# Claude Sonnet 5.5 对比 GPT-6 Luna：标价差 20 倍，同分差 5～8 倍

> Sonnet 5.5 标价是 GPT-6 Luna 的 20 倍，Luna 封顶 AA 38 分、低于 Sonnet 中档：短请求用 Luna，Agent 编程用 Sonnet。

- URL: https://blog.laozhang.ai/zh/posts/claude-sonnet-5-5-vs-gpt-6-luna
- Published: 2026-10-26
- Updated: 2026-10-26
- Author: LaoZhang AI Team (https://blog.laozhang.ai/zh/about)
- Topic: 模型对比
- Tags: Claude Sonnet 5.5, GPT-6 Luna, API 价格, 模型对比, 推理强度

---
截至 2026 年 10 月 26 日，Claude Sonnet 5.5（`claude-sonnet-5-5`）的 API 输入和输出单价都是 GPT-6 Luna（`gpt-6-luna`）的 20 倍。多出来的钱买到的是质量上限：在 Artificial Analysis 智能指数（下称 AA）里，Luna 开到最高的 `max` 档是 38 分，Sonnet 从 `medium` 档起就是 41 分，最高 56 分。所以短请求高并发、批处理、长文档抽取这类 Luna 能做对的活交给 `gpt-6-luna`；终端和 Agent 编程、需要可靠事实、质量门槛高于 Luna 天花板的活交给 `claude-sonnet-5-5`；拿不准的业务先跑 Luna，判定失败的请求再升级到 Sonnet。

20 倍也不是你账单上的那个倍数。同一段中文 Sonnet 计出的 token 多约四成，输入实际约 28 倍，英文接近 30 倍；带缓存的 Agent 循环约 15 倍；Luna 单次输入超过 272K 后整次请求涨价，差距缩到 10 倍左右；而在 AA 里找分数相近的两档比，Sonnet `low` 每道题只比 Luna 贵 5～8 倍，还快得多。反过来，拿两边各自的默认档比，差距是 50 倍。

2026 年 10 月 26 日，经 laozhang.ai 网关给两个模型跑了同样 9 道带隐藏测试的题：两边都全部通过，Sonnet 花了 Luna 的 25 倍。这组测试只说明同样做对时的成本、token 和耗时，题目太容易，分不出谁更聪明，质量差距看 AA；官方直连接口、工具调用和其他推理档都没有测。

*说明：[laozhang.ai 是我们自己的服务](https://blog.laozhang.ai/zh/about#laozhang)，其价格是平台报价，不是独立比较的结论。*

## Sonnet 5.5 和 Luna 选哪个：按工作负载分流

多数 API 业务不必二选一。按请求类型分流：Luna 能稳定做对的高频请求留在 Luna，需要多步操作、改代码或事实可靠性的请求给 Sonnet，中间地带先用 Luna 再按失败升级。下表把常见负载和改变选择的条件放在一起，依据分别在后面几节展开。

| 你的工作负载 | 先选 | 改选另一个的条件 |
| --- | --- | --- |
| 短请求、高并发（分类、抽取、改写、客服首轮） | Luna | 抽样里错误率高到要人工返工，或答案要求事实准确 |
| 批处理（离线标注、摘要、格式转换） | Luna | 两边批处理都打五折，倍数仍是 20 倍，只有 Luna 做不对时才换 |
| 长文档问答，单次输入 272K 以内 | Luna | 文档超过 Luna 的最大输入 922K，只能用 Sonnet |
| 长文档，单次输入超过 272K | 仍偏 Luna | Luna 整次请求涨价，差距缩到 10～15 倍；对结果要求高时值得试 Sonnet |
| 带缓存的多轮 Agent 循环 | 看任务难度 | 缓存读取只差 10 倍，循环总成本约差 15 倍；要调用工具、多步操作时偏 Sonnet |
| 终端操作、Agent 编程、跨文件改代码 | Sonnet | Luna 最高档在 Terminal-Bench 4.0 只有 12.6%，基本不用考虑 |
| 对延迟敏感的交互 | Sonnet `low` 或 Luna `low` | 要分数就用 Sonnet `low`，要便宜且任务简单就用 Luna `low` |
| 知识问答、需要“不知道就说不知道” | Sonnet | Luna 在 AA-Omniscience 上最高只有 1 分 |

最常被忽略的是分数相近的情况。如果你在考虑把 Luna 开到 `xhigh` 或 `max` 来补质量，先试 Sonnet `low`：它和 Luna 这两档的 AA 分数只差 1～2 分，每道题贵几倍，但耗时只有 Luna 这两档的四分之一到五分之二，终端任务的通过率也高得多。也就是说，Luna 的高档位是在用时间换分数，而且换到 38 分就到头了；你的门槛如果比 38 分更高，Luna 怎么调都够不着。

## 贵 20 倍值不值：四种算法下差距从 5 倍到 50 倍

按 token 算是 20 倍，按完成一个任务算从 5 倍到 50 倍都有，取决于你拿哪两档比、文本有多长、缓存占多少。所以“值不值”要先选定算法：如果你的请求短、Luna 做得对，算上分词差，一轮对话的总价差约 24 倍（中文 23.6 倍，英文 24.6 倍），不值；如果你要的是 Luna 到不了的分数，比较对象就变成“Sonnet 对比做不出来”，倍数没有意义。

### API 标价：Luna 过了 272K 整次请求涨价

下表是两家官方 API 的标准档价格（美元 / 每百万 token），截至 2026 年 10 月 26 日，来自 [Anthropic Claude API 价格页](https://platform.claude.com/docs/en/about-claude/pricing)、[OpenAI API 价格页](https://developers.openai.com/api/docs/pricing) 和 [OpenAI 的 GPT-6 Luna 模型页](https://developers.openai.com/api/docs/models/gpt-6-luna)。Anthropic 把缓存命中叫 cache hits / cache read，OpenAI 叫 cached input，下面统一写作“缓存读取”。

| 项目 | Claude Sonnet 5.5（到 1M 同价） | GPT-6 Luna，输入 ≤272K | GPT-6 Luna，输入 >272K |
| --- | --- | --- | --- |
| 输入 | $2 | $0.10 | $0.20 |
| 缓存读取 | $0.10 | $0.01 | $0.02 |
| 缓存写入 | $2.50（5 分钟）/ $4（1 小时） | $0.125（30 分钟）/ $0.25（12 小时） | $0.25 / $0.50 |
| 输出 | $10 | $0.50 | $0.75 |
| 批处理 | 输入 $1 / 输出 $5 | 标准价的 50%（Flex 同样五折） | 标准价的 50% |

按 token 比，输入和输出都是 20 倍，缓存写入 5 分钟对 30 分钟是 20 倍、1 小时对 12 小时是 16 倍，缓存读取是 10 倍，因为 Sonnet 5.5 的缓存读取从 2026 年 10 月 7 日起降到了输入价的 0.05 倍，而 Luna 是 0.1 倍。Luna 的 272K 是一条整单价格线：OpenAI 模型页写明，输入超过 272K token 的请求，输入和缓存按 2 倍、输出按 1.5 倍计价，而且是整次请求都按高价算。过线后输入只差 10 倍，输出差 13.3 倍，缓存读取差 5 倍。Sonnet 的 1M 上下文按同一单价计费，900K 的请求和 9K 的请求每个 token 一样贵。

另外几项加价两边都有：Anthropic 的仅美国境内推理（`inference_geo`）所有 token 按 1.1 倍计价，OpenAI 的区域处理（数据驻留）加 10%；Luna 的 Fast 模式是 2 倍，Anthropic 的 Fast 模式只给 Opus，Sonnet 没有。

### 同一件事，四种算法

同一个“Sonnet 比 Luna 贵多少”，换一种算法就换一个答案。下表的倍数都是 Sonnet ÷ Luna。

| 算法 | Sonnet 5.5 | GPT-6 Luna | 倍数 |
| --- | --- | --- | --- |
| 按 token 标价（每个模型用自己的 token） | 见上表 | 见上表 | 20 倍，缓存读取 10 倍 |
| 按同一段文字的输入费 | 中文多计约 41% 的 token，英文约 45%～52% | 基准 | 中文约 28 倍（20 × 1.41），英文约 30 倍 |
| 10 月 26 日 9 道同题实测，各自全部做对 | $0.1119 | $0.0044 | 25 倍 |
| AA 每道题成本，各自默认档 | `high`：47 分，$0.88 | `medium`：30 分，$0.0175 | 50 倍，Sonnet 高 17 分 |
| AA 每道题成本，分数相近 | `low`：36 分，$0.35 | `xhigh` 35 分 $0.0422 / `max` 38 分 $0.0678 | 8.3 倍 / 5.2 倍 |

注意“默认对默认”不是“同一档对同一档”。Sonnet 5.5 在 API 上的默认推理强度是 `high`，在 Claude Code 和 Claude 应用里是 `medium`；Luna 的默认是 `medium`。你的代码里没写推理强度，比的就是 Sonnet `high` 对 Luna `medium`，也就是 50 倍那一行。同名档位比，倍数从 27 倍（`medium`）到 81 倍（`max`）不等，因为 Sonnet 每升一档多写的 token 比 Luna 多得多。

![Sonnet 5.5 比 GPT-6 Luna 贵多少：AA 同分 5.2～8.3 倍、长文档 10.2 倍、Agent 循环 14.9 倍、按 token 20 倍、同题实测 25 倍、中英文输入约 28～30 倍、默认档 50 倍](https://blog.laozhang.ai/posts/zh/claude-sonnet-5-5-vs-gpt-6-luna/img/cost-multiple-by-method.webp)

## 各推理档对比：Luna 最高 38 分，低于 Sonnet medium

AA 给两个模型的全部 11 个推理档跑了同一套题。按分数排下来，Luna 的 `max` 档排在 Sonnet `medium` 之后、`low` 之前：要 AA 41 分及以上，只能用 Sonnet。下表来自 [Artificial Analysis 的 Claude Sonnet 5.5 与 GPT-6 Luna 版本对比页](https://artificialanalysis.ai/models/releases/comparisons/claude-sonnet-5-5-vs-gpt-6-luna)（智能指数 v4.3.2，10 项评测，截至 2026 年 10 月 26 日）；每道题成本是 AA 跑一道指数题的加权平均花费，反映这套题的工作量，不是你的账单。

| 推理档 | AA 智能指数 | 每道题成本 | 每道题耗时 | 每道题输出 token |
| --- | --- | --- | --- | --- |
| Sonnet 5.5 `max` | 56 | $5.46 | 936 秒 | 197.4K |
| Sonnet 5.5 `xhigh` | 52 | $2.01 | 434 秒 | 74.8K |
| Sonnet 5.5 `high`（API 默认） | 47 | $0.88 | 217 秒 | 37.3K |
| Sonnet 5.5 `medium` | 41 | $0.48 | 121 秒 | 20.9K |
| Luna `max` | 38 | $0.0678 | 364 秒 | 50.0K |
| Sonnet 5.5 `low` | 36 | $0.35 | 85 秒 | 14.3K |
| Luna `xhigh` | 35 | $0.0422 | 215 秒 | 27.5K |
| Luna `high` | 33 | $0.0290 | 164 秒 | 19.7K |
| Luna `medium`（默认） | 30 | $0.0175 | 126 秒 | 11.5K |
| Luna `low` | 22 | $0.0045 | 18 秒 | 2.1K |
| Luna non-reasoning | 18 | $0.0113 | 31 秒 | 3.8K |

从表里能读出三件事。第一，Luna 从 `medium` 开到 `max`，分数只涨 8 分，耗时却从 126 秒涨到 364 秒，比 Sonnet `low` 慢 4 倍多。第二，Sonnet 的 `max` 档每道题要写近 20 万 token，成本是 `xhigh` 的 2.7 倍，只多 4 分，大部分业务开到 `high` 或 `xhigh` 就够了。第三，Luna `low` 每道题不到半美分、18 秒，比不推理还便宜，因为它写的 token 更少，简单任务可以先试这一档。Sonnet 5.5 的推理强度刻度和 Sonnet 5 不同，Anthropic 建议换模型后重新扫一遍档位；Luna 最合适的档位同样要在你自己的请求上找。

![Sonnet 5.5 与 GPT-6 Luna 的 11 个推理档按 AA 智能指数排序，Luna max 38 分排在 Sonnet medium 41 分与 Sonnet low 36 分之间](https://blog.laozhang.ai/posts/zh/claude-sonnet-5-5-vs-gpt-6-luna/img/effort-score-ladder.webp)

Sonnet 的这些成本比 10 月初低：AA 在 2026 年 10 月 5 日测到的 Sonnet `high` 每道题 $1.12、`max` $7.67，10 月 7 日缓存读取降价后分别降到 $0.88 和 $5.46。看到每道题 $7.6 左右的说法，是降价前的数字，降价算法见 [Claude Sonnet 5.5 缓存读取价格降到 $0.10：省多少看缓存占比](https://blog.laozhang.ai/zh/posts/claude-sonnet-5-5-cache-read-price)。

## 各自强在哪：终端任务差距最大，长文档 Luna 不输

差距集中在终端操作和多步自动化上，长上下文推理反而是 Luna 同档略高。下表从同一 AA 对比页的 10 项子评测里取出 6 项，Sonnet 列 `low`、`high`、`max` 三档，Luna 列默认 `medium` 和最高 `max`。

| AA 子评测 | Sonnet `low` | Sonnet `high` | Sonnet `max` | Luna `medium` | Luna `max` |
| --- | --- | --- | --- | --- | --- |
| Terminal-Bench 4.0（终端任务） | 20.7% | 43.9% | 63.6% | 2.5% | 12.6% |
| AutomationBench-AA（多步自动化） | 49.4% | 59.4% | 71.8% | 40.5% | 53.2% |
| AA-LCR v1.1（长上下文推理） | 76.0% | 78.0% | 82.7% | 78.3% | 83.3% |
| AA-Omniscience（知识可靠性） | 19 | 21 | 32 | −5 | 1 |
| SciCode（科学计算代码） | 49.1% | 53.7% | 61.0% | 50.9% | 54.6% |
| Humanity's Last Exam | 36.2% | 45.8% | 55.0% | 28.3% | 38.5% |

Terminal-Bench 4.0 是两者最大的分水岭：Sonnet 最低档 20.7%，已经超过 Luna 最高档的 12.6%，所以要让模型在终端里执行命令、改仓库、跑测试，Luna 不在候选里。AA-Omniscience 答错会扣分，负分表示答错的比答对的多；Luna 各档在 −22 到 1 之间，意思是遇到不确定的事实问题，它更容易给出错误答案，而不是说不知道，做知识问答或客服时要配检索和校验。长上下文推理（AA-LCR）正好相反，从 `medium` 往上 Luna 每一档都不低于同名的 Sonnet 档，读长文档找答案这类活 Luna 做得一样好。写一段独立的科学计算代码（SciCode）两边接近，Sonnet `low` 甚至略低于 Luna `medium`；差距是在多步、要调用工具的任务里拉开的。

## 同题实测：两边都 9/9，Sonnet 花了 25 倍的钱

2026 年 10 月 26 日的 9 道题里，两边都全部做对，差别只在钱、token 和时间上。题目是事先写好隐藏测试的小任务：一道应用题、区间合并、时长字符串解析、词频统计、从一篇 6,723 词的英文文章里提炼 5 条要点、表达式求值、CSV 行解析、数位和计数、SemVer 版本比较，每题每个配置只跑一次，没有系统提示词，不带工具。Sonnet 走 Anthropic Messages 格式（`/v1/messages`），Luna 走 `/v1/chat/completions` 且不写 `reasoning_effort`（即默认 `medium`），两边的输出上限都设为 32,000 token，成本按官方标价和接口返回的 `usage` 计算。

| 配置 | 通过 | 输入 token | 输出 token | 按标价的成本 | 总耗时 |
| --- | --- | --- | --- | --- | --- |
| Sonnet 5.5，`thinking: adaptive` + effort `high` | 9/9 | 16,957 | 7,802 | $0.1119 | 71 秒 |
| Sonnet 5.5，不写 thinking 和 effort | 8/9 | 16,957 | 4,896 | $0.0829 | 50 秒 |
| GPT-6 Luna，默认 `medium` | 9/9 | 11,213 | 6,545（其中推理 3,897） | $0.0044 | 128 秒 |

Luna 在这些小题上写的 token 并不少，6,545 个输出 token 里六成是推理，和 Sonnet 的 7,802 差不多，所以倍数基本就是单价差再加上分词差。唯一的失败出在不写思考参数的 Sonnet 上：区间合并题说“相接的区间要合并”，它把 (1, 2) 和 (3, 4) 理解成整数上相邻而合并成 (1, 4)，隐藏测试要求它们分开。这是对一个模糊用词的理解偏差，不是程序崩溃；显式打开自适应思考后，同一题按“重叠或共享端点才合并”处理并通过。

分词差是这组测试里最有用的数字。同一篇 6,723 词的英文文章，Sonnet 计为 15,335 个输入 token，Luna 计为 10,106 个，多 52%；9 道题合计也是 1.51 倍。所以处理英文文本时，Sonnet 每单位文字的输入费约是 Luna 的 30 倍，而不是 20 倍。同一天又用一段 6,000 字的中文文章单独测了一次：Sonnet 计为 4,878 个输入 token，Luna 计为 3,457 个，是 1.41 倍，换算成中文输入费约 28 倍（20 × 1.41）；6,000 字符的 Python 代码是 1.46 倍。中文和代码各只有这一个样本，换一种文体比例可能有出入，最好在你自己的请求上看一眼 `usage`。

测试走的是 laozhang.ai 的网关，一个 key 同时调两个模型，两边都按官方标价计费；它的 Claude 线路单次输出上限 32,768 token，没有 Message Batches 接口，所以要用 Anthropic 的批处理五折得走官方接口。这次测试按标价总共花了 $0.21。

*说明：[laozhang.ai 是我们自己的服务](https://blog.laozhang.ai/zh/about#laozhang)，其价格是平台报价，不是独立比较的结论。*

## 我的业务要花多少：五种场景按标价复算

把上面的标价套进五种常见用法，算出来的倍数在 10 倍到 20 倍之间，加上分词差后最高约 25 倍。每种场景的 token 数是假设值，两边按各自的 token 计、用同样的数量；实际上同一段文字 Sonnet 计数更多、两个模型写的输出量也不同，所以这张表只作量级参考，把你自己的数字代进公式即可复算。

| 场景 | 假设 | Sonnet 5.5 | GPT-6 Luna | 倍数 |
| --- | --- | --- | --- | --- |
| A. 一轮对话 | 输入 2K + 输出 500 | $0.0090 | $0.00045 | 20 倍 |
| B. 读一份长文档 | 输入 300K + 输出 5K，Luna 过 272K 按高价 | $0.65 | $0.0638 | 10.2 倍 |
| B2. 文档稍短 | 输入 250K + 输出 5K，Luna 未过线 | $0.55 | $0.0275 | 20 倍 |
| C. 50 轮 Agent 循环 | 100K 前缀写入缓存一次，每轮读缓存 + 新输入 2K + 输出 1K | $1.45 | $0.0975 | 14.9 倍 |
| D. 批处理 | 10,000 次 ×（输入 3K + 输出 1K），两边都按批处理五折 | $80 | $4 | 20 倍 |

以场景 C 为例：Sonnet 是 100K × $2.50（5 分钟缓存写入）= $0.25，加上 50 轮 ×（100K × $0.10 + 2K × $2 + 1K × $10）= 50 × $0.024 = $1.20，合计 $1.45；Luna 是 100K × $0.125 = $0.0125，加上 50 × $0.0017 = $0.085，合计 $0.0975。缓存读取的差距只有 10 倍，缓存占比越高的循环，总倍数越接近 10 倍。

把分词差算进去，结论会往 Sonnet 更贵的方向移。场景 A 的输入按英文的 1.52 倍计，Sonnet 变成 $0.0111，是 Luna 的 24.6 倍，按中文的 1.41 倍计是 $0.0106、23.6 倍；场景 B 里 Luna 计为 300K 的英文文档，在 Sonnet 上约 456K，Sonnet 变成 $0.962，是 15.1 倍，换成中文文档约 423K，Sonnet $0.896，是 14.1 倍。场景 B 和 B2 合起来看还有一个用法：如果你的文档在 272K 上下，把输入裁到线下，Luna 那一侧的费用能省下接近一半。

## 从 Luna 换到 Sonnet 或反过来：这些参数会报错

两边最容易出错的是推理参数和工具调用。Luna 在 Chat Completions 里只有推理强度设成 `none` 时才能用函数调用，开着推理要调工具就得改用 Responses API；Sonnet 5.5 不接受 `thinking: {type: "disabled"}`，也不支持强制工具调用，两种写法都会直接返回 400。下表按 [OpenAI 的 GPT-6 Luna 模型页](https://developers.openai.com/api/docs/models/gpt-6-luna) 和 [Anthropic 的 thinking 文档](https://platform.claude.com/docs/en/build-with-claude/thinking) 整理，截至 2026 年 10 月 26 日。

| 项目 | Claude Sonnet 5.5 | GPT-6 Luna |
| --- | --- | --- |
| 模型 ID | `claude-sonnet-5-5` | `gpt-6-luna` |
| 接口 | Messages API；也上架 Amazon Bedrock、Google Cloud、Microsoft Foundry | Chat Completions、Responses、Batch；不支持 Realtime、微调和 Embeddings |
| 推理强度 | `output_config.effort`：`low` 到 `max`，API 默认 `high` | `reasoning_effort` / `reasoning.effort`：`none` 到 `max`，默认 `medium` |
| 关掉推理 | `disabled` 返回 400；最低是 `thinking: {type: "between_tools"}`，只在 `high` 及以下可用 | `reasoning_effort: "none"` |
| 函数调用 | 支持；`tool_choice` 只能是 `auto` 或 `none`，`any` 和指定工具返回 400 | Chat Completions 仅在 `none` 时可用；其他档位走 Responses API |
| 推理内容 | 默认 `display: "omitted"`，思考文本为空，但思考 token 照样计费 | 推理 token 算在输出 token 里，`usage` 里单独列出数量 |
| 上下文与输入 | 1M，整段同价 | 窗口 1,050,000，最大输入 922,000；过 272K 整次请求涨价 |
| 最大输出 | 128K | 128K |
| 缓存 | 最短可缓存 512 token；写入分 5 分钟和 1 小时 | 写入分 30 分钟和 12 小时 |
| 知识截止 | 2026 年 6 月 | 2026 年 5 月 18 日 |

从 Luna 换到 Sonnet 时，原来写在 Chat Completions 里的 `reasoning_effort: "none"` 加函数调用，要改成 Messages 的工具定义，并把强制调用的 `tool_choice` 改成 `auto`，在提示词里说明必须调用；想省掉前置思考就用 `between_tools`，而不是 `disabled`。从 Sonnet 换到 Luna 时，要么把带工具的请求迁到 Responses API，要么接受 `none` 档、放弃推理；原来的长文档请求先看会不会越过 272K 或 922K 两条线。

经过任何代理或网关调用 Sonnet 时，都把 `thinking` 和推理强度显式写进请求。Anthropic 文档说 Sonnet 5.5 不写 `thinking` 就是默认推理强度 `high` 的自适应思考，但 2026 年 10 月 26 日经 laozhang.ai 的 Messages 线路，不写这两个参数的 9 次请求都没有返回思考块，输出 token 只有 4,896；写上 `thinking: {"type": "adaptive"}` 和 `output_config: {"effort": "high"}` 后，9 次里有 7 次出现思考块，输出 token 涨到 7,802，前面区间合并那道题也从失败变成通过。官方直连接口这次没有测，所以不能断定是哪一层改了默认值，能确定的是显式写参数后结果和文档一致。

*说明：[laozhang.ai 是我们自己的服务](https://blog.laozhang.ai/zh/about#laozhang)，其价格是平台报价，不是独立比较的结论。*

## 切换前先测“每个通过任务的成本”

单价和 AA 分数都替代不了你自己的请求。拿真实流量做一次小测，比较的是总花费除以通过数，而不是每个 token 的价格。

1. 从日志里抽 20～50 个真实请求，覆盖你最常见的几类，长文档类的要包括接近 272K 的那几个。
2. 在看任何模型的答案之前，先写好判定标准：代码类写隐藏测试，抽取类写字段校验，开放式回答写人工打分规则。
3. 两边都显式写推理参数：Sonnet 写 `thinking` 和 `output_config.effort`，Luna 写 `reasoning_effort`；各挑两三档，例如 Luna `medium`、`high` 和 Sonnet `low`、`medium`。
4. 每个配置至少跑一遍，记录通过数、`usage` 里的输入和输出 token、每次的耗时。
5. 用标价算出每个配置的总成本，再除以通过数，得到“每个通过任务的成本”；把失败后人工返工的代价也算进去。
6. 按结果决定分流：Luna 稳定做对的类型留在 Luna，Luna 失败率高的类型直接给 Sonnet，其余的先跑 Luna、判定失败后再交给 Sonnet。

最后一步的分流成本可以先粗算：总成本约等于 Luna 跑全部请求的费用，加上失败比例乘以 Sonnet 的费用。用上面 9 道题的数字假设 Luna 失败五分之一，就是 $0.0044 + 0.2 × $0.1119 ≈ $0.027，约为全部交给 Sonnet 的四分之一。前提是失败能被自动判定出来，而且这部分请求要多等一轮。

## 哪个更快：取决于推理档和调用线路

没有一个模型在所有情况下都更快。AA 在官方接口上测，两者的输出速度接近，Sonnet 各档每秒 105～134 token，Luna 各档 92～140 token；真正拉开差距的是每道题要想多久。默认档对默认档，Luna `medium` 每道题 126 秒，比 Sonnet `high` 的 217 秒快；分数相近时，Sonnet `low` 每道题 85 秒，比 Luna `xhigh` 的 215 秒和 `max` 的 364 秒快得多，首个 token 也只要约 1 秒。

2026 年 10 月 26 日经 laozhang.ai 网关依次调用时，结果又不一样：9 道题 Luna 每题都比 Sonnet 慢，合计 128 秒，Sonnet 开着自适应思考是 71 秒；表达式求值一题 Luna 用了 33.2 秒，Sonnet 13.0 秒。这只是一条线路、一天的结果，速度随线路和负载变化。对延迟敏感的交互，先在你实际要用的线路上测 Sonnet `low` 和 Luna `low`，再看分数够不够。

*说明：[laozhang.ai 是我们自己的服务](https://blog.laozhang.ai/zh/about#laozhang)，其价格是平台报价，不是独立比较的结论。*

## Sonnet 5.5 和 GPT-6 Luna 的其他问题

### 有 GPT-6 Luna Pro 或 GPT-6.1 Luna 吗？

截至 2026 年 10 月 26 日没有。OpenAI 的模型列表和 API 价格页里只有一个 `gpt-6-luna`，没有叫 Luna Pro 的型号，也没有 `gpt-6.1-luna`；有的论坛帖写的“GPT-6 Luna Pro”标价 $0.10 / $0.50、上下文 1,050K，和 `gpt-6-luna` 完全一致，多半是某个平台给它起的名字。OpenAI 各个 GPT-6 型号的分工和 ID，见 [GPT-6 Sol、Luna、Astra 与 Terra 怎么选？先认型号，再算 API 成本](https://blog.laozhang.ai/zh/posts/gpt-6-sol-vs-terra-vs-luna-vs-astra)。

### 想要 Luna 的价位，但留在 Anthropic，有什么选择？

可以看 Claude Haiku 5.5：截至 2026 年 10 月 15 日，它在 100K 输入以内的标价和 Luna 相同，比较见 [Claude Haiku 5.5 对比 GPT-6 Luna：同价，默认档任务成本差 2.7 倍](https://blog.laozhang.ai/zh/posts/claude-haiku-5-5-vs-gpt-6-luna)。Anthropic 自家 Haiku 5.5 和 Sonnet 5.5 之间同样是 20 倍标价差，怎么选见 [Claude Haiku 5.5 和 Sonnet 5.5 区别：标价差 20 倍，同分只差 4 倍](https://blog.laozhang.ai/zh/posts/claude-haiku-5-5-vs-sonnet-5-5)。

### ChatGPT 免费版用的是 Luna，Claude 免费版用的是 Sonnet 吗？

ChatGPT 免费版和 Go 套餐从 2026 年 10 月 8 日起用的是 GPT-6 Luna；截至 2026 年 9 月 29 日，Claude 定价页的套餐表写着免费版可以用 Sonnet，没有标版本，当前的 Sonnet 是 5.5。网页和应用里的额度、能用哪个型号是另一回事，和 API 按 token 计费无关，详见 [GPT-6 免费吗？ChatGPT 免费版给的是 Luna，Sol 与 Astra 仍要付费](https://blog.laozhang.ai/zh/posts/is-gpt-6-free)。

## 参考来源

本文引用的外部页面，按正文出现顺序排列。最后更新于 2026-10-26。

- [Anthropic Claude API 价格页](https://platform.claude.com/docs/en/about-claude/pricing) (platform.claude.com)
- [OpenAI API 价格页](https://developers.openai.com/api/docs/pricing) (developers.openai.com)
- [OpenAI 的 GPT-6 Luna 模型页](https://developers.openai.com/api/docs/models/gpt-6-luna) (developers.openai.com)
- [Artificial Analysis 的 Claude Sonnet 5.5 与 GPT-6 Luna 版本对比页](https://artificialanalysis.ai/models/releases/comparisons/claude-sonnet-5-5-vs-gpt-6-luna) (artificialanalysis.ai)
- [Anthropic 的 thinking 文档](https://platform.claude.com/docs/en/build-with-claude/thinking) (platform.claude.com)