Anthropic 发布了 Claude Sonnet 5 标准定价约为 Opus 4.8 每token价格的60%，再加上截至2026年8月31日更低的 $2/$10 发布优惠价。这也让 Sonnet 5 成为了 Free 和 Pro 用户的默认模型 在发布当天。第一反应（我也有过，大概持续了一个小时）是把所有地方的默认模型都换成 Sonnet 5，然后把差价装进口袋。
然后你实际跑一遍agent循环，算法就变得有意思多了。每token单价只是标价，不是账单。有两件事会在价目表和你的发票之间发生变化，而且它们都足以对抗"反正更便宜"这个标题，强到能改变你实际该做的事。
所以真正的问题不是"哪个模型存在"——你已经知道两个都存在。而是你的agent默认指向哪一个，以及什么时候值得为 Opus 多花钱。以下就是决策规则，外加两个被基准总结遗漏的成本机制。
简短版本
大多数agentic编程和日常API工作默认使用 Sonnet 5。它更便宜，而且在两个模型互有胜负的基准测试上也不落下风。把 Opus 4.8 留给你最难的推理和编程任务，以及 Sonnet 5 可能失去成本优势的超高effort任务。价目表隐藏了两件事：Sonnet 5 更新的分词器对同样的文本会多消耗约30%的token，而在超高effort设置下成本这笔账可能会反转。有一个日期要记住：Sonnet 5 的介绍价（每百万token $2/$10）将在2026年8月31日结束，之后变为 $3/$15。如果你要按成本来做标准化决策，现在就该按标准价来测算。
一句话总结：对大多数agentic编程任务来说，Sonnet 5 是你新的默认选择。Opus 4.8 并没有过时，它只是不再是默认选项了。
人人都在引用的价格差距（以及它没说的部分）
Sonnet 5 在标准定价下为每百万输入token $3、每百万输出token $15，截至2026年8月31日的介绍价为 $2/$10。Opus 4.8 则是 $5/$25。 两者在标准定价下都有100万token的上下文窗口，Anthropic 在发布时就将 Sonnet 5 设为 Free 和 Pro 用户的默认模型。这些数字直接来自 Anthropic 的 Sonnet 5 发布公告（https://www.anthropic.com/news/claude-sonnet-5）以及 Claude 平台的定价文档（https://platform.claude.com/docs/en/about-claude/pricing）——这部分对比的事实是清晰可核实的。
把它们放在一起看，Sonnet 5 就像是一次直接的降价：同样的上下文窗口，每token价格大约低40%，而且现在是默认档位。如果你对成本的理解就是"单价乘以token数，单价刚降了"，那就够了，切换过去，省钱。
问题在于token数量并非一成不变。它会随模型变化，而 Anthropic 恰恰改变了它。标价和账单正是从这里开始分道扬镳的。
分词器变了，账单也跟着变了
Sonnet 5 使用了 Anthropic 更新的分词器 （与 Opus 4.7 及后续版本所用的相同），按 Anthropic 自己的说法，它的运行方式 多出约30%的token 对于同等文本，比旧版 Sonnet 消耗的token更多。这不是什么可以忽略的四舍五入误差。你的账单等于单价乘以token数，而 Anthropic 悄悄把第二个数字调高了，你却只盯着第一个数字看。
我们一步步来看。如果你把 Sonnet 5 的介绍价和你之前用旧版 Sonnet 时支付的费用相比，更低的每token单价乘以多出约30%的token数，会把实际差距收窄到远低于标价所暗示的水平。同样的提示词，同样的输出文本，底层的计费单位却更多了。这个折扣是真实的，但比定价页面上的数字所暗示的要小，因为定价页面给的是token的价格，而你的工作负载是按字词来衡量的。
这一点主要对两类读者重要。如果你正从旧版 Sonnet 迁移过来，要为token膨胀预留预算，而不只是价格变化。如果你是在 Sonnet 5 和 Opus 4.8 之间直接比较，这就不那么重要了，因为两者共用较新的分词器，比较的是同等口径的token，每token的差距也更接近真实情况。这里的陷阱是假设你历史上的单任务成本可以直接沿用——它并不能，因为底层的计量单位已经变了。
Sonnet 5 不再更便宜的临界点
把effort设置调高，成本优势就可能反转。以超高（"xhigh"）effort设置运行 Sonnet 5 的从业者反映，它 在质量相近的情况下，成本可能比 Opus 4.8 还高，因为一个价格更低但对任务思考得更久更深的模型，可能会消耗足够多的额外token，从而抹平每token的折扣。这一点源自社区报告：一个关于此次发布的 Hacker News 讨论帖（https://news.ycombinator.com/item?id=48736605）以及一份广泛报道的基准对比（https://www.marktechpost.com/2026/06/30/anthropic-claude-sonnet-5-vs-sonnet-4-6-vs-opus-4-8-agentic-coding-benchmarks-api-pricing-and-cost-performance-tradeoffs-compared/）。这不是 Anthropic 确认过的数字，所以应把它当作一种被报告的模式，而非官方公布的阈值。我不会给你一个精确的交叉点，因为我手头没有经过验证的数字。
真正重要的是整体形状，而这个形状很清晰：在effort设置适中、任务范围有限的普通任务上，Sonnet 5 确实更便宜。而在最繁重的任务上（深度推理、高effort、长时间agent循环处理庞大或杂乱的代码库），折扣会逐渐变薄，甚至消失。一个便宜的模型如果要多干一倍的活，就算不上便宜了。
本节要点： 对普通任务来说，这个折扣是真实存在的，但在最繁重的任务上会消失，而这条边界正是你该切换默认模型的地方。
基准测试：哪些已核实，哪些只是广泛报道
先从一个明确的更正说起，因为这正是发布会总结最容易被误读的地方。34.6% / 46.8% 的 Humanity's Last Exam 分数以及78.5%的 OSWorld-Verified 分数，并不是 Sonnet 5 的成绩； Anthropic 将其标注为经过修订的 Sonnet 4.6 基线。对于 Sonnet 5， 发布会／system card 表格中所报告的 为：Humanity's Last Exam 43.2% / 57.4%，OSWorld-Verified 81.2%，SWE-bench Pro 63.2%，GDPval-AA v2 得分1,618。Opus 4.8 在若干更难的推理和编程指标上仍然领先，包括 SWE-bench Pro、OSWorld-Verified、无工具的 HLE，以及 USAMO 2026；Sonnet 5 最清晰的正面优势体现在知识型工作上，它在 GDPval-AA v2 上略微胜过 Opus 4.8。但这仍然没能加冕一个全面赢家。它只是再次印证了真正的选购规则：日常agentic工作默认用 Sonnet 5，任务需要更高上限时再升级到 Opus。
两者对比中的其余部分都来自第三方汇总，这条界线我要划得清清楚楚。最稳妥、最清晰的结论范围更窄：Opus 4.8 在最难的编程、推理和computer-use数据上仍然领先，而 Sonnet 5 缩小了差距，并在 GDPval-AA v2 的知识型工作上略微反超 Opus。 Terminal-Bench 2.1 的结果最好视为依赖具体harness 而不是简单的胜负一览表，因为不同发布会总结在不同设置下报告的 Opus 对比结果并不一致。
我在这里只做归因说明，而非断言事实，因为完整的system card超出了我能直接核实的范围；把一个实际只是某聚合表格中的基准差异当作既成事实来陈述，正是那种日后容易站不住脚的说法。
| Claude Sonnet 5 | Claude Opus 4.8 | 来源 | |
|---|---|---|---|
| 输入／输出价格（标准价） | $3 / $15 per Mtok | $5 / $25 per Mtok | 主要来源（Anthropic） |
| 介绍价（截至2026年8月31日） | $2 / $10 per Mtok | 不适用 | 主要来源（Anthropic） |
| 上下文窗口 | 100 万 token | 100 万 token | 主要来源（Anthropic） |
| Free / Pro 的默认模型 | 是 | No | 主要来源（Anthropic） |
| Humanity's Last Exam（无工具／有工具） | 43.2% / 57.4% | 49.8% / 57.9% | Anthropic system card ／发布会总结 |
| OSWorld-Verified | 81.2% | 83.4% | Anthropic system card ／发布会总结 |
| SWE-bench Pro | 63.2% | 69.2% | Anthropic ／发布会总结 |
| GDPval-AA v2 | 1,618 | 1,615 | Anthropic 发布会／system card 总结 |
| USAMO 2026 | 79.5% | 96.7% | 据广泛报道 |
对那张表格最诚实的解读是：基准测试并没有加冕一个赢家，它们互有胜负。这正是排行榜不该成为你决策依据的原因。当两个模型的基准成绩互有胜负时，决胜因素不是"谁在你在乎的那一项测试上得分更高"，而是你实际工作负载下的单任务成本——而这恰恰是任何排行榜都给不了你的数字。
炒作和现实相符吗？
发布后的反应在两个方向上都很激烈，但两个极端都不完全对。一边是真实存在的反弹：一篇广泛流传的帖子（https://www.bleepo.co/article/claude-sonnet-5-useless-flop-backlash-benchmarks）称 Sonnet 5 是一次"毫无用处的翻车"，一些从业者在发布讨论中也指出了针对agent优化的模型常见的失败模式：把简单任务过度工程化，比如 把一个很小的 Python 需求做成了近乎一整个库。也有评论者指出了发布图表在呈现方式上的一些问题。这些应被视为一个实时讨论帖里的个人反应，而不是定论。
而在另一边，积极的信号是具体且有明确来源的。Zapier 工程师 Daniel Shepard 在 TechCrunch 的发布报道中被引用（https://techcrunch.com/2026/06/30/anthropic-launches-claude-sonnet-5-as-a-cheaper-way-to-run-agents/）表示，Sonnet 5 完整地端到端完成了一个原本总在中途卡住的复杂两段式 Salesforce 加邮件任务，并称之为"日常自动化的不二之选"。这是一位在生产环境中实际使用它的从业者，而不是一行基准数据。
我的看法是：这是一次模型发布应有的正常形态，而不是 Sonnet 5 要么大获成功、要么彻底失败的信号。一个价格更低、偶尔会在小任务上过度思考的agent模型，是一种可以管理的取舍，而不是一个足以否定它的缺陷。你只需要把effort设置调整到匹配任务，然后继续往前走。那些说它翻车的人和那些说它是飞跃的人，都是在用几天里某一种具体工作负载的表现做外推。持平的立场是：Sonnet 5 是一个扎实、更便宜的默认选择，在高effort场景下有一个已知的粗糙点，而这已经足够做出决定了。
决策规则（以及9月悬崖）
这是我从今天起会采用的规则。大多数agentic编程和日常API工作默认使用 Sonnet 5，因为它在普通任务上更便宜、是默认档位，而且在基准互有胜负的地方也不落下风。把 Opus 4.8 留给最难的推理和编程任务，以及 Sonnet 5 折扣可能消失的超高effort任务；到那个临界点，Opus 或许才是更划算的选择，而不是一种奢侈。这不是"Opus 过时了"，而是"Opus 不再是你的默认选项，而成了你的专家型选项"。
接下来是很容易被忽略的一点，因为它是个日期，不是基准分数：Sonnet 5 的介绍价将在2026年8月31日结束。如果你出于成本考虑要把 Sonnet 5 定为标准选择，现在就该按标准价 $3/$15 来测算（而不是 $2/$10 的介绍价），并为9月预留预算。用几周后就会失效的价格来做成本测算，正是Q3出现意外惊吓的原因。请按你实际要支付的价格来算账，而不是按发布优惠价来算。
还有一点需要区分，因为它会改变权衡的分量。如果你运行的是自托管或本地的agent harness（Aider、OpenCode、Continue.dev），而不是通过托管产品直接调用API，那么你的成本敞口和effort设置的控制方式，跟纯API用户是不一样的，交叉点的计算也值得针对你自己harness的token行为重新算一遍。参见我们的 OpenCode 与 Claude Code 的对比 如果你正在挑选harness的话。
各模型会不断相互超越，下一次发布就会把这张表格重新洗牌。但这套方法论比版本号更长久：不要只看标价，按你实际使用的effort设置去算每个任务的成本，并在折扣消失的那条边界上切换你的默认模型。
常见问题
我该把默认模型从 Opus 4.8 换成 Sonnet 5 吗？
对大多数agentic编程和日常API工作来说，是的。Sonnet 5 在普通任务上更便宜，是 Free 和 Pro 的默认档位，而且在基准测试互有胜负的地方也不落下风。把 Opus 4.8 留给你最难的推理和编程任务，以及那些超高effort的任务——在这些场景下 Sonnet 5 可能会失去成本优势。
Sonnet 5 比 Opus 4.8 便宜多少？
在标准定价下，Sonnet 5 每百万输入token $3、每百万输出token $15，相比 Opus 4.8 的 $5/$25，每token便宜约40%。截至2026年8月31日，Sonnet 5 还有更低的 $2/$10 介绍价。但如果你是从旧版 Sonnet 迁移过来，实际差距会比价格暗示的要窄，因为 Sonnet 5 更新的分词器对同样的文本会多用约30%的token。
Sonnet 5 的介绍价什么时候结束？
Sonnet 5 每百万输入token $2、每百万输出token $10 的介绍价截至2026年8月31日。之后标准定价为 $3/$15。如果你出于成本考虑要将 Sonnet 5 定为标准选择，现在就该按标准价来测算，并为9月的涨价预留预算。
Opus 4.8 还值得多花那笔钱吗？
在特定任务上，是的。发布会／system card 的数据显示，Opus 4.8 在 SWE-bench Pro、OSWorld-Verified、无工具的 Humanity's Last Exam 以及 USAMO 2026 上仍然领先，而 Sonnet 5 在有工具辅助的 HLE 上接近，并在 GDPval-AA v2 上略微领先。所以 Opus 并没有过时，它变成了最难的推理、数学和编程任务的专用模型，以及那些 Sonnet 5 可能失去成本优势的超高effort agent任务的专用模型。
