Claude Opus、Sonnet 与 Haiku 5.5 怎么选，OpenRouter 实测对比

将 Claude Sonnet 5.5 作为默认选择，Claude Haiku 5.5 用于高吞吐量和子代理工作，而当任务耗时长、含义模糊或出错代价高昂时，则使用 Claude Opus 5.5。

对大多数团队来说，选择是在 Opus 和 Sonnet 之间，问题在于 Opus 按 token 计价是否值 Sonnet 的两倍价格。在我们测试的编码任务上，它并不值得。我们在 Claude Code 中给每个模型同样的 11 个带隐藏测试的编码任务和同样的 bug 修复任务。所有模型全部通过，因此区分它们的是成本。Haiku 每个任务比 Opus 便宜 19 到 30 倍，Sonnet 的花费是 Opus 的一半到三分之二。

这些结果告诉你在我们的任务上三者表现如何。要知道哪个最适合你的工作流，唯一的办法是在你自己的工作上测试它们。Ori Eval 可以替你完成这件事。你问你的编码代理哪个模型最适合你的项目，它会在你的代码中找到测试素材，编写评测，运行你想比较的模型，并根据背后的分数、耗时和成本推荐其中一个。关于在三者之间切换的章节介绍了如何让它指向全部三个层级。

要点速览

• 将 Claude Sonnet 5.5 作为默认选择。在我们的 GPQA Diamond 和 τ-bench 测试中，它的得分与 Opus 5.5 相当或更好，并通过了所有编码测试，而每 token 价格只有一半。
• 将 Haiku 5.5 用于高吞吐量和子代理工作。它同样通过了所有编码测试，而成本仅为 Sonnet 的 1/12 到 1/16。
• 把 Opus 5.5 留给那些出错代价高于 token 成本的冗长、模糊任务。我们的短任务无法排除它在这方面的优势。
• 我们的任务不是你的任务。在选定其中之一之前，先用 Ori Eval 在你自己的工作上测试这三个模型。
• 在 OpenRouter 上，三者只差一个模型字符串，而 Claude Code 可以为每个角色使用不同的模型。

Opus、Sonnet 和 Haiku 有何不同？

Opus 5.5、Sonnet 5.5 和 Haiku 5.5 是同一代模型的三个层级。Anthropic 于 2026 年 9 月 22 日发布 Opus 5.5，9 月 28 日发布 Sonnet 5.5，10 月 7 日发布 Haiku 5.5。三者都拥有 100 万 token 的上下文窗口，并接受文本、图像和 PDF。它们的差异主要在价格上，另外 Haiku 的基准测试分数较低。

价格为 2026 年 10 月 21 日的目录价，取自 Opus 5.5、Sonnet 5.5 和 Haiku 5.5 的模型页面。基准测试数据行来自我们的基准测试端点，于 10 月 21 日拉取（我们的运行时间为 10 月 17 日）。Artificial Analysis Intelligence Index 是独立基准测试公司 Artificial Analysis 对 10 项评估的综合得分。T 表示数万亿 token，数据来自我们的每日排名数据集。

Opus 比 Sonnet 更好吗？

在我们运行的基准测试中，Claude Opus 5.5 并没有胜过 Claude Sonnet 5.5。在我们这轮 GPQA Diamond（一套 198 道研究生水平的科学问题）测试中，Sonnet 得分更高（92.4% vs 90.4%）。它在 τ-bench airline（一个多轮客服代理基准测试）上也得分更高（78.7% vs 75.5%）。在 Artificial Analysis 指数上，Opus 领先 1.6 分。在我们这两轮测试中，Sonnet 的单任务成本不到 Opus 的一半：GPQA 每题 $0.025 对 $0.054，τ-bench 每任务 $0.16 对 $0.34。

在 10 月 12 日那一周，OpenRouter 上 Opus 5.5 承载的 token 流量约为 Sonnet 的两倍半。Opus 在大多数套餐中也是 Claude Code 的默认模型，而且在我们的测试中，当未设置模型时，Claude Code 会通过 OpenRouter 使用 Opus 5.5。如果你没有更改过模型，那你运行的就是 Opus。

Haiku 能否好到足以替代 Sonnet？

对于定义明确、例程性的工作，Haiku 5.5 可以替代 Sonnet。它在 τ-bench airline 上得了 76.0%，比 Opus 高半分，比 Sonnet 低 2.7 分，而每个任务成本仅 $0.011。这大约是 Sonnet 成本的十四分之一。我们每轮测试中每个模型运行 100 到 200 个任务，所以这个基准上几分的差距可能只是噪声。Haiku 在 GPQA Diamond 上落后 Sonnet 5.8 分，在 Artificial Analysis 指数上落后 12.6 分，该指数对代理任务和通用知识各赋予 30% 的权重，对编程和科学推理各赋予 20% 的权重。在例程编程方面，我们在下面的测试中未发现差距。

我们的编程测试显示了什么？

我们测试了两件事：按照规格编写一个函数，以及用 Claude Code 修复一个代码仓库。三个模型在两者中都通过了每一项测试。

带隐藏测试的函数

我们编写了 11 个 Python 任务，每个任务都有一个隐藏的测试文件。八个日常任务分别是：解析时长、合并区间、LRU 缓存、不带 eval 的算术求值器、cron 表达式的下次运行时间、自动换行、Semantic Versioning 排序，以及 JSON 路径读取器。三个困难任务分别是：不带 re 模块的正则表达式引擎、带三值 NULL 逻辑的 SQL WHERE 过滤器，以及在夏令时切换日期上跨时区的空闲日历时段。每个模型在每个日常任务上作答两次，在每个困难任务上作答三次，均使用模型默认设置，每个模型共 25 次尝试。

Haiku 使用的推理最多，却仍然最快完成了困难任务。在困难任务上，它平均使用 3,202 个推理 token，而 Opus 是 1,252 个。推理 token 是模型在写出答案之前思考问题所花费的 token。即使有这些额外的推理，Haiku 每个困难任务的成本也只有 Opus 的二十七分之一。

Claude Code 中的 bug 修复

我们给 Claude Code 一个带有三个 bug 和五个测试的小型开票库。这些 bug 分别是：使用了银行家舍入（半数取偶）的舍入、会在引号内的逗号处拆分的 CSV 解析器，以及覆盖而非累加数量的汇总。我们通过 OpenRouter 对每个模型各运行三次，用 ANTHROPIC_MODEL 环境变量选择模型。

一轮（turn）是指会话中模型的一次响应。我们根据每个会话的 token 数按我们的价格计算了会话成本，因为 Claude Code 自己的数字对 Haiku 是错的。

Claude Code 自己的total_cost_usd字段未能识别我们的 Haiku slug，报告每会话成本为 0.16 至 0.31 美元，是我们计算出的中位数 0.0052 美元的 30 到 60 倍。在打印模式（claude -p）下，Claude Code 在无法识别模型 slug 时会记录一条警告。我们在 Haiku 的一个单词回复上再次看到了这一点：Claude Code 报告为 0.107 美元，而按我们的价格该请求成本约为 0.002 美元。

[claude-code:unrecognized_model] {"model":"anthropic/claude-haiku-5.5","query_source":"sdk"}

如果你通过 OpenRouter 运行 Claude Code，请改为在你的活动页面上查看支出，如果需要设置上限，请使用我们的支出控制。

这些是小而定义明确的任务。在这些任务上，三个层级同样可靠，但成本差异很大。它们不涵盖 Anthropic 为之打造 Opus 的那类工作，即长时间运行的智能体编程与知识工作，在这类工作中，错误的代价远高于 token 费用。

你应该使用哪一个？

• 如果你想要一个默认选择，请使用 Claude Sonnet 5.5。在我们的两次基准运行中，它的得分与 Opus 相当或更好，并在我们所有测试中与之持平，而每 token 价格只有一半。
• 如果你运行大量请求，例如分类、信息提取、子智能体或批量代码编辑，请使用 Haiku 5.5。它通过了我们给它的所有测试，成本仅为 Sonnet 的十二分之一到十六分之一、Opus 的十九分之一到三十分之一。将提示保持在 100,000 token 以内，以享受其更低价格。在 Claude Code 之外，我们的Subagent 服务器工具可让较大的模型把自包含的任务交给较小的模型。
• 对于错误代价高昂的长任务，请使用 Opus 5.5。这正是它为之打造的工作类型，而我们的短任务无法排除它在这方面可能具有的优势。
• 如果你分不清自己的工作负载属于哪一类，请按下一节所述，测试你自己的任务而不是我们的任务。

如何在它们之间切换？

我们通过同一个 API、同一个密钥和同一种请求格式提供所有三个模型，因此切换只需更改模型字符串。此循环向每个层级发送相同的提示，并打印输出 token 数以及我们在每次响应中返回的成本。

import os
import requests
for model in ["anthropic/claude-opus-5.5", "anthropic/claude-sonnet-5.5", "anthropic/claude-haiku-5.5"]:
    r = requests.post(
        "https://openrouter.ai/api/v1/chat/completions",
        headers={"Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}"},
        json={"model": model, "messages": [{"role": "user", "content": "Write a Python function that merges overlapping intervals."}]},
        timeout=300,
    )
    usage = r.json()["usage"]
    print(f"{model}: {usage['completion_tokens']} output tokens, ${usage['cost']:.4f}")

这是我们 2026 年 10 月 13 日运行时的输出。

anthropic/claude-opus-5.5: 1190 output tokens, $0.0239
anthropic/claude-sonnet-5.5: 876 output tokens, $0.0088
anthropic/claude-haiku-5.5: 852 output tokens, $0.0004

使用 Ori Eval 在各层级上运行你自己的任务。Ori Eval 测试是 TypeScript *.eval.ts 文件。在同一个文件中把三个 slug 逐一传给 setupAgent({ model })，相同的测试就会在每个层级上运行。

在 Claude Code 中，你可以保留 Opus 用于规划，把常规工作交给更便宜的模型。按照我们的设置指南将 Claude Code 指向 OpenRouter，然后为每个角色设置模型。

export ANTHROPIC_DEFAULT_OPUS_MODEL="anthropic/claude-opus-5.5"
export ANTHROPIC_DEFAULT_SONNET_MODEL="anthropic/claude-sonnet-5.5"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="anthropic/claude-haiku-5.5"
export CLAUDE_CODE_SUBAGENT_MODEL="anthropic/claude-haiku-5.5"

Claude Code 2.1.307 能识别 Opus 和 Sonnet 的 slug，并为它们提供 100 万 token 的上下文窗口。它还不能识别 Haiku 的 slug，会假定 200,000 token。要让 Haiku 获得完整窗口，请在其 slug 后加上 [1m]。我们会在路由前去掉该后缀。不加后缀则可让 Haiku 会话保持在约 200,000 token 以内。

这些变量设置每个名称指向哪个模型。它们不会改变你实际使用的模型。要让 Sonnet 成为主模型，请在会话中运行 /model sonnet，或在启动 Claude Code 之前设置 ANTHROPIC_MODEL=sonnet。要用 Opus 规划、用 Sonnet 编写代码，请改为运行 /model opusplan。由于已设置 CLAUDE_CODE_SUBAGENT_MODEL，未自行指定模型的子智能体将在 Haiku 上运行。

如果您更希望我们按请求挑选，Auto Router（openrouter/auto）会为每个提示选择一个模型。对于编码任务，Pareto Router 会选择一个满足您所设最低编码分数的模型。

常见问题

Claude Haiku 比 Sonnet 便宜吗？

是的。在 OpenRouter 上，对于少于 100,000 个 token 的提示，Haiku 5.5 的每输入和输出 token 价格比 Claude Sonnet 5.5 便宜 20 倍，每百万输入 token 为 $0.10，而 Sonnet 为 $2.00。在我们的 Claude Code 运行中，每个会话的差距更小，约为 12 倍，部分原因是 Haiku 需要更多轮次才能达到相同的结果。

在编码方面，Sonnet 5.5 比 Opus 5.5 更好吗？

在我们的 Claude Sonnet 与 Opus 编码测试中，两者不相上下。二者都通过了全部 25 次隐藏测试尝试以及全部三次通过 OpenRouter 进行的 Claude Code 运行，而且 Sonnet 更快，成本只有其一半到三分之二。Opus 在 Artificial Analysis 指数上领先 1.6 分，且 Anthropic 将其定位用于长时间运行的智能体编码，因此对于漫长而模糊的会话，它是更稳妥的选择。

Claude Haiku 适合做什么？

Haiku 5.5 适合大规模、规格明确的工作，例如分类、提取、路由、子智能体任务以及常规代码修改。在我们通过 OpenRouter 进行的测试中，它通过了每一项编码任务，包括正则表达式引擎和 SQL 三值 NULL 逻辑，并在 τ-bench airline 上比 Opus 高出半分。

Claude Code 使用哪个 Claude 模型？

根据 Anthropic 的模型配置文档，Claude Code 在 Pro、Max、Team、Enterprise 和 Anthropic API 账户上默认使用 Opus 5.5。当您通过 OpenRouter 运行 Claude Code 时，可以用 ANTHROPIC_MODEL 更改主模型，并通过上面的环境变量设置各个角色。

后续步骤

• Ori Eval 会在您自己的任务上运行 Opus、Sonnet 和 Haiku，并推荐其中之一。要开始使用，请给您的编码智能体以下指令：run curl -fsSL https://openrouter.ai/skills/spawn-ori-eval and follow the instructions in its output to get started。
• 我们的设置指南介绍了按角色设置模型的方法，我们的教程Claude Code with OpenRouter：设置、模型与成本介绍了模型选择和成本。
• Opus 5.5、Sonnet 5.5 和 Haiku 5.5 的模型页面显示了当前的价格、提供商和在线率。我们的Opus 5.5 与 Sonnet 5.5 对比页面将其中两者放在一起比较。
• 提示缓存解释了上表中的缓存读取价格。
• 如果您正从较旧的 Claude 模型迁移，Claude 5.5 迁移指南介绍了相关的 API 变更。
• 智能体模型的成本与质量权衡框架和模型升级路由的置信度阈值介绍了何时将请求提升一个层级。