去年我的主力一直是 Sonnet 档，理由是便宜、够用。转折点是一次线上事故排查：Sonnet 给了三个候选原因，我照着前两个查了两个小时没结果，换成 Opus 重问一次，它直接指出问题出在连接池超时和重试策略的组合上，对了。
那次之后我重算了一遍账：两小时的排查时间，对比一次调用 0.25 元，根本不用比。
下面所有对比都按「次」计费，不折算 token。原因是折算完也没法横向比——官方按量计费时，同一个任务因为 prompt 写法不同、上下文长度不同，成本能差三倍，折算出的结论不可复现。
按次的好处就是对比可复现：同一个模型跑同一批任务，成本永远是调用次数乘单价。
4.5（0.12 元/次）是分水岭。之前的 Opus 版本贵且慢，日常根本用不上。4.5 把单价压到这个位置后，才开始能跟 Sonnet 混着用，而不是只在「实在搞不定」的时候才拿出来。
它在 0.12 元这一档能做的活，比 Sonnet 4.5 的 0.09 元档多了不少，尤其是需要主动质疑需求本身的任务。
4.6（0.25 元/次）的进步集中在稳定性。同一段复杂 prompt 跑 10 次，4.5 大概有 2 到 3 次会漏掉一个边界条件，4.6 基本不出现这种情况。
稳定性比峰值能力重要。做自动化流程的时候，一次偶发失误就意味着要加人工兜底，那套兜底的成本远超模型差价。
4.7 与 4.6 同价（0.25 元/次），提升主要在长链条任务：一个任务里连续二十轮工具调用不跑偏，不忘记最初的目标。4.8 还是 0.25 元/次，在代码审阅和方案评审上更进一步，会主动指出你没问到但确实存在的风险。
| 型号 | 单价（元/次） | 主要变化 | 什么时候用 |
|---|---|---|---|
| claude-opus-4-5-thinking | 0.12 | 成本降到能用 | 预算敏感又要 Opus 能力 |
| claude-opus-4-6-thinking | 0.25 | 多步推理稳定 | 自动化流程、多轮 Agent |
| claude-opus-4-7-thinking | 0.25 | 长链条不跑偏 | 长任务、工具调用密集 |
| claude-opus-4-8-thinking | 0.25 | 审阅更狠 | 代码审阅、方案评审 |
价格反常识的一点：4.5 只有 0.12，是老版本反而便宜。但这不意味着该全用 4.5，因为用它跑复杂任务会返工，返工一次的成本就超过差价。
这几类任务思考链的价值不在最终答案，在过程本身。你可以从思考链里判断它是不是在瞎猜，还是真的在推理。
翻译、摘要、改写、抽取字段、格式转换，这几类任务开 thinking 只是多等三到十秒，答案一模一样。
最典型的是「把这坨 JSON 转成表格」这种活，模型思考的过程就是把任务复述一遍，纯浪费。
思考链越长不代表答案越好。有些场景模型绕一大圈，结论和直接答的一字不差；也有场景它想了半天，最后还是错的。
判断标准是答案对不对，不是想得久不久。看到特别长的思考链先别高兴，先核对结论。
4.5 那个「只改你提到的文件」的毛病，在多人协作的仓库里代价很大——它不会主动搜索引用点，你得手动把相关文件都列出来。
| 型号 | 十次里一次跑通 | 典型问题 |
|---|---|---|
| claude-opus-4-5-thinking | 6 次 | 漏改引用，接口签名不一致 |
| claude-opus-4-6-thinking | 8 次 | 偶尔漏掉测试文件 |
| claude-opus-4-7-thinking | 9 次 | 会主动写迁移脚本 |
| claude-opus-4-8-thinking | 9 次 | 会顺带补测试用例 |
差距不在能不能做，在要不要你回头补。4.7 之后基本可以信任它的输出，直接跑测试看结果就行。
给堆栈加相关文件，Opus 会在思考链里列出三到四个候选原因，逐个排除。Sonnet 通常直接给最常见的那个原因，猜错了你得再问一轮，而每问一轮都要重新描述上下文。
线上出问题时，这个差别就是几分钟和半小时的差别。
审阅是四个场景里最挑模型的。Sonnet 审代码会漏逻辑漏洞，尤其在权限判断和并发路径上——它倾向于检查「代码有没有明显 bug」，而不是「这段逻辑在什么条件下会失效」。
这类漏掉的漏洞上线后的代价，远高于 0.25 元一次的调用费。所以我的规则是：审阅一律走 Opus，不省这个钱。
同代差价：4.5 这一代 Sonnet 0.09、Opus 0.12，差 3 分钱；4.6 到 4.8 这一代 Sonnet 0.2、Opus 0.25，差 5 分钱。
一次判断失误的返工至少十分钟，按人工成本算就是十元以上。只要 Opus 能把一次说对的概率提高 1%，差价就回来了。这个账算下来，纠结本身比差价更贵。
| 模型 | 单价（元/次） | 强项 |
|---|---|---|
| claude-opus-4-8-thinking | 0.25 | 代码审阅、长链条任务 |
| claude-opus-4-5-thinking | 0.12 | 便宜档 Opus |
| gpt-5.5 | 0.2 | 生态、工具调用成熟度 |
| gpt-5.3-pro | 0.3 | 上代推理旗舰 |
| gemini-3-pro-preview | 0.05 | 性价比、多模态 |
| gemini-3.1-pro-preview | 0.09 | 长上下文、便宜 |
Opus 4.8 在这个表里不是最贵的，gpt-5.3-pro 反而更贵。这说明一件事：别按「谁家旗舰」选，按任务和单价选。
gpt-5.5 是一个档次，Opus 强在主动指出你没问的问题，GPT 强在工具调用和结构化输出的接口稳定性gemini-3.1-pro-preview 0.09 元一次，纯做文档分析没必要非上 Opusgpt-image-2-pro（0.25 元/张）或 NanoBanana-Pro（0.27 元/次），Opus 系列不参与这块默认 Sonnet 4.5（0.09 元），代码审阅和事故排查切 Opus 4.8（0.25 元），批量文档分析切 gemini-3-pro-preview（0.05 元）。
一个 Key 全部搞定，不切服务商、不换 SDK，改的就是模型名字符串。这是聚合接口在实践中最省事的地方。
Opus 官方参考价 $5/M 输入、$25/M 输出。一次典型请求按输入 8000 token、输出 2000 token 算：
0.008 × $5 + 0.002 × $25 = $0.09 ≈ 0.65 元claude-opus-4-8-thinking 0.25 元一次。0.65 ÷ 0.25 ≈ 2.6 倍。
倍数不算夸张，因为这是「输入较短、输出正常」的典型请求，官方按量在短输入时并不吃亏。真正的差距要等输入变长。
输入 10 万 token 的文档分析，输出 3000 token：
| 口径 | 计算 | 成本 |
|---|---|---|
| 官方 Opus 档 | 0.1 × $5 + 0.003 × $25 | 约 5.94 元 |
| 小鱼API 按次 | 固定单价 | 0.25 元 |
差 24 倍。这是我一直强调按次计费适合长文本的原因：官方成本随输入线性涨，按次不动。
| 日均调用 | 官方按量估算 | 按次计费 |
|---|---|---|
| 50 次 | 约 975 元 | 375 元 |
| 200 次 | 约 3900 元 | 1500 元 |
| 1000 次 | 约 19500 元 | 7500 元，这个量级该上无限卡 |
官方那一列按 0.65 元一次的典型请求估算，实际场景里输入更长的任务会让这一列继续往上走，而右列不会。
Opus 加 thinking 是最慢的组合。复杂 prompt 上首字延迟经常十秒以上，简单任务也要三到五秒。做实时对话类产品时，这个延迟用户能明显感觉到。
能做的是分流：需要秒回的场景换 gpt-5.6-luna（0.12 元）或者 Sonnet 4.5（0.09 元），把 Opus 留给能等的异步任务。
Opus 的幻觉比小模型危险，因为它给出的是格式完美、逻辑自洽、读起来毫无破绽的错误答案。小模型的胡说一眼能看出来，Opus 的你得去查才能发现。
凡是涉及具体版本号、API 参数、价格数字、库函数签名的输出，一律自己核实，别信它的自信语气。
gemini-3-pro-preview（0.05 元）更划算如果任务用 Sonnet 跑一遍就能过，别为了保险上 Opus。0.25 元的贵不是单价问题，是它会让你放弃优化 prompt 的动力——反正贵模型能兜住。
真正的省钱逻辑是先让便宜模型失败，靠失败信息定位 prompt 的问题，而不是直接花钱跳过这一步。
from openai import OpenAI
client = OpenAI(api_key="sk-你的小鱼API密钥", base_url="https://xyuapi.top/v1")
SYSTEM = "你是资深后端工程师。只输出问题和修改建议，不要写夸奖的话。"
def review(code, model="claude-opus-4-8-thinking"):
resp = client.chat.completions.create(
model=model,
messages=[
{"role": "system", "content": SYSTEM},
{"role": "user", "content": "审阅这段代码，重点看并发安全和权限判断：\n" + code},
],
)
return resp.choices[0].message.contentChatbox、Cherry Studio、酒馆、Tavo 里填自定义 API 地址 https://xyuapi.top/v1，Key 填小鱼API 的密钥。VSCode 的 Cline、RooCode、KiloCode 选 OpenAI Compatible 模式。Claude Code 配 cc-switch 切换，命令行工作流不用改。
最低 7 元起充，支付宝微信都能付。别急着买套餐，先用 7 元额度把你真实的任务跑一周——包括最难的那几个 prompt，看它一次能不能过。
三天下来你就有自己的数据了：哪些任务值得 0.25 元，哪些用 0.09 元就够。这个判断比任何评测榜单都准，因为它用的是你自己的活。