OpenRouter 实测 Claude Opus、Sonnet、Haiku 5.5 该如何选

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、存在歧义或出错代价高昂时，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 是否值 Sonnet 每 token 价格的两倍。在我们测试的编码任务上，并不值。我们给每个模型相同的 11 个带隐藏测试的编码任务，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材料，编写评估，运行你想比较的模型，并推荐一个，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，并通过了所有编码测试，而每 token 价格只有一半。
• 将 Haiku 5.5 用于高并发和子代理任务。它也通过了所有编码测试，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、存在歧义且出错代价高于 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。在做出选择之前，用 Ori Eval 在你自己的工作 上测试这三者。
• 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。三者均具有 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 的基准分数较低。

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 项评估的综合分数。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 并未胜过 Claude Sonnet 5.5。在我们运行的 GPQA Diamond 中，Sonnet 得分更高，这是一组 198 道研究生级别的科学问题（92.4% 对 90.4%）。在 τ-bench airline 上，Sonnet 的得分也更高，这是一个多轮客服智能体基准测试（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 日那一周，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 通过 OpenRouter 使用了 Opus 5.5。如果你没有更改过模型，那你运行的就是 Opus。

Haiku 是否足以取代 Sonnet？

对于定义明确的常规工作，Haiku 5.5 可以取代 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%，对编码和科学推理各加权 20%。在常规编码方面，我们下面的测试未发现差距。

我们的编码测试显示了什么？

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所有测试。

带隐藏测试的函数

我们编写了 11 个 Python 任务，每个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、语义化版本排序顺序，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回答两次，对每个困难任务回答三次，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，却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。即使有额外的推理，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，以及用覆盖数量而不是累加数量的汇总。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 自身给出的数字对 Haiku 来说是错误的。

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，请改为在你的 Activity 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。

你应该使用哪一个？

• 如果你想要一个默认选项，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 相当或更好，并且在我们的所有测试中与 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、提取、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。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时间任务，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组，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，因此切换意味着更改模型字符串。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 我们在每个响应中返回的成本。

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}")

这是我们于 2026 年 10 月 13 日运行得到的输出。

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 分别传给 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 其完整窗口，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。要让 Sonnet 成为你的主模型，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。

如果你更希望由我们按请求挑选，Auto Router（openrouter/auto）会为每个提示词选择一个模型。对于编程任务，Pareto Router 会挑选一个满足你所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 100,000 个 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，两者表现相当。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 速度更快，成本只有后者的二分之一到三分之二。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，因此对于漫长且模糊的会话，它是更稳妥的选择。

Claude Haiku 适合做什么？

Haiku 5.5 适合高容量、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 航空测试中比 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。要开始，请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了按角色的模型设置，我们的教程Claude Code with OpenRouter: Setup, Models, and Costs 涵盖了模型选择和成本。
• 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。
• Claude 5.5 迁移指南涵盖了如果你要从较旧的 Claude 模型迁移时的 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涵盖了何时将请求提升一个层级。