单任务狂吞 19 万 Token 的代价：从 Artificial Analysis 实测看 Claude Sonnet 5.5 的推理膨胀与 Agentic 成本陷阱
2026-09-29
15 min read
# LLM
# AI研发
# Agentic Coding
# 算力成本
# Artificial Analysis
# Anthropic
# Claude
在 Anthropic 刚刚推送的 Claude 5.5 系列模型迭代中，Claude Sonnet 5.5 无疑成为了全行业瞩目的焦点。在官方给出的纸面规格与定价清单中，Sonnet 5.5 的输入与输出价格分别为每百万 Token 2 美元与 10 美元，不仅与 GPT-6 Sol 完全持平，更仅为老大哥 Opus 5.5 的一半；与此同时，官方宣称其推理速度提升了 30%，端到端运行成本降低 30%。更令开发者社群震动的是，在 Terminal-Bench 等权威 Agentic Coding（智能体编程）基准测试中，Sonnet 5.5 的综合得分甚至比 Opus 5.5 还要高出整整 4 分，“中杯越级斩杀超大杯”的讨论瞬间席卷了技术圈。
然而，当独立权威评测机构 Artificial Analysis 披露了其 Intelligence Index 的全维度测试数据后，隐藏在“便宜高分”背后的残酷真相终于浮出水面：Sonnet 5.5 之所以在高难度任务中实现逆袭，在很大程度上依赖了极其激进的 Test-Time Compute（测试期计算扩展）。在最高努力档位（max effort）下，Sonnet 5.5 单个任务平均狂吞高达 19.3 万 Token，其中内部思维链推理（Reasoning）占据了惊人的 14.2 万 Token！如果盲目开启 max 档位，表面上每 Token 便宜一半的 Sonnet 5.5，其实际单任务账单不仅追平了 Opus 5.5，更在相同智能水平的帕累托效率上严重倒挂。