OpenRouter 实测 Claude Opus、Sonnet、Haiku 5.5：编码任务全部通过，差异主要在成本

将 Claude Sonnet 5.5 作为你的默认模型，Claude Haiku 5.5 用于高并发和子代理任务，而当任务耗时长、含义模糊或出错代价高昂时，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 是否值 Sonnet 每 token 价格的两倍。在我们测试的编程任务上，并不值。我们给每个模型相同的 11 个带隐藏测试的编程任务，以及在 Claude Code 中相同的 bug 修复任务。每个模型都通过了所有测试，因此区分它们的是成本。按任务计算，Haiku 比 Opus 便宜 19 到 30 倍，Sonnet 的成本是 Opus 的一半到三分之二。

这些结果告诉你三者在我们的任务上表现如何。要知道哪一个最适合你的工作流，唯一的方法是在你自己的工作上测试它们。Ori Eval 可以为你做到这一点。你问你的编程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材料，编写评估，运行你想比较的模型，并推荐其中一个，同时给出背后的分数、时间和成本。关于在它们之间切换的章节展示了如何让它指向全部三个层级。

简而言之

• 将 Claude Sonnet 5.5 作为你的默认模型。在我们的 GPQA Diamond 和 τ-bench 运行中，它的得分与 Opus 5.5 相当或更好，并通过了所有编程测试，而每 token 价格只有一半。
• 将 Haiku 5.5 用于高并发和子代理任务。它也通过了所有编程测试，成本是 Sonnet 的十二分之一到十六分之一。
• 将 Opus 5.5 保留给耗时长、含义模糊、出错代价高于 token 成本的任务。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。在选定一个之前，用 Ori Eval 在你自己的工作上去测试这三者。
• 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。三者都有 100 万 token 上下文窗口，并接受文本、图像和 PDF。它们主要在价格上不同，而 Haiku 的基准分数更低。

价格为我们 2026 年 10 月 21 日的标价，来自 Opus 5.5、Sonnet 5.5 和 Haiku 5.5 的模型页面。基准行来自我们的 benchmarks 端点，于 10 月 21 日拉取（我们的运行时间为 10 月 17 日）。Artificial Analysis 智能指数 是独立基准测试公司 Artificial Analysis 的 10 项评估的复合分数。T 表示万亿 token，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 并未击败 Claude Sonnet 5.5。在我们运行的 GPQA Diamond（一套包含 198 道研究生水平科学问题的测试集）中，Sonnet 得分更高（92.4% 对 90.4%）。在 τ-bench airline（一个多轮客服智能体基准测试）中，Sonnet 的得分也更高（78.7% 对 75.5%）。在 Artificial Analysis 指数上，Opus 领先 1.6 分。在我们两次运行中，Sonnet 每项任务的成本都不到一半：GPQA 每题 $0.025，而 Opus 为 $0.054；τ-bench 每项任务 $0.16，而 Opus 为 $0.34。

在 10 月 12 日当周，Opus 5.5 在 OpenRouter 上的 token 用量约为 Sonnet 的两倍半。Opus 也是 Claude Code 在大多数套餐中的默认模型，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，那么你正在运行的就是 Opus。

Haiku 是否足以替代 Sonnet？

对于定义明确、常规性的工作，Haiku 5.5 可以替代 Sonnet。它在 τ-bench airline 上得分 76.0%，比 Opus 高半分，比 Sonnet 低 2.7 分，每项任务成本 $0.011。这大约是 Sonnet 成本的十四分之一。我们的运行中每个模型有 100 到 200 项任务，因此该基准测试上几分的差距可能是噪声。在 GPQA Diamond 上，Haiku 落后 Sonnet 5.8 分；在 Artificial Analysis 指数上落后 12.6 分，该指数对智能体任务和通用知识各加权 30%，对编程和科学推理各加权 20%。在常规编程方面，我们下面的测试未发现差距。

我们的编程测试显示了什么？

我们测试了两件事：按规格编写函数，以及用 Claude Code 修复一个代码仓库。三个模型在两项测试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测试文件。八个日常任务是：解析时长、合并区间、LRU 缓存、不使用 eval 的算术求值器、cron 表达式的下次运行时间、自动换行、语义化版本排序，以及 JSON 路径读取器。三个困难任务是：不使用 re 模块的正则引擎、带三值 NULL 逻辑的 SQL WHERE 过滤器，以及夏令时转换日跨时区的空闲日历时段。每个模型对每个日常任务作答两次，对每个困难任务作答三次，使用模型的默认设置，每个模型共 25 次尝试。

Haiku 使用的推理最多，但仍最快完成困难任务。在困难任务上，它平均使用 3,202 个推理 token，而 Opus 为 1,252 个。推理 token 是模型在写出答案之前用于思考问题的 token。即使推理更多，Haiku 每个困难任务的成本也只有 Opus 的二十七分之一。

Claude Code 中的一次缺陷修复

我们给 Claude Code 一个小型发票库，其中包含三个缺陷和五个测试。缺陷分别是：使用银行家舍入法（四舍六入五成双）的舍入、在引号内按逗号拆分的 CSV 解析器，以及用覆盖数量而非累加数量的汇总。我们通过 OpenRouter 对每个模型运行三次，使用 ANTHROPIC_MODEL 环境变量选择模型。

一轮对话是会话中的一次模型响应。我们根据每个会话的 token 数量按我们的价格计算会话成本，因为 Claude Code 自身对 Haiku 的统计有误。

Claude Code 自身的 total_cost_usd 字段无法识别我们的 Haiku slug，报告每个会话为 $0.16 到 $0.31，是我们计算出的中位数 $0.0052 的 30 到 60 倍。在 print 模式（claude -p）下，当 Claude Code 无法识别模型 slug 时会记录一条警告。我们在通过 Haiku 进行的一次单词回复中再次看到了这一点，Claude Code 报告为 $0.107，而按我们的价格该请求成本约为 $0.002。

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

如果你通过 OpenRouter 运行 Claude Code，请改为在活动页面查看支出，并在需要限额时使用我们的支出控制。

这些是规模小、定义明确的任务。在这些任务上，三个层级同样可靠，而它们的成本差异很大。它们并不涵盖 Anthropic 构建 Opus 所针对的工作，即长时间运行的智能体编程和知识工作，在这类工作中出错的代价高于 token 成本。

你应该用哪一个？

• 如果你想要一个默认选择，请使用 Claude Sonnet 5.5。在我们的两次基准测试运行中，它的得分与 Opus 相同或更好，并在我们所有的测试中与 Opus 持平，而每 token 价格只有一半。
• 如果你要运行大量请求，例如分类、抽取、子智能体或批量代码编辑，请使用 Haiku 5.5。它以 Sonnet 成本的 1/12 到 1/16、Opus 成本的 1/19 到 1/30 通过了我们给它的每一项测试。请将提示保持在 100,000 token 以下，以维持其较低价格。在 Claude Code 之外，我们的Subagent 服务器工具允许较大的模型将自包含的任务交给较小的模型。
• 对于出错代价高昂的长任务，请使用 Opus 5.5。这正是它为之构建的工作，而我们的短任务无法排除它在这方面的优势。
• 如果你无法判断自己的工作负载属于哪一类，请测试你自己的任务，而不是我们的任务，如下一节所述。

如何在它们之间切换？

我们通过一个 API、一个密钥和一种请求格式提供全部三个模型，因此切换只需更改模型字符串。这个循环将相同的提示发送到每个层级，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 将你自己的任务在每个层级上运行。Ori Eval 测试是 TypeScript *.eval.ts 文件。在一个文件中将三个 slug 都传给 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，并将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。它尚不能识别 Haiku 的 slug，并假定为 200,000 token。要赋予 Haiku 完整的窗口，请在其 slug 后添加 [1m]。我们在路由前会去掉该后缀。不添加该后缀会使 Haiku 会话保持在约 200,000 token 以下。

这些变量设置每个名称指向哪个模型。它们不会改变你使用哪一个。要将 Sonnet 设为主模型，请在会话中运行 /model sonnet，或在启动 Claude Code 前设置 ANTHROPIC_MODEL=sonnet。要用 Opus 规划并用 Sonnet 编写代码，请改为运行 /model opusplan。由于设置了 CLAUDE_CODE_SUBAGENT_MODEL，未指定自己模型的子智能体将在 Haiku 上运行。

如果你更希望我们按请求挑选，Auto Router（openrouter/auto）会为每个提示词选择一个模型。对于编程，Pareto Router 会挑选一个满足你设定的最低编程分数的模型。

常见问题

Claude Haiku 比 Sonnet 便宜吗？

是的。在 OpenRouter 上，对于 10 万 token 以下的提示词，Haiku 5.5 的每输入和输出 token 成本比 Claude Sonnet 5.5 低 20 倍，每百万输入 token 为 $0.10，而后者为 $2.00。在我们的 Claude Code 运行中，每次会话的差距更小，约为 12 倍，部分原因是 Haiku 需要更多轮次才能达到相同结果。

在编程方面，Sonnet 5.5 比 Opus 5.5 更好吗？

在我们的 Claude Sonnet 与 Opus 编程测试中，两者不相上下。两者都通过了全部 25 次隐藏测试尝试，以及通过 OpenRouter 进行的全部三次 Claude Code 运行，而 Sonnet 更快，成本只有三分之二到一半。Opus 在 Artificial Analysis 指数上领先 1.6 分，Anthropic 将其定位为长时间运行的智能体编程，因此对于漫长、模糊的会话，它是更稳妥的选择。

Claude Haiku 擅长什么？

Haiku 5.5 擅长高吞吐量、定义明确的工作，例如分类、提取、路由、子智能体任务和常规代码更改。在我们通过 OpenRouter 进行的测试中，它通过了每一项编程任务，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。当你通过 OpenRouter 运行 Claude Code 时，可以用 ANTHROPIC_MODEL 更改主模型，并用上述环境变量设置每个角色。

后续步骤

• Ori Eval 会在你自己的任务上运行 Opus、Sonnet 和 Haiku，并推荐其中一个。首先，给你的编程智能体这条指令：run curl -fsSL https://openrouter.ai/skills/spawn-ori-eval and follow the instructions in its output to get started。
• 我们的设置指南涵盖按角色的模型设置，我们的教程Claude Code with OpenRouter: Setup, Models, and Costs 涵盖模型选择和成本。
• Opus 5.5、Sonnet 5.5 和 Haiku 5.5 的模型页面显示当前价格、提供商和正常运行时间。我们的Opus 5.5 vs Sonnet 5.5 对比页面将其中两者并排展示。
• 提示词缓存解释了上表中的缓存读取价格。
• 如果你要从较旧的 Claude 模型迁移，Claude 5.5 迁移指南涵盖 API 变更。
• Cost vs. Quality Tradeoff Framework for Agent Models 和 Confidence Thresholds for Model Escalation Routing 涵盖何时将请求提升到更高层级。