Claude Opus 4.7 vs GPT-5.5 vs Gemini 3.1 Pro：2026 年 5 月怎么选

如果你有 $500/月的 API 预算，面前三个旗舰模型，真正需要回答的问题是：每一刀花在哪里产出最多。Benchmark 表格别看了。有意思的答案取决于你在做什么。

过去六周我用三个模型都发过生产代码。下面是我会跟朋友说的话。

真实价格（2026 年 5 月，每百万 token）

* Gemini 在输入超过 200K token 时翻倍。把一整个代码库塞进单次调用前先知道这一点。

定价比这篇文章过期得快。当前价位看本站 OpenAI、Anthropic 详情页，或者直接看官方控制台。

Opus 4.7 凭什么贵

Anthropic 在 2026 年 4 月 16 日发布 claude-opus-4-7。这个版本让我终于退役了 "默认用 Sonnet，难的升 Opus" 这条经验法则。对编程 agent 来说，Opus 4.7 现在是地板不是天花板。

具体说：如果你的 agent 需要打开五个文件、理解它们怎么互相调、规划一次重构、然后不需要你介入地执行完——Opus 是唯一能撑住几十轮不跑偏的模型。Sonnet 4.6 在窄任务（单文件编辑、范围清晰的问答）上还能用，能用就用。但任务一旦涉及 "先搞清楚架构"，Opus 就是给你赚钱的那台。

让这件事变得划算的关键是 prompt cache。编程 agent 的 system prompt 巨大（工具定义、仓库摘要、编码规范、历史），而且跨调用完全一样。Anthropic 的缓存价让这部分在缓存 TTL 内首次之后基本免费读。不用缓存的话，一个长下午能花掉 $500。

# 最小可用的 cached system prompt 模式
import anthropic

client = anthropic.Anthropic()
response = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=4096,
    system=[
        {
            "type": "text",
            "text": LARGE_SYSTEM_PROMPT,  # 80K token 的上下文
            "cache_control": {"type": "ephemeral"},
        }
    ],
    messages=[{"role": "user", "content": user_question}],
)

cache_control 这块就是 $1/调用 vs 缓存预热后 10 美分/调用 的差距。

GPT-5.5 什么时候还是该选

GPT-5.5 比 Opus 4.7 早几周发布，output $30/M，是三家里最贵的。绝大多数团队不该默认用它。但有两个场景我愿意付溢价。

第一个是检索量大、要求结构化输出的任务。如果你在喂模型一段长而乱的上下文、让它抽出带稳定引用的类型化字段，GPT-5.5 在字段形状和源头归因的确定性上仍有优势。Opus 在仔细写 prompt 之后能追上，但 GPT-5.5 不太需要费心调 prompt 就乖。

第二个是硬数学。需要链式数值推理的任务——推导、证明、回答途中需要做 Wolfram-Alpha 那种工作——GPT-5.5 目前领先。不多。但领先。

"做个 chatbot"、"总结一份文档"、"写点营销文案"？别花 GPT-5.5 的钱。你在赞助研究，不是在获得产品价值。

Gemini 3.1 Pro 什么时候是唯一选择

Gemini 3.1 Pro 的价格才是它的卖点：200K token 以下 $2/$12，超过也才 $4/$18，相当于 Opus 的一半。所以问题变成：花一半钱，能干多少事。

事实证明能干不少，只要任务不需要深度推理。批量翻译：Gemini 3.1 是答案。长技术文档总结（尤其非英语）：是答案。把一万条客服 ticket 分类：是答案。任何用 Opus 价格做你会不好意思开账单的任务。

天花板出现在任务需要模型"想"的时候。多步规划、Agent 工具调用、需要架构理解的代码——Gemini 落 Opus 一截，差距能感知。不是灾难性的，但足够让 Opus $25/M output 的那次调用替你省下的人工 review 时间远比这个价差值钱。

这对成本意味着什么

如果你不是只挑一个模型然后求神拜佛，诚实的经济学是这样的：

需要连贯性和代码质量的地方用 Opus 4.7，配合缓存。GPT-5.5 留给上面那两个特定场景。Gemini 3.1 Pro 兜底所有批量、分类、翻译、总结类任务。

上个月我合作的一个团队从 "全跑 Opus" 切到这种分级，月账单从 $4,200 降到 $1,400，产品质量没变。省下的钱几乎全来自把 RAG 批量和总结类任务交给 Gemini——本来就不需要前沿模型。

关于 benchmark

你在十几个网站能找到互相打架的排行榜，权重不同结论就不同。2026 年 5 月真正重要的信号是：哪个模型能撑住跨多文件的重构不丢线索。拿你自己的真实任务跑五次。不浪费你下午时间的那个就是该买的那个。

对大多数读到这里、在做代码相关产品的人，那就是 Opus 4.7 + 激进缓存。如果你做的是其他东西，答案没那么明确，稳妥的路是把你的 pipeline 设计成可以按任务切换模型，让账单告诉你什么在 work。