9 月 28 日，Anthropic 發布 Claude Sonnet 5.5，API 的模型名稱是 `claude-sonnet-5-5`。單價和 Sonnet 5 一樣：每百萬 token 輸入 2 美元、輸出 10 美元，快取讀取 0.2 美元，Batch API 五折。距離 9 月 22 日的 Opus 5.5 隔了六天。
官方的說法是輸出速度快 30% 以上、每個任務的成本最多低 30%。單價沒變，成本卻會下降，原因是完成同一件事需要的 token 變少。這個數字取決於你的工作內容，所以這篇要處理的是：哪些數字可以直接引用，哪些要自己量。
價格沒動，變的是每個任務用掉的 token
Sonnet 5.5 的定價表和 Sonnet 5 逐項相同。輸入 2 美元、輸出 10 美元，5 分鐘快取寫入 2.5 美元、1 小時快取寫入 4 美元，快取讀取 0.2 美元，Batch API 對輸入輸出各打五折。DataCamp 指出，這個價位大約是 Opus 5.5 的一半。
官方說「每任務成本最多低 30%」，前提寫在後半句：完成同樣的工作需要的 token 大幅減少。省下來的是模型少寫的字和少走的工具呼叫回合，每個 token 的價格沒有變。
早期測試者給的數字方向一致，但各家差很多。Box 回報速度是 2.4 倍、token 少 12%。Atlassian 說最多快 30%。Base44 的建置流程平均 3.6 次迭代完成，Opus 5 是 7.7 次。這些都是廠商轉述的合作夥伴數據，工作內容和計算方式各不相同，換算成你自己的成本沒有意義。
DataCamp 自己跑了一個實測：用 FiveThirtyEight 的資料集（173 個大學科系）做互動式 HTML 儀表板。Sonnet 5.5 做出能用的版本，還附了小樣本的資料品質警告，花費 0.56 美元。Sonnet 5 因為 Chart.js 函式庫匯入失敗，交出空白頁面，花費 0.57 美元。DataCamp 的結論是這個任務上兩者的每次執行成本幾乎一樣，差別在只有 Sonnet 5.5 交出了能用的東西。
這一組對照說明了一件事：官方的「最多低 30%」和單一實測的「幾乎一樣」並存，兩者都可能是對的，因為任務不同。
基準分數：追上 Opus 5.5 的範圍有多大
DataCamp 整理的數字如下（Sonnet 5.5／Sonnet 5／Opus 5.5）：
在 Terminal-Bench 4.0，Sonnet 5.5 的 70.6% 高過 Opus 5.5 的 66.4%。GDPval-AA 的 1,844 與 Opus 5.5 的 1,846 只差 2 個 Elo，實質上打平。OSWorld、Humanity's Last Exam、CursorBench 則是 Opus 5.5 領先 2 到 3 個百分點。
差距最明顯的是 FrontierCode 1.1：Sonnet 5.5 是 46.2%，Opus 5.5 是 54.4%，差 8.2 個百分點，Sonnet 5.5 甚至低於 GPT-6 Sol 的 49.3%。Anthropic 的說明也很直接：Opus 5.5 在需要持續判斷的複雜、開放式工作上仍然明顯較強。
另外，Sonnet 5 在 Terminal-Bench 4.0 只有 10.3%，跳到 70.6% 是很大的一步。這個跳幅有多少來自模型能力、多少來自評測版本或測試設定，目前的公開資料看不出來，引用時建議把 Sonnet 5.5 和 Opus 5.5 的比較放在前面，Sonnet 5 的比較放後面。
換模型前要先看的 API 改動
DataCamp 整理了幾項會影響既有整合的改動：
對照上一節，這幾項有一個共通結果：你的成本量測要在改完整合之後再做。自適應思考預設開啟，代表同一個 prompt 產生的 token 數可能和舊模型不同，這也正是官方說每任務成本會變的來源，量出來的數字會直接反映這一項。
安全機制方面，DataCamp 提到資安相關請求可能會退回 Sonnet 5 處理，推理內容的擷取被擋下，thinking block 綁定帳號。做資安工具的團隊，要確認自己的請求會不會被這條規則分流。
規格上，上下文視窗是 100 萬 token，單次輸出上限 12.8 萬 token（Batch API 加上 beta header 可到 30 萬）。知識截止日為 2026 年 6 月。Anthropic 承諾這個模型不會早於 2027 年 9 月 28 日退役，也提供零資料保留選項。Claude 網頁與 App、Claude Code、Claude API，以及 Amazon Bedrock、Google Cloud、Microsoft Foundry 都可以用。
哪些工作先換，哪些先留在 Opus 5.5
前面的基準分數給了一條粗略的分界線。Terminal-Bench 4.0 測的是在終端機裡完成任務，GDPval-AA 與 AA-Briefcase 測的是辦公室類的交付物，OSWorld 測的是操作桌面軟體。這幾項 Sonnet 5.5 都和 Opus 5.5 只差 0 到 2 個百分點，或在 Terminal-Bench 上領先。這類工作的共同點是結果可以被檢查：指令有沒有跑成功、檔案有沒有產出、表格數字對不對。
FrontierCode 1.1 與 Anthropic 那句「持續判斷」的說明，指向另一類工作：需求本身模糊、要自己決定拆成哪些步驟、中途要判斷方向對不對。這類任務失敗時，要付的是整個流程重跑的時間，或是一份看起來合理、方向卻錯的成果，多花的 token 費用反而是小項。
實際的分流可以這樣設：客服草稿、資料整理、程式碼審查、批次的文件轉換，走 Sonnet 5.5，並開 Batch API 拿五折；架構設計、需求不明的重構、需要長時間自主執行的代理流程，先留在 Opus 5.5，等自己的量測資料證明 Sonnet 5.5 也能做，再逐項移過去。
Batch API 的折扣和模型選擇可以疊加，兩者各自獨立。另外，官方公告與各家評測整理都沒有提到批次呼叫會降低品質，只是回應不是即時的。用 Sonnet 5.5 跑批次工作，輸入是 1 美元、輸出是 5 美元（每百萬 token），是同樣任務在 Sonnet 5.5 即時呼叫價格的一半。對不需要即時回應的整理型工作，這比單純換模型省得更確定，因為折扣是固定的價目，不取決於任務內容。
還有一項容易漏掉的成本：改整合的人力。上一節列的五項改動，每一項都要有人讀文件、改程式、跑測試。團隊只有一兩支程式在用 Sonnet 5 時，這筆成本很小；有幾十個內部工具各自呼叫模型時，遷移成本可能比省下的 token 費用還高，要先算過再排時程。
自己量成本：三個數字
官方數字與第三方實測不一致時，最可靠的依據是自己的流量。做法可以很小：
第一個數字是每任務的輸入與輸出 token。用同一批任務、同樣的 prompt 各跑一次，記下 API 回傳的 usage。Sonnet 5.5 的自適應思考預設開啟，思考用掉的 token 也在輸出裡，要一併計入。
第二個數字是任務完成率：一次就做對、不需要重跑的任務占幾成。Base44 的例子顯示，迭代次數少一半（3.6 對 7.7）可以比單價差異更能左右成本。任務要重跑幾次才能交付，比每次多花幾分錢更影響總額。
第三個數字是延遲。官方說輸出速度快 30% 以上；llm-stats 列出的 p95 首字時間是 0.40 秒。你的服務如果在意等待時間，這個數字要用自己的請求長度重測。
有快取的工作流程要另外算。快取讀取是 0.2 美元，只有輸入單價的十分之一。長 prompt 反覆使用的應用，成本大部分落在快取讀取與輸出，token 用量減少的幅度會和前面的實測不同。
還不確定的地方
第一，「每任務成本最多低 30%」是上限，官方沒有公布平均值，也沒有公布是在哪些任務上量到的。
第二，早期測試者的數字沒有統一的計算方式。Box 的 12% 是 token 減量，Atlassian 的 30% 是速度，Base44 是迭代次數，三者不能相加或互換。
第三，Sonnet 5 到 Sonnet 5.5 的基準跳幅很大，尤其是 Terminal-Bench 4.0 的 10.3% 對 70.6%，原因尚未有公開說明。
第四，DataCamp 的實測是單一任務、單次執行，只能說明這個任務的情況。