同一个模型，两种跑法，账单差出四倍多。Artificial Analysis 的 Coding Agent Index 上，Anthropic 的 Sonnet 5.5 在 max 档拿到 68 分，在 xhigh 档拿到 63 分。分数只差 5.5，成本却从每任务 14.19 美元掉到 3.33 美元——省下 77%。

这道选择题的答案，取决于你愿意为最后那几分付多少钱。

打开网易新闻 查看精彩图片

贵在哪：多出来的 token 和轮次

max 档不是简单地"多想一会儿"。数据显示，它会生成 4.8 倍的输出 token，交互轮次也达到 xhigh 的 3.4 倍。多出来的算力确实换来了东西：三项基准测试的分数全部提升。

提升最明显的是 Terminal-Bench 4.0，从 58.1% 涨到 66.2%。这个幅度不算小，说明在终端类任务上，max 档的额外投入确实能撬动结果。

省在哪：xhigh 的性价比账

打开网易新闻 查看精彩图片

把两档放在一起看，xhigh 用不到四分之一的成本，拿到了 max 档约九成的分数。对于大多数日常编码任务，这个交换比很难拒绝。

  • max 档：68 分，每任务 14.19 美元
  • xhigh 档：63 分，每任务 3.33 美元
  • 成本降幅：77%
  • 分数代价：5.5 分

换句话说，多付的那部分钱，买的是从"够用"到"更好"的那一段。值不值，看任务本身对准确率有多敏感。

怎么选：看任务，不看情绪

如果任务跑在 Claude Code 里，且对终端操作的准确率要求高，max 档的 66.2% 值得那笔钱。如果只是常规编码辅助，xhigh 的 63 分已经能覆盖大部分场景，省下的 77% 成本可以摊到更多任务上。

Sonnet 5.5 在 Coding Agent Index 上登顶，靠的是 max 档的成绩。但真正让它在实际工作流里跑得起来的，可能是 xhigh 这个档位——它把"用得起"和"用得好"之间的那条线，画得比以往更清楚。