Claude Sonnet 5.5 的标价是 Claude Opus 5.5 的一半，但两个独立的追踪机构对单个任务成本的排名仍然不同。原因很简单：您为模型使用的 Token 付费，而不同模型使用的数量差异巨大。本指南将展示如何在您自己的工作中衡量每个任务的成本。
两个追踪器，两种答案
按每百万 Token 计算，Sonnet 5.5 的输入费用为 $2，输出费用为 $10，而 Opus 5.5 的费用分别为 $4 和 $20。
在 Vals 指数上，Sonnet 5.5 每个测试的成本为 $21.34，Opus 5.5 的成本为 $32.14，因此按每个测试计算，Sonnet 更便宜。
正如 AI Weekly 等媒体所报道的那样，Artificial Analysis 在最大努力（max effort）下测出了相反的结果。Sonnet 5.5 每个任务大约使用 193,000 个输出 Token，成本为 $7.60；而 Opus 5.5 大约使用 119,000 个，成本为 $5.98。
这两个追踪器使用了不同的任务和不同的努力程度设置，因此它们并不矛盾。它们表明，每个任务的成本取决于您的要求以及模型被指示思考的程度。
算术题
一个每个 Token 价格减半但多写了 60% Token 的模型，仅在输出成本上仍然会高出约 20%：0.5 × 1.6 = 0.8。加上输入、缓存 Token 以及额外的工具调用轮次，差距可能会缩小甚至反转。这就是 Artificial Analysis 在最大努力下报告的情况。
公式如下：
- 每次调用成本 = 输入 Token × 输入价格 + 缓存 Token × 缓存价格 + 输出 Token × 输出价格
- 每个任务成本 = 其所经历的所有调用之和，包括重试
- 每个完成任务的成本 = 总支出 ÷ 实际通过的任务数
只有最后一个数字能告诉您完成的工作花了多少钱。
努力程度会改变答案
Opus 5.5 的默认努力程度为中等，且自适应思考无法关闭。一份报告指出，Sonnet 5.5 在低努力程度下每个任务大约使用 14,000 个输出 Token，中等时为 19,000，高时为 34,000，极高时为 74,000。请将这些数字视为该测试人员的数据，而不是您的，但其规律至关重要：在更高的设置下，同一个模型的每个任务成本可能会高出五倍。
在一个下午内测量您自己的成本
- 从您的工作中挑选 20 个真实任务，并移除客户数据。
- 在您计划使用的努力程度设置下，在每个模型上运行每个任务。
- 从每个 API 返回的使用情况块中，记录每次调用的输入、缓存和输出 Token。
- 使用您在开始前编写的规则，将每个任务标记为通过或失败。
- 记录您花在审查和修复每个结果上的分钟数。
- 计算每个完成任务的成本，并按您自己的时薪加上您的审查时间。
使用类似这样的表格来记录：
| 模型和努力程度 | 通过的任务 | Token（输入 / 缓存 / 输出） | API 成本 | 审查分钟数 | 每个完成任务的成本 |
|---|---|---|---|---|---|
| 您的模型和设置 | 您的计数 | 您的总计 | 您的成本 | 您的分钟数 | 总数除以通过数 |
我们的盲测工具包为您提供五个 WordPress 任务和一个评估标准作为起点。
如何处理这个答案
- 在日常工作中，以低或中等努力程度使用更便宜的模型。
- 只有当更便宜的模型在可接受的努力程度下无法完成任务时，才将任务转移到更大的模型。
- 在每次模型发布后重新测量。价格、Token 习惯和努力行为会发生变化。
常见问题解答
Sonnet 5.5 比 Opus 5.5 更便宜吗？
按 Token 计算，是的：它的标价是一半。按任务计算，这取决于努力程度设置和具体工作。Vals 和 Artificial Analysis 指向不同的方向。
什么是每个已完成任务的成本？
总支出除以通过质量检查的任务数量。它计算了失败和重试的成本。
缓存会改变哪个模型更便宜吗？
会的。Opus 5.5 的缓存读取费用为每百万 tokens 0.20 美元，因此需要重新读取大量上下文的任务比其标价暗示的要便宜。请使用您的真实提示词进行测量。
正在为真实项目选择模型？
我们在您的任务上测试模型，记录每个已完成任务的成本，并在发布前设置支出限额。请参阅我们的 AI 集成服务.
