今天上午，我把Anthropic的官方博客和36氪、新智元、网易的几篇报道并排核了一遍，越核越有意思：同一个模型，官方口径是"完成同类任务所需token更少，单项任务成本最多降低30%"；而第三方评测机构Artificial Analysis的实测数据是，Sonnet 5.5单任务成本7.60美元，比上一代Sonnet 5高出约50%，几乎追平价格贵一倍的Opus 5.5（7.63美元）。开发者社区里流传最广的结论只有一句："建议坚持使用Opus 5.5。"
一个主打"高性价比"的模型，为什么账单反而更贵？这两组数字其实都没撒谎——它们说的根本不是同一件事。
先看事实：Sonnet 5.5到底升级了什么
9月29日凌晨，Anthropic发布Claude 5.5家族的第二款模型，距离上周Opus 5.5发布刚好一周。定价和上一代Sonnet 5完全一致：每百万输入token 2美元、输出10美元、缓存读取0.2美元，正好是Opus 5.5的一半，也和上周刚发布的GPT-6 Sol同价。
跑分是这次发布最炸的部分。智能体编程测试Terminal-Bench 4.0上，Sonnet 5只有10.3%，Sonnet 5.5直接干到70.6%，反超了自家大哥Opus 5.5的66.4%；看图表的Chartography从15.6%涨到61.6%；知识工作基准GDPval-AA拿到1844分，和Opus 5.5的1846只差2分。Artificial Analysis的智能指数榜上，Claude系列包揽前三，Sonnet 5.5排第二。它还是第一个仅靠看屏幕截图就能通关《宝可梦 红》的Sonnet模型。
按官方定位，它负责"边界清晰的日常任务"：修Bug、写文档、做幻灯片和表格；需要持续判断的复杂开放式任务，交给Opus 5.5。Anthropic公布的客户反馈也不差：Slack离线测试输出token约减少14%，Zendesk处理工单速度快了20%。
那为什么实测账单反而涨了
把两组矛盾的数字放在一起看，答案藏在Artificial Analysis的另一条数据里：Sonnet 5.5单任务输出的token数量更多。
这就是这代模型最反直觉的地方——它变强了，而变强的方式是"做得更多"。更会自己检查、更爱拆步骤、更常派生子任务，每一项都在提升跑分，也每一项都在烧token。单价一分没涨，但一个任务消耗的总量上去了，账单自然上去。官方的"成本降30%"说的是同等任务、受控内测下的token消耗；实测的"涨50%"说的是真实工作流里模型放开手脚后的总花费。口径不同，都真实。
这其实是AI行业的一个普遍陷阱：大家习惯用"每百万token多少钱"衡量成本，但真正掏钱的单位是"每件事多少钱"。单价是商家定的，任务成本是模型行为决定的——后者才写进你的账单。
Anthropic自己也留了调节旋钮：Effort Level（推理强度）。选低或中档，模型答得快、耗token少，适合日常任务；调到高或最大，它会进入思考模式反复检查，能力拉满，费用同步拉满。Claude Code默认中档，开发平台默认高档。换句话说，Sonnet 5.5贵不贵，很大程度上取决于你让不想让它多想。
普通人从这件事里能带走什么
不用会写代码，这套"按任务算账"的思路对你同样有用。以后评估任何AI工具，别只看会员价或单价，拿你真实要做的一件事——写一篇周报、整理一份表格——完整跑一遍，记下实际花费或耗时。同一件事在"便宜模型"上反复返工三次，往往比"贵模型"一次做对更贵。
其次，学会给任务分级。边界清晰的活儿（改格式、套模板、总结长文）交给中档模型快速跑；需要判断和取舍的活儿（定方案、写重要的东西）再上强模型。官方给Sonnet和Opus的分工，就是这个逻辑的官方版。
第三，对"降价"宣传多问一句：降的是单价，还是单任务成本？这两个词的差别，就是这次罗生门的全部。
我在spark1.cn的工具库（/tools/）里收录了各家主流AI工具入口，写作场景可以直接用AI写作间（/ai-writer）拿同一个任务对比不同模型的产出和消耗——不用信任何一家的宣传，你自己的任务跑一遍，账单会告诉你答案。
模型市场的价格战还会继续打，跑分还会继续涨。但看懂"单价"和"任务成本"区别的人，永远能比追新闻的人先把AI用出性价比。
💬 评论