KeyFrame內部研究專用

Claude Sonnet 5真便宜吗?我按任务成本重新算了一遍

Why QQ7 min中文
觀看原始影片

三句話摘要

Claude Sonnet 5看似降价划算,实际隐蔽成本结构复杂,需要工程师自建成本评估框架而非盲信官方营销。 别看标价多少,要按完整的业务任务重新算账——这是AI工程时代的新常态。 官方数据与实际成本脱节:官方主打"代理能力"提升与价格优惠,却在迁移指南中隐埋分词器变化导致的Token增加。这造成开发者对真实成本的误判,需要逐项核对系统卡片与基准测试数据才能看清。

重點整理

  1. 官方数据与实际成本脱节:官方主打"代理能力"提升与价格优惠,却在迁移指南中隐埋分词器变化导致的Token增加。这造成开发者对真实成本的误判,需要逐项核对系统卡片与基准测试数据才能看清。

  2. 隐蔽的Token消耗倍增:Sonnet 5通过多轮推理(agentic turns约3倍)来提升代理能力,而非一次性得出最优解。Max Effort模式相比Sonnet 4.6输出Token多40%,在知识工作评估中轮次可达3倍,这是硬成本而非优惠价格能掩盖的事实。

  3. 模型定位尴尬且难以选择:既不是最便宜(Hackr更便宜),不是最强(Opus 4.8更强),也不总是最划算(某些场景GLM 5.2更优)。社区反应分裂反映了真实困境:medium effort不够就该直接选Opus 4.8,而非用high effort的Sonnet 5。

  4. 成本复杂度上升是AI发展的物理现实:能力提升不再廉价线性,更复杂的推理与代理操作必然消耗更多算力。这不是阴谋而是工程现实,意味着单纯比较$/token已无意义,需要按业务任务重算综合成本。

實用技巧與重點

  • 官方推荐价格:输入$2/百万tokens、输出$10/百万tokens(仅至2026年8月31日);9月1日后恢复至$3和$15
  • Sonnet 5性能数据:Intelligence Index比Sonnet 4.6高6分,在代理知识工作任务上超过Opus 4.8
  • Token消耗增加:
  • Max Effort模式vs Sonnet 4.6:输出Token增加约40%
  • Agentic turns:约3倍
  • GDPVALAA评估:Max Effort约为Low Effort的6倍
  • 分词器成本影响(新tokenizer导致):
  • 英文:增加42%(1.42倍)
  • 西班牙文:增加33%(1.33倍)
  • Python代码:增加27%(1.27倍)
  • 中文:基本无变化(1.01倍)
  • 综合成本对比(标准价格$3/$15下):
  • Sonnet 5平均每任务:$2.29
  • Opus 4.8:$1.99
  • Sonnet 5贵约15%
  • 社区共识:Medium effort不够则应选Opus 4.8,不要升高Sonnet 5的effort档位
  • 对标产品:GLM 5.2在成本和开源权重维度有优势

結論

别看标价多少,要按完整的业务任务重新算账——这是AI工程时代的新常态。

完整解析

Anthropic在2026年6月30日(美国时间)/ 7月1日(北京时间)发布了Claude Sonnet 5,官方通稿主打"代理能力"(Agentic)这一核心卖点。然而,当讲者深入阅读官方的系统卡片、迁移指南和第三方评测机构Artificial Analysis的详细数据后,发现社区对这款模型的反应远不如官方声明那般乐观——有开发者直言不如继续用Opus 4.8,也有人认为在低中档位努力下仍有日常工作流价值。

问题的关键在于成本结构的隐蔽性。官方确实通过Artificial Analysis的测试展示了Sonnet 5的进步:Intelligence Index比Sonnet 4.6高6分,甚至在代理知识工作任务上超越了更贵的Opus 4.8。为了吸引开发者迁移,官方还推出了限时优惠价格——输入token仅需$2/百万,输出token $10/百万,价格确实诱人。但这只是故事的前半部分。

后半部分才是真实的成本账本。Sonnet 5的代理能力提升并非魔法,而是通过让模型进行多轮推理来实现。根据Artificial Analysis的测试,Sonnet 5在Max Effort模式下相比Sonnet 4.6的输出token增加约40%;在AA Briefcase和GDPVALAA等知识工作评估中,代理轮次(agentic turns)约为3倍;在GDPVALAA上Max Effort约为Low Effort的6倍。换句话说,模型不是一次性想出最优解,而是反复尝试、反复调用工具——就像餐厅的厨师先尝一口菜再加盐,再尝再加油,最后菜做好了但账单翻了倍数。

更容易被忽略的是分词器的变化。Sonnet 5使用了新的tokenizer(Anthropic在Opus 4.7时引入),官方文档明确指出:同样的文本在Sonnet 5上约多30% Token。但很多开发者在看发布通稿时没有翻到迁移指南。根据实测数据,这个增加在不同语言上的影响各不相同——英文文本增加42%,西班牙文33%,Python代码27%,而中文基本无变化。这意味着用英文写的Prompt现在要多付42%的钱,代码注释要多付27%。而且这部分成本影响会一直存在,不受推荐价格失效的限制。

当把所有成本因素综合计算后,用标准价格($3输入/$15输出)对比,Sonnet 5平均每个Intelligence Index任务的成本约为$2.29,而Opus 4.8仅需$1.99。Sonnet 5总体贵约15%。这个数据揭示了问题的本质:如果你觉得Sonnet 5的low effort模式不够好,正确做法不是升高effort档位,而是直接换用Opus 4.8的default effort,反而更便宜。Hacker News和Reddit的讨论中,技术社区已形成共识:medium effort不够就换Opus 4.8,不要执意提升Sonnet 5的effort。

Sonnet 5的定位因此变得尴尬——它既不是最便宜(Hackr等更便宜),也不是最强(Opus 4.8更强),更不总是最划算(在某些场景GLM 5.2更优)。很多开发者怀疑Anthropic在玩定价游戏,用推荐价格和新分词器来隐蔽涨价。但讲者认为真相是大模型发展触碰了一堵无形的墙:能力提升不再是线性且廉价的。要让模型做更复杂的推理、处理更长的上下文关联、执行更多的代理操作,它就必须消耗更多算力。Sonnet 5的代理能力提升本质上是通过多思考几步来实现,这个思考过程体现在token消耗上,这是工程的物理现实,而非厂商的阴谋。

面对这样的复杂局面,讲者给出了四点建议:第一,基于自己的工作负载做基准测试,用Sonnet 5、Opus 4.8、GLM 5.2分别跑典型任务并记录成本;第二,考虑长期成本而非短期促销,推荐价格只到8月31日但分词器成本永久存在;第三,根据任务复杂度选择——简单任务用Haiku,中等复杂用Sonnet 5的low effort,复杂推理用Opus 4.8;第四,关注开源替代品如GLM 5.2在成本和开放权重上的优势。这本质上是在AI时代建立微服务架构式的模型选择策略。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。