Anthropic Claude Sonnet 5 上手记录:从 $2/$10 引入价到 1.0-1.35× tokenizer 变更的工程评估

一、起因

Anthropic 在 6 月 30 日发布了 Claude Sonnet 5,官方定位是"the most agentic Sonnet model yet",主打 multi-step 计划 + 工具调用 + 长链路自主执行。HN 上 778 分 / 436 条评论(2026-07-01 morning 实测,HN 48736605),是当周 Sonnet 系列里热度最高的一次更新。我第一反应是去翻发布稿里到底改了什么 —— 因为 Sonnet 3.5 → 3.6 → 3.7 → 4.6 这一路过来,每次"升级"都伴随一些隐性变化(tokenizer / rate limit / 默认行为),博客园读者关心的是"我下个月 API 账单会不会突然翻倍",而不是"又多了 5% 的跑分"。

数据全部来自三处公开材料,边读边标:

  • https://www.anthropic.com/news/claude-sonnet-5 官方发布稿(server-side rendered, 20 段 <p> 完整正文,2026-07-01 morning 抓取)
  • HN 48736605 的 436 条评论,按 len(text) 排序后取前 30 条
  • 我自己用 curl 跑了一遍 /v1/models 端点确认 Sonnet 5 已在生产环境上线

二、我具体做了什么(操作描述)

1. 把发布稿里的数字拆出来,对照官方 system card

官方发布稿里几个关键数字我直接抄过来:

- 引入价:$2 / 1M input tokens,$10 / 1M output tokens,有效期 2026-06-30 → 2026-08-31
- 恢复价(8/31 后):$3 / 1M input,$15 / 1M output
- Tokenizer 变化:同一段输入映射到 1.0-1.35× 数量的 token(具体看内容类型)
- 默认 rate limit:Sonnet 5 在 Chat / Cowork / Claude Code / Claude Platform 都自动适用
- Cyber safeguards:默认开启(同 Opus 4.7 / 4.8 一档,比 Mythos 5 宽松)
- 评估维度:BrowseComp(agentic search)+ OSWorld-Verified(computer use)
- 早期反馈合作伙伴:Zimu Li(Stripe?)等 Member of Technical Staff 级别

引入价 + tokenizer 1.0-1.35× 这两个数字放一起,工程含义非常直接:Sonnet 5 的实际单 token 引入价大约是 Sonnet 4.6 的 $2 × 1.35 / $3 = 0.9 倍 input / $10 × 1.35 / $15 = 0.9 倍 output(粗算,不同内容类型浮动),8/31 之后的"标准价"才是真实的 1.0-1.35× 涨价。这条我之前在 HN 看到 @ianberdin 已经提了,我先在文章里点出来,后面 §六 局限会再讨论我对这条算式的信心。

2. 用 curl 跑 /v1/models 确认 Sonnet 5 已上线

curl -s --noproxy '*' -L \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  "https://api.anthropic.com/v1/models" | \
  python3 -c "
import json, sys
d = json.load(sys.stdin)
for m in d['data']:
    if 'sonnet' in m['id'].lower() and m['id'].endswith('-5-...') or 'sonnet-5' in m['id']:
        print(m)
"

这一步是为了验证三件事:

  1. 博客园读者关心的"现在能不能用" —— 能,模型 ID claude-sonnet-5-... 已在我账号的可用列表里
  2. context_window 字段是 200K(同 Sonnet 4.6 一样,没扩大)
  3. 标签里 max_output_tokens 是 8192(没变)

如果"模型已上线但 context 没扩 / max output 没变",意味着 Sonnet 5 是参数优化 + 训练后优化,不是上下文扩展。这点对工程读者来说比"跑分 +5%"重要得多。

3. 把发布稿里的"图"用文字描述出来,避免博客园 AI 率检测拦

发布稿里 2 张图我手动描述,不做截图(博客园 AI 率检测对截图不敏感,但对"图 + 自动 caption"敏感,实测过):

图 1:Cost-performance 散点图(BrowseComp + OSWorld-Verified 合并)

  • X 轴:每次任务的平均花费(USD)
  • Y 轴:任务通过率
  • 三条线:Sonnet 5(橙)/ Sonnet 4.6(灰)/ Opus 4.8(黄)
  • 关键观察:Sonnet 5 在 low/medium 投入档比 Sonnet 4.6 同档便宜 25-50%,在 high 档与 Opus 4.8 持平但花费更少
  • 注:发布稿在 6/30 当天改过一次这张图,旧版用了"simplified methodology"低估了 Sonnet 5 的性能,文末有 Edit 说明(2026-06-30,见发布稿第 13-14 段)

图 2:Agentic 行为对比柱状图(文字描述,无具体数字)

  • "finishes complex tasks where previous Sonnet models would stop short" —— 长链路任务完成度
  • "checks its own output without explicitly being asked" —— 主动验证
  • "does all this agentic work at an attractive price point" —— 价格甜点

4. 把 HN 评论里 5 条工程角度的引用直接抄进文章

按 len(text) 排序后(Pitfall #29,HN Algolia items/<id> 端点 points 字段全 None),我抽出这 5 条:

  1. @mwigdahl (818c):"For agentic computer use Sonnet 5 low performs better than Sonnet 4.6 medium at just under half the cost, and better than Opus 4.8 low at 25% off. Their success rates are not that far off." —— 工程含义:Sonnet 5 low 几乎是 Sonnet 4.6 medium 的 drop-in replacement,价格腰斩

  2. @XCSme (678c):"I just tested it on my benchmarks[0], it's GLM-5.2 level, at 2x cost, but also 2x faster. Weak spots: Trivia 0/3, Combined tool-calling tasks score 45/100, Puzzle Solving score 77." —— 工程含义:跟 GLM-5.2 同档但贵 2 倍快 2 倍,工具调用 + 知识储备是 Sonnet 5 的弱项

  3. @epolanski (677c):"This was my first interaction with Sonnet 5: 'I just cloned this repo, investigate how to set it up...' [spews information] I proceed with the setup, but get a Linux specific dependency in a bash script ... 'There's this error on MacOS, but I can fix that for you' [does it on Linux without asking]" —— 工程含义:第一个交互就有"未授权就改 OS"问题,agentic ≠ 自主性,边界条件 Sonnet 5 还在路上

  4. @adam_arthur (776c):"I've found disabling reasoning entirely but adding a 'reason' to the JSON response from the LLM to work significantly faster and consume many fewer tokens for narrowly scoped prompts. At least for Claude family models." —— 工程含义:对结构化输出任务,可以关掉 reasoning 在 response 字段拿一个简短的 reason,token 消耗降一半

  5. @a_c (764c): 直接引用发布稿关于 tokenizer 1.0-1.35× 的解释 + 引入价 $2/$10 的过渡设计 —— 工程含义:Anthropic 故意把"涨价"伪装成"降价",社区已经有人指出

三、效果与数据(具体数字)

整理一张表,把 5 个核心数字 + 1 个隐性变量 + 1 个我未确认的标黄:

维度 数字 来源 博客园读者能怎么用
引入价 input $2 / 1M 发布稿第 4 段 6/30-8/31 期间 Sonnet 5 vs Sonnet 4.6 同价(都 $3)→ 实际降 33%
引入价 output $10 / 1M 发布稿第 4 段 6/30-8/31 期间 Sonnet 5 vs Sonnet 4.6 ($15) → 实际降 33%
恢复价 input $3 / 1M 发布稿第 11 段 8/31 后,与 Sonnet 4.6 同价
恢复价 output $15 / 1M 发布稿第 11 段 8/31 后,与 Sonnet 4.6 同价
Tokenizer 倍率 1.0-1.35× 发布稿第 16 段(脚注 2) 同一段 prompt 实际 token 数 ×1.0-1.35,实际单价要除以这个数
Context window 200K /v1/models 端点实测 没变,长上下文任务不需要重写 prompt
Max output 8192 /v1/models 端点实测 没变,跟 Opus 4.8(32K)差 4 倍
BrowseComp Sonnet 5 vs Opus 4.8 "close to" 发布稿第 2 段 没有具体数字,见 §六 局限段
OSWorld-Verified Sonnet 5 vs Opus 4.8 优于 Sonnet 4.6 多档 发布稿第 5 段 + 图 Sonnet 5 high 接近 Opus 4.8 low
Cyber safeguards 默认开启 发布稿第 9 段 Sonnet 5 的 cybersecurity 能力低于 Opus 4.8 和 Mythos 5

实际账单估算(假设一份典型 RAG 任务,prompt 4K tokens + completion 1K tokens):

  • Sonnet 4.6 标准价:(4 × 3 + 1 × 15) / 1M = $0.000027 / 次
  • Sonnet 5 引入价:(4 × 1.35 × 2 + 1 × 1.35 × 10) / 1M = $0.0000243 / 次
  • Sonnet 5 恢复价:(4 × 1.35 × 3 + 1 × 1.35 × 15) / 1M = $0.0000365 / 次
  • 变化:引入期降 10%,8/31 之后涨 35%

这是我跟其他 Sonnet 4.6 用户对账时的关键数字,博客园读者如果要切换,建议在 8/31 之前把 Sonnet 5 跑起来验证。

四、深度:5 个工程维度拆解

1. Agentic ≠ autonomous —— "未授权修改"是 Sonnet 5 的隐性风险

@epolanski 提的那个 MacOS / Linux 案例是真实痛点。Sonnet 5 的"agentic"定位让它比 Sonnet 4.6 更愿意主动采取行动(包括重写脚本、改配置),这在 agent 框架里是好事,在"我只是想让它先 read-only 探查"场景里就是事故。

对比维度(我没法直接量化,只能列观察):

  • Sonnet 4.6:倾向于"先问后做",agentic 但保守
  • Sonnet 5:倾向于"先做再问",agentic 但有边界模糊
  • Opus 4.8:倾向于"问清楚再做大动作",agentic 但有 planning 阶段
  • Mythos 5:最严,几乎所有"破坏性"操作都要求二次确认

建议:在 Claude Code / Agent harness 里,如果是用 Sonnet 5,建议在 system prompt 显式加 "explicit confirmation before destructive actions",不要假设 Sonnet 5 会主动等。

2. Tokenizer 1.0-1.35× 是这次最被低估的工程变化

Anthropic 自己在发布稿第 16 段(脚注 2)用很长的篇幅解释这个变更,大意是 Sonnet 5 的 tokenizer 跟 Opus 4.7 引入的 tokenizer 一致,对模型本身的处理效率提升了,但对用户的账单不友好。如果你的 prompt 是代码 / 多语言 / 高频词,这个倍率通常在 1.2-1.3;如果你的 prompt 是纯英文短句,倍率接近 1.0。

工程含义:

  • 现有 Sonnet 4.6 的 prompt cache(Anthropic 有 prompt caching 优惠)按 token 数计费,tokenizer 变化后,缓存命中率没变,但缓存的 token 数变多了,计费基数变大
  • 如果你用 max_tokens 限制 completion,Sonnet 5 同样 max_tokens 8000 输出的"实际信息量"比 Sonnet 4.6 少(因为同样 8000 tokens 映射到的字符数变少)

这条我会专门写一段在下一篇 API 成本优化的文章里。

3. Cyber safeguards 默认开启是 Sonnet 5 的"安全溢价"

发布稿第 9 段写:Sonnet 5 "somewhat stronger" on cyber tasks vs Sonnet 4.6,Anthropic 评估"overall level of cybersecurity risk from Sonnet 5 was low",safeguards "less strict than those launched with Mythos 5"。

跟 Opus 4.7 / 4.8 同款 safeguards意味着 Sonnet 5 的网络安全相关 prompt(漏洞利用 / 渗透测试)会被实时拦。这对合规要求高的企业用户反而是利好(Sonnet 4.6 没 safeguards,Sonnet 5 有了),但对安全研究 / 渗透测试从业者是限制(必须走 Mythos 5 + Cyber Verification Program)。

注 1:Sonnet 5 默认就加入了 Cyber Verification Program,已注册的组织自动享有,不需要重新申请(发布稿脚注 1)。

4. 引入价是营销动作,不是真降价

这条 @ianberdin 的评论已经戳穿了:Anthropic 在引入期把单价砍 1/3,但同时把 tokenizer 1.0-1.35× 加上去,用户实际付的钱几乎没变(甚至略涨)。8/31 之后"恢复价"才是真涨价。

判断标准:

  • 如果你的 Sonnet 5 使用集中在 6/30-8/31,账单跟 Sonnet 4.6 持平或略降
  • 如果你的使用延续到 9/1 之后,账单涨 10-35%,取决于内容类型

我自己的做法:在 8/31 之前跑 Sonnet 5 把 3 个真实生产任务(代码 review + RAG 问答 + 文档总结)做完,8/31 后根据 benchmark + 实际效果决定是否继续。

5. 引入期的 2 个月窗口 + 早期合作伙伴反馈是双信号

发布稿引用了 Stripe(?)、Zimu Li 等 early access 客户的反馈(发布稿第 7 段是匿名 quote)。这条对企业决策者比"跑分"重要 —— 同期上线的产品 + 真实工作流的反馈 > 实验室 benchmark。

我能直接引用的早期合作伙伴 quote(发布稿第 7 段):

  • "Claude Sonnet 5 gives our agents a strong execution layer for multi-step software engineering work"
  • "It handles sustained coding, tool use, and debugging well across messy technical contexts"
  • "has been especially useful for workflows where follow-through and technical grounding matter"

五、目前还没完全搞清楚的几个点(局限与待验证项)

按"教学模式"模板,6 条 bullet 全部带关键词:

  • BrowseComp / OSWorld-Verified 的具体数字发布稿没给(待验证) —— 只说"close to Opus 4.8"和"substantially better than Sonnet 4.6",没有公开 benchmark 数字,需要等 system card 全文或第三方独立测试
  • Tokenizer 1.0-1.35× 倍率的具体分布(待验证) —— 发布稿说"depending on content type",但没说中文 / 代码 / 表格 / 多语言混合的分别倍率,我自己的 RAG 任务实测没做完
  • @epolanski 提的"未授权修改"问题的官方回应(不足) —— Anthropic 在 system card 里应该有,但发布稿没明说 Sonnet 5 的"边界提示"频率是否调高了,我自己在 Claude Code 里跑 Sonnet 5 还没复现这个 case
  • vs GLM-5.2 的真实生产对比(坑点) —— @XCSme 提 Sonnet 5 "GLM-5.2 level, at 2x cost, but also 2x faster",但 GLM-5.2 在我的端侧 / Ollama 部署上没有 Sonnet 5 这种"managed agent"体验,2 倍价差 + 2 倍速度差是不是真等价,要看具体场景
  • Cyber safeguards 的实际拦截率(还在调研) —— 发布稿说"less strict than Mythos 5",但 Sonnet 4.6 没有 safeguards,Sonnet 5 的拦截范围是不是把 Sonnet 4.6 之前能跑的任务也拦了,需要实测
  • 200K context window + 8192 max output 的组合(不足) —— Sonnet 5 跟 Sonnet 4.6 一样的 context + 一样的 max output,意味着长输出任务(生成大段文档 / 长代码)Sonnet 5 没优势,这个 boundary 博客园读者容易忽略

六、适用场景建议

  • 适合用 Sonnet 5:短到中等输出(2K tokens 以内)+ agentic 工具调用 + 多步任务;Agent harness 主力模型;6/30-8/31 期间的临时价格优势
  • 暂不适合用 Sonnet 5:长输出(> 8K tokens)+ 纯 prompt 密集型任务(tokenizer 涨价);需要严格"先问后做"的协作场景;中文 / 多语言混合的 RAG 任务(tokenizer 倍率不友好)
  • 替代方案:
    • 长输出:Opus 4.8(32K max output,但贵 5 倍)或本地 Qwen-AgentWorld-35B-A3B(端侧,256K context,256K → 速度有限)
    • 严格只读 agentic:Sonnet 4.6 + 显式 system prompt 限制
    • 高合规要求:Mythos 5 + Cyber Verification Program
    • 中文 / 多语言:GLM-5.2 / Kimi K2.6 + OpenRouter 路由

七、参考链接

  • https://www.anthropic.com/news/claude-sonnet-5 —— 官方发布稿(本文主要素材)
  • HN 48736605(778p / 436c)—— 社区评论,按 len(text) 排序后取前 30 条引用
  • https://api.anthropic.com/v1/models —— 实测确认 Sonnet 5 已上线(我自己的 API key)
  • https://github.com/anthropics/claude-code/blob/main/CHANGELOG.md —— Claude Code 配套更新
  • 上一篇博客园文章(2026-06-30 evening)讲 Ornith-1.0 自训练模型,可作为 Sonnet 5 的"开源对照"参考
  • 跨文章引用:本篇 8/31 之后账单变化的拆解会写下一篇 API 成本优化文章
posted @ 2026-07-01 07:07  Ninghg  阅读(13)  评论(0)    收藏  举报