Sonnet 5 vs GPT-5.5 vs Opus 4.8:2026 LLM API 选型决策
Anthropic 2026-06-30 发布 Claude Sonnet 5,限时优惠 $2/百万输入 token、$10/百万输出 token,有效期至 2026-08-31。截止后恢复标准价 $3/$15。叠加 OpenAI GPT-5.5 涨价一倍、Google Gemini 3.5 主打长上下文、DeepSeek V4 Flash 仍报 $0.14/$0.28 的低位,2026 的 API 选型问题不再是「哪个模型最强」,而是哪个组合在你的工作负载下综合成本最低。
本指南按生产顺序展开四向决策矩阵:哪个模型做默认路由、哪个做 fallback、哪个覆盖长上下文摘要、哪个跑 agentic 工具调用循环。锚定数据:Anthropic 定价页、OpenAI 定价页、OpenRouter 2026-07-08 的 GPT-5.5 成本分析。对已经在跑多模型的团队,最便宜的路是保留路由层,重新决定哪一家坐默认位。
TL;DR:工作负载是一般聊天或短结构化输出,在 8/31 前锁定 Sonnet 5 的 $2/$10 价。任何输出 token 下降 30%+ 的任务 (编码、摘要、工具调用) 把 GPT-5.5 走 OpenRouter 路由 (涨价一倍反而净省 12-25%)。只有 5-10% 需要前沿推理的请求升级到 Opus 4.8。200K 以上的输入和大批量摘要给 Gemini 3.5,1M 上下文 + 激进批量价它最强。中文、agentic、高量批处理任务继续保留 DeepSeek V4 Flash 在 $0.14/$0.28。
8/31 限时价的算术
Sonnet 5 2026-06-30 GA,Anthropic 同时把 Sonnet 4.6 从默认模型位移除。限时价对比标准价的差是:输入端 33% 折扣、输出端 33% 折扣。
- 100 万输入 token 在限时价下:$2.00,标准价 $3.00 (省 $1.00/M)
- 100 万输出 token 在限时价下:$10.00,标准价 $15.00 (省 $5.00/M)
一个月 10B 输入 + 5B 输出 token 的工作负载,差价是每月 $35,000。小团队 100M 输入 + 50M 输出的级别,每月也差 $350,够认真规划。限时窗口是日历绑定,不是用量绑定,所以没有任何理由拖延决策。
Anthropic 没放出任何延期信号。Sonnet 5 发布稿明确写 8/31 是悬崖式截止。这个季度签了 OpenAI 年度合同的无法在此之后切到 Anthropic,迁移决定必须 8/31 之前做完。
GPT-5.5 涨价的真实账
OpenAI 2026 年 6 月把 GPT-5.5 的每 token 单价相对 GPT-5.4 翻倍。同期 OpenRouter 发的成本分析把这个变化拆成两个常互相抵消的效应:
- 单价:GPT-5.5 相对 GPT-5.4 单 token 价格翻倍。
- 输出效率:GPT-5.5 在编码、摘要、结构化输出任务里输出 token 数量下降 30-45%,因为模型更简洁。
- 净效应:输出 token 减少超过 50% 的任务,实际美元成本反而比 GPT-5.4 低 12-25%。
突破点大致在平均输出 600 token 这一档。低于 600 token 的用 GPT-5.4 便宜,高于 600 token 的用 GPT-5.5 便宜。客服摘要、代码评审、JSON schema 生成、多步 agent trace 都卡在突破点以上;短问答、分类卡在以下。多数 API 流量是混合的,正确做法是按请求类型路由,而不是按模型做一锤子选择。
下一个问题是:Sonnet 5 的 $10/M 输出 vs GPT-5.5 实际 $12-15/M 有效输出,在同一工作负载上谁更划算。Sonnet 5 在法律和科学文本上输出更紧,但在创意写作上输出更长。按工作负载分别测算。先在真实流量上跑 7 天灰度再迁移。
四模型对比:数字之外的二阶效应
| 模型 | 输入 $/M | 输出 $/M | 上下文 | 最适合 |
|---|---|---|---|---|
| Sonnet 5 (限时 → 8/31) | $2.00 | $10.00 | 200K | 一般聊天、结构化输出、代码评审 |
| Sonnet 5 (标准, 8/31 后) | $3.00 | $15.00 | 200K | 一般聊天 (高端档) |
| GPT-5.5 (长输出有效价) | ~$5.00 | ~$20.00 | 256K | 代码生成、JSON schema、agent trace |
| Opus 4.8 (前沿) | $15.00 | $75.00 | 200K | 前沿推理、长周期研究 |
| Gemini 3.5 Pro (长上下文) | $1.25 | $5.00 | 1M | 大批量摘要、文档搜索、视频 |
| DeepSeek V4 Flash (价格颠覆) | $0.14 | $0.28 | 128K | 中文、批处理、agentic 循环 |
这张表只说了表面。Sonnet 5 的 $2 输入 vs Gemini 3.5 的 $1.25,缓存折扣后差距只剩 1.6 倍:Google 给缓存输入 50% 折,Anthropic 也是。Sonnet 5 vs Gemini 3.5 的临界点取决于缓存命中率,不是单价。80%+ 缓存命中用 Sonnet 5 便宜,50% 以下用 Gemini 3.5 便宜。
两个标价还漏了批量折扣。Anthropic Batch API 给异步 (24 小时 SLA) 工作负载 50% 折,OpenAI Batch 同样,Gemini 3.5 批量价最低 $0.625/$2.50 每百万 token。流水线能容忍 24 小时延迟的,把非交互的摘要、分类、ETL 任务默认走批量。
Opus 4.8 vs Sonnet 5:什么时候 5 倍溢价值得
Opus 4.8 报 $15/$75 每百万 token,是 Sonnet 5 限时价的 7.5 倍、限时后标准价的 5 倍。Anthropic 自己的评估:Opus 4.8 在高难度推理基准 (AIME 2025、GPQA Diamond、前沿数学) 上领先 Sonnet 5 5-15 个百分点,在长周期规划任务上领先 8-12 个百分点。一般聊天这个差距缩到 5 个百分点以内,在事实回忆上消失。
老实的判断:Opus 4.8 只在失败成本高且任务需要持续推理时溢价成立。三类具体场景:
- 法律与合规审查:100K token 合同漏一条条款是真金白银。Opus 4.8 在合同分析基准上 12-15 个百分点的领先覆盖 5 倍的成本差。
- 科学论文合成:研究 agent 需要串 30+ 推理步骤不断链,Opus 4.8 的长周期分数覆盖差距。
- 多日编码 agent:长跑的 Claude Code / Codex 会话碰上百个文件,Opus 4.8 的持续上下文纪律出差距。
90% 不命中这三个场景的流量 — 聊天、摘要、内容生成、结构化问答、单轮补全 — Sonnet 5 与 Opus 4.8 在噪声内持平。把所有这些走 Opus 4.8 等于付 5 倍溢价买不可区分的输出质量。
Gemini 3.5 长上下文价位在 100K 输入以下持平
Google Gemini 3.5 配 1M token 上下文窗口。100K 输入以下,Sonnet 5 与 Gemini 3.5 单 token 有效价差在 10% 内。100K 以上,Gemini 的激进分级把价差拉到 2.4 倍:500K token 输入,Gemini 批量 $0.625,Sonnet 5 批量 $1.50。
限制在输出:Gemini 3.5 的 $5.00/M 输出是 Sonnet 5 限时价 $10.00/M 的一半。输出量主导成本的工作负载 (长内容生成、研究报告、起草-修订循环) Sonnet 5 仍占优。
干净的切分:输入超 200K 的路由到 Gemini 3.5,200K 以下留在 Sonnet 5。Gemini 3.5 还在生产规模视频理解 API 上独家 (Veo 集成),任何含视频文件的多模态输入都该默认走它。Sonnet 5 有视觉但只到图像;Gemini 3.5 在图像、视频、音频上一次完成。
DeepSeek V4 Flash:agentic 工作负载比 GPT-5.5 便宜 14 倍
DeepSeek V4 Flash 报 $0.14/$0.28 每百万 token — 大约是 Sonnet 5 限时价的 1/15。在 OpenRouter 2026 Q2 token 份额榜里,V4 Flash 6 个月把 agentic 份额翻倍,是高量结构化输出流量上最便宜的靠谱模型。两个理由让它值得关注,即便你不关心中文工作负载:
- 工具调用纪律:V4 Flash 是最便宜的、能在 5+ 连续工具调用保持稳定 function-calling 的模型。多数「$0.10/M」档在第 3 步工具调用链以外就崩。
- 128K 原生上下文:对多数编码 agent 和文档 Q&A 工作负载足够。低于 Sonnet 5 的 200K,但远超 sub-dollar 档常见的 8K-32K。
V4 Flash 的弱项在前沿推理基准 — 在 AIME 2025 与 GPQA 上落后 Sonnet 5 8-12 分。要求前沿推理的研究级负载,V4 Flash 替代不了。对 agentic 工具调用循环、批处理、中文内容生成,它是大幅领先的低价选项。
生产路由的推荐模式
多数多模型架构按请求类型路由,不是按绝对质量路由。下面这套模式覆盖 85-95% 的生产 API 流量。剩下 5-15% — 长上下文多模态、前沿推理、低量专门任务 — 需要显式的逐路由决策。
| 工作负载 | 默认 | Fallback | 原因 |
|---|---|---|---|
| 一般聊天 <500 token 输出 | Sonnet 5 (限时) | GPT-5.5 | Sonnet 单价胜,Sonnet 不可用时 GPT-5.5 |
| 结构化输出 (JSON、schema、code) | GPT-5.5 via OpenRouter | Sonnet 5 | GPT-5.5 30%+ 输出压缩抵消 2 倍单价 |
| 长上下文 >200K token 输入 | Gemini 3.5 Pro 批量 | Sonnet 5 批量 | 1M 上下文 + 激进输入分级 |
| 带视频的多模态 | Gemini 3.5 | Sonnet 5 (纯图像) | Veo 视频理解 Gemini 独家 |
| 前沿推理 / 研究 agent | Opus 4.8 | Sonnet 5 + 重试 | 5-15 个百分点差覆盖 5 倍成本 |
| Agentic 工具调用循环 | DeepSeek V4 Flash | Sonnet 5 | $0.28/M 输出比 Sonnet 便宜 36 倍 |
| 中文内容生成 | DeepSeek V4 Flash | 阿里 Bailian / Qwen | V4 Flash 中文 token 效率领先 |
这套路由的实施成本比看上去低得多。OpenRouter、Cloudflare AI Gateway、Portkey 都在一个 OpenAI 兼容端点上把这六个模型暴露。把已有 OpenAI 客户端的 base URL 切过去是一行配置 — 无 SDK 替换、无鉴权重建。
90 天决策时间线
三个截止日定义未来 90 天:
- 2026-08-31 前:锁定 Sonnet 5 的 $2/$10 限时价。无法长期承诺 Sonnet 5 的稳妥做法是推迟采用,8/31 后流量通过 OpenRouter 走标准价。
- 2026-08-15 前:在真实生产流量上跑 GPT-5.5 灰度测试。对比 GPT-5.4 默认的实际成本,如果 GPT-5.5 在你的工作负载上胜出就改路由。
- 2026-09-30 前:重估 Opus 4.8 使用。Anthropic 通常在 Q3 末推 Opus 刷新,4.8 可能被 Opus 4.9 或某个 Sonnet 级模型替代,后者会缩小推理差距。
今天开始新集成,默认 OpenRouter 路由配置:Sonnet 5 主、GPT-5.5 fallback、200K 上下文的 Gemini 3.5。一般多模型 SaaS 负载 (60% 聊天、25% 结构化输出、10% 长上下文、5% 前沿) 综合成本比单厂商低 40-55%。
那个泄漏的 GPT-5.6 Pro 档位怎么办
OpenAI 2026 年 6 月底的论文列了三个 Pro 变体 (Luna Pro、Terra Pro、Sol Pro),API 发布日期未定。定价估算 (Luna Pro $1.00-$1.50/M 输入、Terra Pro $6-$9/M、Sol Pro $30-$45/M) 是推测。OpenAI 发布官方结构之前,以 GPT-5.5 与 GPT-5.6 base 规划即可。我们的 GPT-5.6 Pro 档位分析 详细讲了泄漏的结构,OpenAI 一发布官方定价我们就更新本指南。
如果 GPT-5.6 Pro 落在估算下限,Sonnet 5 / Opus 4.8 这段矩阵会被打乱 — 特别是 Sol Pro 半价对标 Opus 4.8 的情况。在那之前,把四模型矩阵当作规划基线。
FAQ
Claude Sonnet 5 的 $2/$10 限时价什么时候结束?
2026-08-31。Sonnet 5 的限时优惠价 (输入 $2、输出 $10 每百万 token) 在那天截止。之后回到标准挂牌价 (输入 $3、输出 $15)。Anthropic 没有承诺对任何客户群体延长折扣。
GPT-5.5 涨价一倍之后反而更便宜吗?
在很多生产场景里是。OpenRouter 2026-07-08 的分析显示,GPT-5.5 在常见编码、摘要、工具调用任务上输出 token 缩短 30-45%。当节省覆盖单价涨幅,实际美元成本反而下降 12-25%。突破点取决于任务类型:短问答倾向 GPT-5.4,结构化输出与推理倾向 GPT-5.5。
Sonnet 5 都这么强了,Opus 4.8 还有意义吗?
Opus 4.8 在高难度推理基准 (AIME 2025、GPQA Diamond、前沿数学) 上仍是 Anthropic 最强的模型。内部评估显示,Opus 4.8 在长周期规划任务上得分 68-72%,Sonnet 5 在 58-63% 封顶。科研、合同审查、多日编码 agent 等高失败成本场景用 Opus 4.8。一般聊天场景 Sonnet 5 与 Opus 4.8 差距小于 5 个百分点,价格只有 60%。
Gemini 3.5 在这个矩阵里适合什么?
Gemini 3.5 是大批量场景的优选:1M token 上下文窗口 (是 Claude 200K 的 4-8 倍)、激进的批量折扣、输入超过 100K token 时单 token 成本最低。弱项是高并发延迟与代码生成略逊于 Sonnet 5。文档检索、视频分析、长上下文摘要用 Gemini 3.5;短对话用 Sonnet 5。
正在用 OpenAI,该从 GPT-5.4 切到 GPT-5.5 吗?
只有当平均输出 token 超过 600 才值得切。GPT-5.5 的简洁性在长结构化输出 (代码、JSON schema、agent trace) 上赚回差价。短问答、分类、单轮对话让 GPT-5.4 继续便宜。建议 OpenRouter 路由模式:在真实流量上灰度 7 天 GPT-5.5,比较实际花费再迁。
DeepSeek V4 Flash 与四款旗舰比怎么样?
DeepSeek V4 Flash 是 $0.14/$0.28 每百万 token 的价格颠覆者 (大约 Sonnet 5 限时价的 1/15、Opus 4.8 的 1/20)。大多数基准匹配 Sonnet 4.5 级别推理,但在最长上下文评测上落后 8-12 分。高量中文、批量 agent 工作负载用 V4 Flash 是最便宜的选择;关键短推理仍属四款旗舰。
想四个模型都用,不想接四个 SDK,最便宜的方法?
OpenRouter 和 Cloudflare AI Gateway 都把四款旗舰通过一个 OpenAI 兼容端点暴露,内置故障转移与按模型成本分析。Cloudflare AI Gateway 多一层 per-request 缓存与零数据留存路由,把请求路由到隐私最强的厂商。已经在用 OpenAI SDK 的生产团队,把 base URL 切到 OpenRouter 是一行配置改动。
GPT-5.6 Pro 那个泄漏的档位要不要等?
OpenAI 2026 年 6 月底的论文列了三个 Pro 变体 (Luna Pro、Terra Pro、Sol Pro),API 发布日期未公布。定价估算 (Luna Pro $1.00-$1.50/M 输入、Terra Pro $6-$9/M、Sol Pro $30-$45/M) 是推测。OpenAI 发布官方档位之前,以 GPT-5.5 与 GPT-5.6 base 规划即可。我们有 GPT-5.6 Pro 档位详细分析。
错过 8/31 限时价怎么办?
三个备选方案保住成本优势。第一,改走 OpenRouter 用 Sonnet 5,社区报告显示 OpenRouter 把 $2/$10 又延了 60-90 天。第二,非推理密集型工作负载改 DeepSeek V4 Flash ($0.14/$0.28)。第三,迁移到组合方案 (Sonnet 5 标准价 + GPT-5.4 批量 + Gemini 3.5 长上下文) 用 Cloudflare AI Gateway 路由,把综合成本压到接近 Sonnet 5 限时价。
想要一个仪表板实时追踪这五款旗舰的价格?FreeModel 通过一个 OpenAI 兼容端点聚合 Claude、GPT-5.5、Gemini、DeepSeek,带按请求成本分析。还有 8/31 截止提醒 + 一行配置切换默认模型的功能。