对比模型
Claude Opus 5 与 Claude Sonnet 5
作者:Ofrai Editorial(Model Testing Team)
绝大多数工作用 Claude Sonnet 5 就够,只有很小一部分出错代价很高的任务才需要 Claude Opus 5 —— 两者是同一家族的不同层级,不是互相竞争的模型。Sonnet 5 是大多数专业工作应当运行的均衡层级;Opus 5 是留给决策、根因定位和终审签字的前沿层级。在 Ofrai 对话工作室里,两者都是标准对话模型并共用同一套信用余额,所以验证这次升级只需要多花一次生成。
对话与视频按积分计费。
升级到 Opus 5 究竟多买到什么
Opus 5 是 Anthropic 的前沿层级,Sonnet 5 是它下面的均衡层级,所以这次升级买到的是三处具体的深度:多条约束相互冲突、必须有人决定放弃哪一条的任务;由一长串彼此依赖的步骤构成、每一步都要建立在上一步之上的任务;以及交付物会不经第二遍阅读就被执行时的终审判断。
其余部分——文字质量、遵循既定格式、写出和周围代码风格一致的代码——Sonnet 5 在更低的价格档和更快的响应下已经做到了。如果你最难的提示不落在上面这三类里,层级差距不会体现在输出中。
Sonnet 5 已经够用的那些工作
Sonnet 5 能胜任专业起草、编辑与摘要,有大量具体约束要遵守的文档与邮件工作,复杂度正常的代码讲解、生成与审查,以及有若干步骤的分析,而这些通常构成一周工作的大部分。它被记录下来的短板位于前沿边缘——最难的推理、出错代价很高的情形——如果你的工作不在那里,更高的层级只是为了一句你其实没问的问题买了一个更漂亮的答案。
在 Ofrai 上两者都是使用同一套共享信用余额的标准对话模型,所以这项对比只需要多花一次生成,而不是多开一份订阅。
按每一份成品算成本,而不是按每次调用
问“哪个模型单次调用更便宜”是问错了问题,因为便宜但要改三轮的模型其实更贵。应该衡量的是一份被采纳的成品所消耗的积分:花掉的积分除以你保留下来的产出。一个一次就命中的前沿层级答案,在这个口径下比改了两遍的均衡层级答案更便宜。
Sonnet 5 是可以反复运行的便宜模型,工作室会在你发送前显示每次请求的积分消耗,所以连着记录一周两边数字,就能看清钱到底花在了哪里。
如何用自己的提示词验证这次升级
从过去两周里挑十条你真的发过的提示词,其中至少包括最让你恼火的那两条,在 Sonnet 5 和 Opus 5 上各跑一遍。评判三件事:保留输出前你试了几轮;回答有没有遵守你列出的每一条约束;以及你有没有替它补上它漏掉的重要提醒。
然后数一数十条里有几条 Opus 5 一次就完成——这个数字,而不是功能对比,才是决定前沿层级是否该进入你工作流的关键。过一个月再用同样十条重跑一遍,因为随着你的提示水平提高,这个平衡会移动。
Sonnet 5 明显顶不住、别硬扛的地方
有些情况不值得在 Sonnet 5 上继续较劲:一个已经扛过三轮尝试的隐蔽缺陷;一个做错了就难以回退的架构决策;一组相互冲突、且判错代价真实存在的需求;或者证据本来就稀薄、模型却在顺滑地补全。这时应该升级,而不是换个说法再问一遍。
Sonnet 5 的失败方式不是更慢,而是在刚好能藏住缺口的那种细节层面给出貌似合理的答案,这正是它在这些场合危险的原因。当出错是昂贵后果时,Opus 5 才是值得付费的那个层级。
Opus 5 在哪些地方纯属浪费
大批量常规工作、不值得单次成本的快速查询、很长的机械转换——四十条清单、逐项核对、每行都套同一规则的重复处理——以及任何你本来就打算丢掉重来的任务,都不适合用 Opus 5。它开头漂亮、结构的撑一阵,然后在尾部条目上飘走,有时干脆用总结代替做完,而尾部正是贵层级悄悄不再划算的地方。把这些活下放。
钱更该花在每周那两三份别人真的会照着行动的输出上。
一条能写在便利贴上的分配规则
起草、改写、摘要、格式化、讲解,以及任何你本来可以去问一个靠谱同事的事,交给 Sonnet 5。做决策、在冲突需求之间仲裁、追根溯源、以及对一件不再有人复核就发出去的东西签字,交给 Opus 5。介于两者之间的,包括批量分类、批量格式化,以及任何“足够快就行”胜过“最好”的任务,应该再往下放到更便宜的层级,比如同家族里更小的 Claude 模型,Ofrai 也列出了它。
一条不用思考就能执行的规则,比任何提示词技巧省下的积分都多。
Opus 5 特有的失误方式
Opus 5 典型的失误是安静地过度服从:它交出你要的结构、长度和语气,却把你最后一段提到的那条硬性提醒悄悄丢掉。第二个失误是自信地补全——证据不足时它顺滑地把空白填满而不是点明缺了什么,而在这个层级上文字足够精致,反而让这种做法更危险。
要求它列出每一条无法核实的论断,并在回答前先说明缺什么;任何客户会读到的内容,都保留人工终审。
Sonnet 5 特有的失误方式
Sonnet 5 典型的失误是在错误的深度上给出一个貌似合理的答案:它能把一件事讲得正确但浅薄,而且倾向于接受你的框定而不是质疑它。在长对话里它遵守最新指令、忘掉旧的那一条,于是十条消息之前给的约束悄悄失效。它还会顺带回答你没问的邻近问题,而且长度和真正的问题一样长。
每次发新请求前把关键约束重述一遍,并要求它按严重程度排序,而不是把所有问题罗列出来。
编程场景下的 Opus 5 与 Sonnet 5
读陌生代码、解释代码在做什么、写测试、常规重构和正常复杂度的审查,用 Sonnet 5,它既是更合适的层级也是更便宜的那个。需要追根溯源而不是猜原因的定位、熬过前几轮的隐蔽多任务处理或安全缺陷,以及你不想重做一遍的设计决策,则由 Opus 5 赚回它的成本。两者都要要求给 diff,而不是整段代码。
合理的拆法是:起草和反复修改在 Sonnet 5 上做,然后把完成的 diff 交给 Opus 5 做那份要进工单的审查。
在同一个线程里切换层级
两个模型在 Ofrai 对话工作室里都是标准对话模型,共用同一套信用余额,而且你可以在同一个线程内切换——上下文与历史会跟着走,于是最贵的部分,也就是你已经建立起来的全部任务背景,不会被丢弃。常见做法是先在 Sonnet 5 上探索和起草,把最终的判断或成稿升级给 Opus 5,需要精简时再拿回来用便宜层级过一遍。
这就是全部的成本控制机制;每一次请求都不需要做什么计费决定。
什么时候换个模型比这两者都更合适
当决定因素是数量或速度而不是深度时,这两个层级都不是答案。面对上千条数据的批量分类、格式化与抽取,同家族里更小的模型才是对的工具;而在交互式场景中,“足够快的可接受答案”比“最好的答案”更重要时,任何实验室的更便宜层级在响应速度上都会胜过两者。
还有一个信号是重复:如果你每次都要把同一条提示升级给 Opus 5,诚实的结论是这套工作流需要更好的输入,而不是更贵的层级。
Ofrai 积分标价
评分为站内实测编辑估计,非第三方基准。
| 模型 | 类型 | 积分 |
|---|---|---|
| Claude Opus 5 | 对话模型 | Input/Output 1.37136/6.8568 |
| Claude Sonnet 5 | 对话模型 | Input/Output 0.822816/4.11408 |
常见问题
- 比 Claude Sonnet 5 贵,Claude Opus 5 值这个价吗?
- 在你工作中占比很小但能明确指认的那一部分值得:需要仲裁的冲突约束、彼此依赖的长步骤链、必须追根溯源而不是猜的根因,以及不再有人复核就发出去的东西的终审。其余部分——起草、编辑、摘要、常规编码——Sonnet 5 在更低价格档上已经做得不错。与其假设,不如验证:用十条你自己的真实提示在两边各跑一遍,数一数 Opus 5 有几条一次就完成。
- Claude Sonnet 5 够应付大部分工作吗?
- 对大部分专业工作来说够用。Sonnet 5 是 Anthropic 的均衡层级,为起草、编辑、摘要、约束繁多的文档和正常复杂度的代码而设计,覆盖一周工作的大部分。当出错会有真实代价时它不是合适的层级:隐蔽缺陷、难以回退的设计决定、证据不足的判断。它被记录下来的强项是遵守具体约束,这也正是它的产出可以作为真正的交付物、而不只是答案的原因。
- 对比 Opus 5 和 Sonnet 5 需要分别订阅吗?
- 不需要。两者都作为标准对话模型列在 Ofrai 对话工作室,并共用同一套信用余额。打开对话工作室,把同一条提示分别发给 Claude Opus 5 和 Claude Sonnet 5 即可比较,不必管理两个账号、两份密钥或两张账单。两个层级都没有单独的订阅。控成本靠的是把每次请求分配到合适的层级,而不是分开计费。
- 编程该用 Opus 5 还是 Sonnet 5?
- 代码讲解、代码生成、写测试、常规重构和正常复杂度的审查,用 Sonnet 5。熬过三轮尝试的缺陷、隐蔽的多任务处理或安全问题,以及你不想重做一遍的架构决策,用 Opus 5。两者都要要求给 diff 而不是整段代码。更省钱的拆法是:起草和迭代在 Sonnet 5 上做,把完成的 diff 交给 Opus 5 做那份要进工单的审查。
- 任务进行到一半怎么在两个层级之间切换?
- 在同一个对话线程里切换。上下文与历史会跟着切换走,因此你已经围绕任务理清的一切都保留下来——那正是最贵的部分,也是最不该丢掉的部分。常见做法是先在 Sonnet 5 上探索和起草,把判断或成稿升级给 Opus 5,需要精简时再回到 Sonnet 5。全程走同一套信用余额,也不需要中途改变计费方式。
- 什么时候 Opus 5 和 Sonnet 5 都不该用?
- 当数量或速度而非深度决定任务的时候。面对上千条数据的批量分类、格式化与抽取,应使用同家族里更小的模型;而在“足够快的可接受答案”胜过“最好的答案”的交互场景中,任何实验室的更便宜层级都会更好。另一个信号是重复:如果你每次都要把同一条提示升级给 Opus 5,那多半是输入需要改进,而不是层级不够高。