从比分数到比单任务成本：Claude Sonnet 5.5 上线透露的选型新标准

Claude Sonnet 5.5 是 Claude 5.5 家族的第二款模型，定位是 Opus 5.5 的更快、更便宜搭档，面向日常编码与文档处理。定价与 Sonnet 5 一致，输入每百万 token 2 美元、输出 10 美元，官方称生成输出速度提升超过 30%。同一周内，OpenAI 的 GPT-6.1 Sol 也把自己定位成“用五分之一价格逼近 Astra 的智能体能力”。

一个悄然发生的变化：评测口径变了

过去两年，模型发布会的标配是一张跑分表。但 2026 年 9 月这一轮，厂商主动强调的变成了另外几个词：缓存价格、输出速度、单任务成本。Cognition 发布 SWE-2 时，直接把“比 Fable 5.1 便宜约 64%”写进核心信息；微软的 MAI-Transcribe-2 主打的是每小时 0.10 美元的语音转写价格，对标 OpenAI、Google 和 ElevenLabs 的转写业务。

这不是巧合。当头部模型的智能差距收敛到几个百分点以内，剩下能拉开差距的只有两件事：单位成本，和在你的具体任务上的稳定性。

为什么“单任务成本”比“单价”更靠谱

单价是每百万 token 多少钱，但同一个任务，不同模型的耗 token 量可能差好几倍：有的模型一步到位，有的要来回重试三次；有的能直接读结构化数据，有的需要你把材料反复喂进去。真正的成本公式是：单任务成本 = 单价 × 该任务实际消耗 × (1 + 重试率)。

国产模型这一轮的位置

9月的国产阵容同样密集：阿里 Qwen3.8-Max-0902 快照在 9 月 2 日上线，主打代码与 Web 开发；DeepSeek V4.1 Flash 于 9 月 10 日发布，552B MoE 架构，价格 0.07 / 0.28 美元；快手 Kling 4.0 在 9 月 28 日开放限量早期访问，单片段最长 30 秒、支持 4K 与 1080p 10-bit HDR，最多 15 个多模态参考输入，正式版计划 10 月发布；美团 LongCat-2.5 Preview 在 9 月 25 日上线，1.6T 参数 MoE、激活约 48B、100 万 token 上下文，并原生支持图像理解；Moonshot 的 Kimi K2.8 Preview 也在同月亮相。

对国内企业来说，这批模型的实际意义是：同等工作量的推理成本在过去三个月里下降了 50% 到 75%。原本因为太贵而被搁置的场景——比如全量客服对话质检、历史合同结构化、产品图批量处理——现在重新进入了可行区间。