新智元报道
【新智元导读】凌晨2点，Anthropic甩出最能干的Claude Sonnet 5，性能直逼旗舰Opus 4.8，编程直接干翻GPT-5.5！
就在刚刚，Claude Sonnet 5来了！
代号Fennec，耳廓狐，撒哈拉沙漠里体型最小的狐狸。
这是Anthropic迄今为止，Agent能力最强的Sonnet模型，并且性能直逼旗舰Opus 4.8。
即日起，Sonnet 5成为所有Free和Pro用户的默认模型。
它能自主规划、调用浏览器和终端工具。
就在几个月前，这还需要花大价钱调用超大模型才能做到，现在，Sonnet轻松拿下。
相较于上一代Sonnet 4.6，Sonnet 5在推理、工具使用、编程和知识工作任务中，性能显著提升。
划重点：
SWE-bench Pro得分63.2%，反超GPT-5.5的58.6%，略输Opus 4.8的69.2%
「人类最后的考试」得分57.4%，和Opus 4.8只差0.5个百分点
标准价每百万token输入$3/输出$15，只有Opus 4.8的六成
浏览器注入防御0.93%，反杀Mythos 5和Opus 4.8
有趣的是，Fable 5也在同一天被曝出即将回归。但代价是强制实名验证，并且极大概率仅限美国用户。
而Sonnet 5则主打一个毫无保留，全球用户今天就能敞开用。
全线逼平Opus 4.8
最强打工AI突袭
这一次，Sonnet 5的突然上线，也算是填补了人们用不上Fable 5的失落。
对于很多开发者来说，Agent时代的元年，就是从Sonnet开始的。
Claude Sonnet 3.5、3.6、3.7，是最早一批在写代码、用工具上展现出惊人能力的模型。
换句话说，「让AI自己干活」这件事，最早跑通的就是Sonnet「中杯」系列。
但这一年多，最猛的能力跃升，全集中在Opus这条「大杯」线上。Sonnet，直接被旗舰甩在后面。
Sonnet5要做的，就是把这道差距补回来！
Anthropic一句话定调——Claude Sonnet 5是史上最能「干活」的Sonnet。
从实战的成绩来看，最能说明这一点。
在传统强项编程领域，Sonnet 5在SWE-bench Pro上豪取63.2%。而前代Sonnet 4.6只有58.1%，Opus 4.8则凭借69.2%暂时领先。
相比之下，老对手OpenAI的旗舰GPT-5.5在同一个榜上只拿到了58.6%，谷歌的Gemini 3.5 Flash也只有55.1%。
Terminal-Bench 2.1更加凶悍，Sonnet 5直接飙到80.4%，把只有67.0%的Sonnet 4.6狠狠甩在身后，暴涨13个百分点。距离Opus 4.8的82.7%，只差不到2个点。
在号称「人类最后的考试」的跨学科推理基准Humanity's Last Exam上，Sonnet 5带工具斩获57.4%，Opus 4.8是57.9%，只差0.5个百分点。GPT-5.5同一测试只有52.2%，Gemini 3.1 Pro是51.4%。
电脑操控能力方面，Sonnet 5在OSWorld-Verified上的得分是81.2%，同样超过GPT-5.5的78.7%，直追Opus 4.8的83.4%。
更让人意外的是知识工作，Sonnet 5更是在GDPval-AA v2上拿到了1618分，直接反超Opus 4.8的1615。
在智能体搜索、工具使用表现中，Sonnet 5能以最低成本，提供了Opus 4.8级的能力。
可以说，几乎每项benchmark，Sonnet 5都落在Opus 4.8的90%到100%区间。
堪称是花Sonnet的钱，买Opus九成的脑子。
2美元限时促销
但埋了个大坑
价格，才是这次的「必杀技」。
API定价方面，Anthropic给出了限时大促：输入2美元/百万tokens，输出10美元/百万tokens。
8月31日之后，恢复输入3美元和输出15美元的原价。
相比之下，Opus 4.8是5美元和25美元，GPT-5.5标准版是5美元和30美元。
促销期内，输入和输出价格都只有Opus 4.8的四成。恢复标准价后也只到六成。
不过，Anthropic虽然表面诚意满满，细节里却藏着小心思。
原因在于Sonnet 5换了全新的tokenizer，同样一段输入的token数量可能会膨胀1.0到1.35倍。
等促销期一过，$3/$15的原价再叠加tokenizer膨胀效应，真金白银的花销肯定要比用Sonnet 4.6肉痛一截。
但即便如此，跟Opus比依然是碾压级的差距。
反杀全家族旗舰
System Card里藏着Sonnet 5最被低估的一面。
提示注入攻击成功率0.19%，跟Opus 4.8持平。GPT-5.5是3.08%，Gemini 3.5 Flash是6.66%。
浏览器注入防御上，攻击成功率只有0.93%，而Mythos 5是29.7%，Opus 4.8是31.5%。
$2的中端模型，反杀了全家族旗舰，开启防护措施后直接降到0%。
恶意代码注入上，Sonnet 4.6的攻击成功率高达45.26%，Sonnet 5降到了0.29%，改善150倍。
Firefox 147漏洞利用测试中，Mythos 5能写出88.4%的可用exploit，Opus 4.8是8.8%，Sonnet 5是0.0%。能写顶级业务代码，但写不出一个可用的漏洞利用程序。
副作用是不对齐行为评分2.53（满分10），比Sonnet 4.6的2.89有改善，但高于Opus 4.8的2.10和Mythos Preview的1.95。
变强了，也变得更有主见了。
不争皇冠，专砍腰部
Sonnet 5卡在一个极其精准的位置上，向上能力逼近Opus 4.8和GPT-5.5，向下价格接近Gemini 3.5 Flash级别。
OpenAI刚把价格相较上代翻了倍，Anthropic转手把Sonnet 5的入门价压到了3美元。
那些原本犹豫要不要为旗舰付费的开发者，现在有了一个杀伤力十足的替代选项。
所有人都盯着顶端打的时候，Anthropic在腰部开了一枪。
开发者钱包，今晚先投了票
如今，Sonnet 5的性能已经踩进了旗舰区间，大部分修bug、补测试、做重构的活都能一次搞定。
以前觉得Opus太贵舍不得用、Sonnet又不够好的尴尬，今天没了。
价格上更划算。同样的预算以前只能跑一个Opus级的Agent，现在可以跑两到三个并行的Sonnet。
多Agent架构的成本门槛，被Sonnet 5一脚踹低了。
Fable 5究竟何时王者归来还是个未知数。
但Sonnet 5此刻已经稳稳地站在这里，性能直接怼到了Opus的门槛上。
对于绝大多数开发者而言，它就是接下来相当长一段日子里，手边最能打也最好用的那个Claude。
参考资料：
https://x.com/claudeai/status/2072017450611142835
https://www.anthropic.com/news/claude-sonnet-5
编辑：摩西 桃子
热门跟贴