 token 3 美元 | 每百万 token 15 美元 | 标准档位 |
| 提示缓存读取 | 最高优惠 90% | 最高优惠 90% | 对重复上下文非常有效 |
| Batch API | 优惠 50% | 优惠 50% | 测试版支持 30 万输出上下文 |
入门期很关键。目前在 Sonnet 5 上运行的 agentic 工作负载成本为每百万 2 美元/10 美元——比标准定价便宜 33%。如果你正在构建一条流水线，现在正是以较低边际成本测试和优化的时机，赶在 9 月的定价生效之前。Anthropic 的 Sonnet 页面有最新的定价详情。
一个被低估的功能是：最高 90% 优惠的提示缓存，让 Sonnet 5 在那种反复读取同一代码库、文档集或工具 schema 的长上下文 agentic 工作中表现极为高效。对于这类使用模式，实际成本可能远低于表面数字。
Sonnet 5 vs. Opus 4.8 vs. Haiku 4.5：一个真实的决策框架
"困难任务用旗舰模型、中等任务用中端模型、简单任务用小模型"这种标准建议，在 Sonnet 5 面前失效了。基准数据要求更细致的判断。
Sonnet 5 明显是正确选择的场景
Agentic 编程与终端任务。 Sonnet 5 在 Terminal-Bench 2.1 上得分 80.4%——与 Opus 4.8 持平而非明显落后——其 FrontierCode 得分比上一代高出一倍以上。对于那种编写、运行、检查输出、迭代的端到端编程智能体——如今定义了生产级 AI 工作流的那种任务——Sonnet 5 表现稳健。Zapier 团队特别强调，一些以前"会卡住"的 agentic 任务现在能端到端完成。据报道，它还"会在没人要求的情况下自行检查自己的输出"，从而减少了对显式验证循环的需求。
知识型工作与研究流水线。 GDPval-AA 的 Elo 分 1618（对比 Opus 4.8 的 1615）基本上是统计意义上的平局——重点在于，Sonnet 5 在省钱的同时几乎没有牺牲知识型工作的质量。对于研究摘要、文档处理以及在长上下文上进行的多步推理——尤其是借助 100 万 token 的上下文窗口——high 强度下的 Sonnet 5 完全能与旗舰模型抗衡。
任何需要 100 万 token 上下文窗口的场景。 Sonnet 5 和 Opus 4.8 都提供 100 万 token 的上下文。但按 Sonnet 5 的定价，运行一次 50 万 token 的代码库分析，单次调用成本要低得多。
大规模 API 生产环境。 按标准定价，Sonnet 5 每 token 成本比 Opus 4.8 低 40%。在规模化场景下，这种差异会迅速累积。
Opus 4.8 仍然值得使用的场景
输出质量的方差比平均质量更重要的任务。 SWE-bench Verified 的差距（85.2% 对 88.6%）是 3.4 个百分点。在实践中，这意味着 Opus 4.8 在困难编程任务上答对的比例更高。对于不可逆的操作、合规敏感的工作流，或答错代价高于 API 差价的任务，值得为旗舰模型付费。
需要保证性能上限的场景。 Sonnet 5 平均水平可与 Opus 4.8 匹敌——但 Opus 4.8 更稳定地处于其性能区间的顶端。如果你在做一次性的关键分析，且难以轻易迭代，Opus 4.8 仍然更有优势。
Haiku 4.5 是显而易见答案的场景
路由、分类、轻量摘要、简单问答，以及在单次用户会话中运行 50 次以上的任务。Claude Haiku 4.5 定价每百万 1 美元/5 美元，对这些场景来说能力完全够用，而 low 强度下的 Sonnet 5 对简单任务而言，并不值得多付出 3 倍的价格。构建一个路由层——用 Haiku 处理大批量任务、Sonnet 5 处理中等复杂度任务、Opus 4.8 处理困难任务——相比单一模型方案，能大幅削减成本。
Effort 等级成本陷阱
这是 Sonnet 5 故事中大多数报道完全忽略的部分。
自适应思考始终开启。在 max 强度下，Sonnet 5 生成的输出 token 很容易达到 low 强度下同一任务的 2 到 3 倍。再加上新分词器带来的相对旧模型 1.0–1.35 倍的 token 膨胀，如果开发者以默认（或 high）强度将 Sonnet 5 部署到生产流水线中，却不去衡量实际的 token 数量，很可能最终每个任务的花费会超过使用更低强度设置的 Opus 4.8。
Artificial Analysis 通过实证证实了这一点：在他们的 agentic 基准测试套件中，Sonnet 5 每任务成本约为 2.29 美元，比 Opus 4.8 高出约 15%。这乍看之下有点反直觉——更便宜的模型怎么会单任务成本更高？答案在于推理带来的 token 膨胀：high 默认强度意味着 Sonnet 5 会在思考上消耗 Opus 4.8 不需要消耗的 token（或者说 Opus 4.8 是隐式完成这些推理，而不会生成那么多推理 token）。
实践建议：
- 对不需要多步推理的任务，默认使用
low。 在low强度下，Sonnet 5 在大多数基准测试上仍然优于任何强度下的 Sonnet 4.6。 - 对推理质量至关重要的 agentic 任务，使用
high（默认）。 这是基准测试所使用的设置，也是与 Opus 4.8 的对比成立的前提。 - 将
xhigh/max保留给真正困难的问题——复杂调试、新颖研究、考试级别的推理。这些才是额外 token 支出真正划算的场景。 - 在上线生产环境之前，衡量每个任务的实际 token 数量。 新分词器意味着你基于 Sonnet 4.6 得出的成本估算会出现偏差。
对于在 Happycapy 或直接通过 API 构建产品的团队来说，这不是可有可无的自律——而是决定 Sonnet 5 究竟比 Opus 4.8 便宜 40%，还是实际上更贵的关键。在 happycapy.ai 免费开始，在真正投入某个配置之前，跨不同 effort 等级进行并排对比测试。
使用 Sonnet 5 的真实体验
claude.ai 网页应用目前已将 Sonnet 5 设为 Free 和 Pro 两个层级的默认模型。社区的初步反馈在能力方面总体积极——但也有一些值得注意的保留意见。
表现出色之处： Agentic 任务的持续执行能力是最常见的好评点。工程师们反映，那些在 Sonnet 4.6 中需要人工介入节点的多步骤任务，现在可以自主完成。该模型对输出结果的自我验证也更加可靠——运行一次测试、发现失败、修复代码、再重新运行，而无需被明确要求这样做。这减少了为 agentic 流水线编写脚手架代码的需求。
令人沮丧之处： 过度拒绝是网页界面中最主要的抱怨。一些用户将其描述为"多疑"的护栏机制，会拦截合理的创意或技术请求。值得注意的是，这种行为看起来更多是 claude.ai 系统提示词特有的问题，而非模型本身有文档记录的倒退——直接使用 API 的开发者反映的问题要少得多。相关地，一些用户觉得与早期 Sonnet 版本相比，该模型失去了一定程度的温度感或独特的"个性"。
Agentic 过度阅读的问题： Sonnet 5 在采取行动前倾向于阅读大量上下文——据一些报告称，简单问题也会阅读"数万行内容"——这一现象是真实存在的，且直接源于自适应思考的始终开启。该模型试图做到全面细致。在一个可以访问大型代码库的智能体中，这可能会迅速消耗 token。在工具层面限制上下文访问，比试图对抗模型的这种天然倾向更有效。
上下文窗口与技术规格
| 规格 | 数值 |
|---|---|
| 上下文窗口 | 1,000,000 tokens |
| 最大输出（标准） | 128,000 tokens |
| 最大输出（Batch API 测试版） | 300,000 tokens |
| 输入模态 | 文本 + 图像 |
| 输出模态 | 仅文本 |
| 知识截止日期 | 2026 年 1 月 |
| 自适应思考 | 始终开启（5 个等级） |
| API 标识符 | claude-sonnet-5 |
在当前产品阵容中，只有 Opus 4.8 能与 100 万 token 的上下文窗口匹敌。对于涉及完整代码库分析、长篇法律文件或多文档研究综合的应用场景，这一点意义重大——而按 Sonnet 5 的定价，大上下文调用要比等效的 Opus 4.8 调用便宜得多。
不支持音频输入或输出。仅支持文本和图像输入，文本输出。
可用渠道：在哪里可以运行 Sonnet 5
Sonnet 5 几乎在所有主要部署渠道中都可用：
- claude.ai——Free 和 Pro 层级的默认模型
- Anthropic API——模型 ID 为
claude-sonnet-5 - Claude Code——可作为编程智能体的后端使用
- AWS Bedrock——已在支持的区域部署
- Google Vertex AI——可通过 Vertex 模型库获取
- Microsoft Foundry——支持企业级部署
- Happycapy——Sonnet 5 是浏览器端沙盒中 150 多个可用模型之一
对于想在不管理 API 密钥或基础设施的情况下评估 Sonnet 5 与其他模型对比效果的开发者来说，Happycapy 这个角度值得一提。你可以在浏览器沙盒中，将 Sonnet 5 与 Opus 4.8、Haiku 4.5 及其他厂商的模型并排运行——全部支持工具调用、智能体流水线和文件访问。对于上文所述的 effort 等级测试而言，在真正投入生产配置之前，这种并排对比环境确实非常有用。
对于正在构建 Claude 原生应用的开发者，可参考 Claude Code SDK 和harness 工程指南 了解集成模式，并参考 agentic AI 与 AI agents 的区别 了解 Sonnet 5 在自主流水线中所处位置的概念性框架。
结论：性价比，经过管理的性价比
最贴切的概括是：Sonnet 5 在标准定价下，以大约低 40% 的单 token 成本，达到了与旗舰层级相当的水平。基准数据在大多数工作负载上都印证了这一点。但更重要的一句话来自 Artificial Analysis：如果不管理 effort 等级，实际单任务成本可能高于 Opus 4.8。
Sonnet 5 是第一个真正值得拿来与旗舰模型相提并论的 Sonnet——不是作为一种妥协，而是作为广泛实际工作的默认选择。对开发者而言，这意味着思维模型的转变：过去的难题是"选哪个模型？"，现在变成了"在哪种 effort 等级下选哪个模型，以及我的 token 监测是否真的告诉了我实情？"
这是一个更苛刻的问题。但这也说明，中端模型确实已经真正成熟了。
在 happycapy.ai 免费开始，在浏览器沙盒中将 Sonnet 5 与 150 多个其他模型并排运行，完整支持工具访问——无需 API 密钥。
关于当前一代编程导向模型的对比，请参阅我们的 最佳 AI 编程智能体 指南以及 Claude Code 对比 Cursor 的详细分析。
常见问题：Claude Sonnet 5
Claude Sonnet 5 是什么？
Claude Sonnet 5 是 Anthropic 于 2026 年 6 月 30 日发布的中端 AI 模型。它是 Anthropic 当前产品线中能力排名第三的模型（次于 Fable 5 和 Opus 4.8），拥有 100 万 token 的上下文窗口、始终开启的自适应思考，以及强大的 agentic 编程性能。API 标识符：claude-sonnet-5。
Claude Sonnet 5 与 Opus 4.8 相比如何？
在大多数基准测试中，Sonnet 5 都非常接近 Opus 4.8，并在终端任务和知识型工作 Elo 分上与之大致持平。Sonnet 5 的定价为每百万输入 token 3 美元、每百万输出 token 15 美元，相比之下 Opus 4.8 为 5 美元/25 美元。然而，Sonnet 5 始终开启的自适应思考可能使实际单任务成本高于预期——Artificial Analysis 测得每任务约 2.29 美元，由于推理带来的 token 输出，比 Opus 4.8 高出约 15%。在受控的 effort 等级下，Sonnet 5 对大多数生产工作负载而言是更划算的选择。
Claude Sonnet 5 的定价是多少？
截至 2026 年 8 月 31 日：每百万输入 token 2 美元，每百万输出 token 10 美元（入门定价）。自 2026 年 9 月 1 日起：每百万输入 3 美元，每百万输出 15 美元。提示缓存针对重复上下文最高可优惠 90%；Batch API（优惠 50%）在测试版中支持最多 30 万输出 token。
Claude Sonnet 5 可以免费使用吗？
可以——Claude Sonnet 5 是 claude.ai Free 层级的默认模型，因此你无需付费即可使用。免费层级有使用限额。在 Happycapy 上，你也可以用免费账户，在支持工具调用的浏览器沙盒中，将 Sonnet 5 与 150 多个其他模型一起运行。
Claude Sonnet 5 的上下文窗口是多少？
1,000,000 token（100 万）。标准 API 调用的最大输出为 128,000 token，通过 Batch API 测试版最多可达 300,000 token。
Claude Sonnet 5 与 Sonnet 4.6 相比如何？
各方面都有大幅提升。SWE-bench Verified 从 79.6% 提升到 85.2%。FrontierCode 提升了一倍以上（15.1% → 38.8%）。上下文窗口扩展到 100 万 token。自适应思考现在始终开启。值得注意的是，low 强度下的 Sonnet 5，在大多数任务上已经胜过任何强度下的 Sonnet 4.6——而且每 token 成本更低。
什么是自适应思考？我能在 Sonnet 5 中关闭它吗？
自适应思考是 Anthropic 的扩展内部推理功能——模型在回应之前会先对问题进行推理。在 Sonnet 5 中，该功能始终开启且无法关闭。你可以通过五个 effort 等级（low/medium/high/xhigh/max）来控制其深度，默认是 high。更高的 effort 等级会生成更多推理 token 并增加成本；对于简单直接的任务，low 强度是最具成本效益的设置。
Effort 等级是 Sonnet 5 中最主要的成本杠杆。在 low 强度下，它在成本和质量上都优于 Sonnet 4.6。在 xhigh/max 强度下，token 膨胀可能使单任务成本超过 Opus 4.8。
