Claude Sonnet 5 API：價格、試用區與範例

專案程式設計：圍繞明確計畫實作功能與局部修改

我們認為計畫明確後，Claude Sonnet 5 可以實作功能、局部重構或修正問題。一位客戶表示，他通常以 Sonnet 協調與實作，讓 Opus 處理架構與難題。專案最終完成，但中途必須兩次切換到 Opus 才能繼續。

這種分工值得考慮：讓 Sonnet 5 開始前，先釐清介面、影響範圍與驗收標準。若需要架構變更，或多輪修改後測試仍失敗，建議重看計畫並考慮換模型。單價較低不代表反覆重試後總成本仍低。當然，這只是一位客戶的專案；切換到 Sonnet 5 前，仍建議測試實際業務情境。

工具協作：根據錯誤回饋恢復並繼續執行

一位客戶分享了代理整合經驗：Sonnet 5 能一次處理複雜編輯需求；遇到不明錯誤會再次呼叫工具，檢查資料結構、尋找輸入問題並嘗試恢復。不過，他也提到模型曾跳過另一筆無法處理的輸入，卻沒有告知使用者。

使用 Sonnet 5 時，應同時檢查模型回答及最終寫入資料是否正確。速度快不代表回答符合需求。

長文件分析：跨規格、程式碼與業務資料工作

我們使用 Sonnet 5 的長上下文交叉核對多份來源：比較需求版本、檢查程式碼是否遵守介面約定，或尋找分散的業務條件。在 Artificial Analysis 的 AA-LCR v1.1 比較中，Sonnet 5 Max 約為 82%。評測以約 10,000 至 100,000 Token 文件，檢驗跨段落擷取資訊、推理與綜合結論的能力。Sonnet 5 長文件結果 · AA-LCR 方法

建議先定義問題、整理輸入資料，並在回答保留檔名、章節與關鍵引用，以核對是否符合需求。輸入接近百萬 Token 時，應另外檢查遺漏。82% 來自上述文件長度範圍。實際業務中，我們不建議輸入接近百萬 Token：依自身經驗，這會明顯影響輸出品質。

商務寫作：將既定事實轉為讀者能理解的說明

一位客戶在 API 自動化流程中使用 Sonnet 5 撰寫客戶電子郵件與簡訊，將 Git 差異整理為非技術讀者能理解的變更摘要。他給予正面評價，特別提到文字易讀、有人味，且模型遵守系統提示詞要求。

不同業務情境對可讀性的要求不同。產品更新、客服工單回覆與說明文件通常較低；一般文章或個人感想，則可能需要人工完成大部分編輯與潤飾。

介面開發：以截圖與設計規格生成可編輯前端

我們優先考慮以 Sonnet 5 修改既有介面或製作設計需求明確的頁面。Anthropic 提示指南指出，過於開放的前端要求可能使模型反覆使用相似的預設視覺風格。若要不同結果，應提供具體設計約束，限制模型自由發揮。官方前端提示指南

客戶群回饋也有分歧：有人以 Sonnet 5 重做原本由 Sonnet 4.6 製作的介面，視覺結果未達預期；也有客戶認為 Sonnet 5 表現相當好。

因此建議一併提供頁面截圖、元件規格、字型與版面要求。完成後分別檢查功能、設計還原度及不同螢幕的顯示。若專案已有成熟設計系統，應重用既有元件並明確指定修改，而非讓模型從零設計、自由發揮。

終端任務：獨立 Terminal-Bench 4.0 評測約 14%

Artificial Analysis 同條件比較中，Sonnet 5 Max 在 Terminal-Bench 4.0 約 14%，Sonnet 4.6 Max 約 3%。評測含 66 項終端任務，使用 mini-swe-agent，每項重複三次，計算平均單次通過率。只有全部測試通過才算成功。模型分數比較 · Terminal-Bench 4.0 方法

Sonnet 5 在此評測較上一代進步，但仍無法完成許多困難終端任務。我們不建議用於特別複雜的任務；若任務定義明確且拆成小單元，則可能是不錯的選擇。

專案程式設計：CursorBench 4.0 從 High 到 Max 提升 3.3 個百分點

CursorBench 4.0 採用真實開發流程中的專案任務。下方列出主辦方公布的部分 Sonnet 5 結果，成本依各任務 Token 用量與公開價格計算。CursorBench 4.0 原始榜單

我們更關注 high 與 max 的成本：分數提高 3.3 個百分點，平均任務成本卻超過兩倍。日常開發先比較 medium 和 high；若問題反覆卡住，建議以 Opus 5.5 或 Opus 5 解決，而不是繼續提高思考檔位。

知識工作：GDPval-AA v2.1 達 1465 Elo

Artificial Analysis 的 GDPval-AA v2.1 比較中，Sonnet 5 Max 為 1465 Elo，Sonnet 4.6 Max 為 1234 Elo。評測採用 220 項任務，涵蓋 44 種職業與 9 個產業。模型在工具環境提交文件、試算表、簡報等成果，再以匿名成對比較評分。Sonnet 5 與前代結果 · GDPval-AA v2.1 方法

此結果可協助判斷模型能否產出供他人使用的文件、試算表與檔案。評估報告製作、業務分析或辦公助理時，建議直接給完整任務：是否使用必要資料、數字是否正確、檔案能否開啟、目標讀者能否使用？

業務自動化：AutomationBench-AA 目標完成率約 37%

Artificial Analysis 比較中，Sonnet 5 Max 的 AutomationBench-AA 約 37%，Sonnet 4.6 Max 約 20%。評測涵蓋 657 項任務，在模擬電子郵件、試算表、CRM 等業務應用中執行。模型分數比較

分數先計算各任務完成目標的比例，再取平均；違反任務限制得零分。因此 37% 不代表「37% 的完整業務流程從頭到尾成功」。它也不同於 Zapier 自有榜單的整項任務完成率，兩者不可混用。AutomationBench-AA 計分說明

邊界清楚、簡單且需要快速回應的業務自動化步驟，建議用 Sonnet 5。若要解決決策等較複雜問題，不建議 Sonnet，可改用 Opus 5.5 或 Opus 5。

綜合指數與生成速度：38 分，每秒約 80.5 Token

Artificial Analysis 目前模型頁給 Sonnet 5 Max 的 Intelligence Index v4.3.2 為 38 分，Anthropic API 輸出速度約每秒 80.5 Token。同一指數的加權平均任務成本為 US$5.09。Artificial Analysis 模型評測

高頻互動功能建議試較低思考檔位，務必比較等待時間與輸出品質。若 medium/high 的輸出也適合業務情境，我推薦使用 Sonnet 5。

對比 Claude Sonnet 4.6：能力更強，但 Max 任務成本更高

Artificial Analysis 的 Max 設定比較中，Sonnet 5 與 Sonnet 4.6 綜合指數分別為 38、30，加權平均任務成本為 US$5.09、US$2.49。公開輸入／輸出單價分別為每百萬 Token US$2/US$10、US$3/US$15。Sonnet 5 單 Token 較便宜，但此評測的任務成本較高。Sonnet 5 對比 Sonnet 4.6

仍用 Sonnet 4.6 的團隊，建議先看升級是否改善工具協作與專案執行，並重新調整思考檔位、輸出預算。若 Sonnet 5 在 medium 或 high 就能可靠完成任務，無須持續使用最高檔。

對比 GPT-6 Astra：以實際用量重估複雜工程任務

Artificial Analysis 的 Max 設定比較中，GPT-6 Astra 與 Sonnet 5 綜合指數為 53、38，Terminal-Bench 4.0 依頁面四捨五入顯示為 59%、14%。Astra 單 Token 價格較高，但此綜合評測的加權平均任務成本為 US$3.26，低於 Sonnet 5 的 US$5.09，對應平均每項輸出也較少。GPT-6 Astra 對比 Sonnet 5

若工作主要涉及複雜程式碼修改、終端操作或需反覆驗證的工程任務，建議仔細比較 GPT-6 Astra。依目前經驗，複雜工程方面 GPT-6 Astra 比 Sonnet 5 更合適。

對比 DeepSeek V4 Pro：適合批次文字任務的成本比較

Artificial Analysis 的 Max 比較中，DeepSeek V4 Pro 0813 與 Sonnet 5 綜合指數為 36、38，AA-LCR v1.1 長文件任務約 80%、82%，加權平均任務成本分別為 US$0.67、US$5.09。輸入能力亦不同：此處受測 DeepSeek V4 Pro 接受文字，Sonnet 5 支援文字與圖像。DeepSeek V4 Pro 對比 Sonnet 5

整理資料、擷取文字、批次草稿時，建議將 DeepSeek V4 Pro 納入成本測試。若要測試 DeepSeek V4 PRO 與 Sonnet 5 的多模態能力，強烈建議使用真實業務情境。客戶回饋中，有人認為 Sonnet 5 多模態能力不符業務要求，也有人表示 DeepSeek V4 PRO 能力不足以處理工作。

依用量計費與模型成本最佳化

費用依目前 API Hop 費率與實際用量計算，可按需儲值。

統一 AI 模型與資料 API，一站存取多模型

一組 API 金鑰連接多個 AI 模型與資料服務，減少整合成本並可一鍵切換。業務應用同時需要 AI 與資料。

呼叫紀錄與應用程式存取控制，每次呼叫清楚可查

每次 API 呼叫都記錄在控制台中。可為不同應用程式建立獨立 API 金鑰。

依任務評估輸出

透過 API Hop 使用文件列出的模型 ID 與支援參數。依自己的驗收條件評估輸出，在正式使用前檢查用量紀錄與回應中繼資料。模型名稱或範例不保證每次結果。

準備帳戶並線上測試

登入、確認餘額，然後建立 API 金鑰。

在試用區體驗

在試用區探索模型能力，找出最佳使用方式。

將 Claude Sonnet 5 整合至業務

依照開發者文件，將 Claude Sonnet 5 整合至業務。

後續模型升級

切換至新模型前，請先確認 API 金鑰的模型目錄回傳其精確 ID。若支援相同端點與請求欄位，再更新模型 ID，並在導入正式流量前測試回應格式、串流、輸出上限與計費。非同步圖片或影片任務還需驗證任務提交、狀態輪詢與結果取得。