9月28日，Anthropic发布了Claude Sonnet 5.5。公告里最吸引人的两句话，是生成速度比Sonnet 5快超过30%，多数工作的任务成本最多降低30%。读起来很直接：升级之后，等待少了，钱也能省下来。
可把价格表和第三方测试放在一起，会看到另一种结果。单价没降；把思考档位开到最大，测试账单还可能上去。Claude官方发布视频的封面写着“还有更多等待发现”；这条X帖子按北京时间发布于9月29日凌晨。

先看价格。截至10月5日，Sonnet 5.5的标准API价格，是每百万输入token 2美元、输出10美元，与Sonnet 5相同。官方所说的省钱，来自完成同一项工作时通常消耗更少的token。这里谈的是开发者调用费用，不能据此推导出订阅月费打了七折。
这就有意思了。单价不变，任务总价却能降，关键在模型做事时用了多少步骤、花了多少推理和输出。如果一个问题绕了几圈才答完，生成速度再快，也得为绕路付费。页面上回复出现得快，和整项工作省时省钱，得分开看。
独立测评机构Artificial Analysis在北京时间9月29日发布的测试，给了一个具体提醒。Sonnet 5.5开在max思考档位时，其综合评测里每道任务的加权平均成本为7.60美元，比Sonnet 5对应测试高约50%。这是评测任务的统计口径，不能拿它当写一封邮件或问一个问题的报价。
这组结果来自预发布部署，测评方还注明其中存在一个后来已修复的结构化输出问题。它适合说明当时那组测试里的取舍，不能当成每位用户今天都会遇到的固定账单。
为什么官方说省，测评却更贵？两边的任务和设置没有被固定在同一个条件下。官方讲的是多数工作的效率改善；那组独立测试把思考开到最高，追求的是更好的评测成绩。愿意多想，和用更少的钱完成任务，本来就可能走向不同的结果。
连默认设置也有差异。Anthropic的发布说明写得很清楚：Claude应用和Claude Code默认用Medium，Claude Platform默认用High。同样叫Sonnet 5.5，从网页里聊天，和通过接口接到自己的软件中，思考设置未必一样。比较感受之前，先把这一点对齐，才知道差别从哪里来。
官方FrontierCode编程测试里，还有一处很具体的变化。蓝色曲线从Xhigh到Max反而往下走，Sonnet 5.5投入更多思考，成绩却下降了。官方脚注解释，Max时它更常调用拆成多个子任务的代码审查流程；被分析的两个案例里，这带来了超时或超出任务范围的额外修改。

这种细节比单看榜单更实用。假设要求只修一个按钮，模型顺手调整几处其他功能，代码可能写得挺认真，任务却已经变了。思考投入增加，也可能增加跑偏的机会。工作范围是否守住，会直接影响返工和验收。
另一张官方Terminal-Bench图里，Sonnet 5.5从超高档到最高档，成绩仍在上升。横轴统计的是每次尝试成本，与前图的每项任务成本也不同。两张图放在一起看，更能说明思考档位要跟着任务选：同一个模型，增加投入后的结果，也会随测试任务和验收方式而变。

对调用AI做事的人来说，选模型时应当连着看任务范围和思考档位。要求它解决多大的问题，允许它额外做多少事，往往比把设置一口气拉满更影响结果。Sonnet 5.5能省下多少，最后还得落到一项按要求交完的工作上。