Anthropic 刚刚发布了 Claude Sonnet 5。他们称其为迄今为止最具智能体能力的 Sonnet 模型。它能制定计划、操控浏览器和终端，并在长时间任务中自主运行。

今天起，Sonnet 5 成为 Free 和 Pro 套餐的默认模型。Max、Team 和 Enterprise 用户可以选择它。它也已登陆 Claude Code 和 Claude 平台。

摘要

• Sonnet 5 是 Anthropic 最具智能体能力的中端模型，大大缩小了与 Opus 4.8 之间的差距。
• 在所有已发布基准测试中都优于 Sonnet 4.6：SWE-bench Pro 63.2%，OSWorld-Verified 81.2%，HLE 57.4%。
• 运行成本更低：至 8 月 31 日为止，每 MTok 介绍性定价为 $2/$10，之后为 $3/$15；Opus 4.8 为 $5/$25。
• 在低/中投入水平下性价比最佳；在超高投入下，为获得相近质量，可能比 Opus 4.8 更贵。
• 比 4.6 更安全，刻意降低了网络能力——对于精度要求高的工作，Opus 仍是首选。

Claude Sonnet 5

Sonnet 处于 Anthropic 产品线的中间位置。它比更便宜的 Haiku 4.5 高，比旗舰产品 Opus 4.8 低。

Sonnet 5 是对 2026 年 2 月发布的 Sonnet 4.6 的升级。Anthropic 将这次发布定义为围绕智能体可靠性，而非某个单项基准测试。

实际应用中，这意味着更长的任务链不会丢失上下文。这意味着当工具调用失败时能更好地自我修正。这意味着在 Claude Code 或 Cowork 中，长时间会话下的行为更加稳定。

该模型开放了投入水平选项：低、中、高和超高。更高的投入会在推理上花费更多 token。这同时提升了质量和成本。

需要指出的是，Sonnet 5 使用了更新的分词器，与 Opus 4.7 引入的相同。同样一段文本对应的 token 数量大约会增加 1.0 到 1.35 倍。

交互式说明

基准测试

Anthropic 团队发布了一份基准测试对比表，比较了 Sonnet 5、Sonnet 4.6 和 Opus 4.8。Sonnet 5 在每一项测试类别中都超越了前代。它大幅缩小了与 Opus 4.8 的差距。

在智能体编程（SWE-bench Pro）上，Sonnet 5 得分 63.2%。Sonnet 4.6 得分为 58.1%。Opus 4.8 仍以 69.2% 领先。

在计算机使用（OSWorld-Verified）上，Sonnet 5 取得 81.2%，Sonnet 4.6 为 78.5%。在 Terminal-Bench 2.1 上，它达到 80.4%，后者为 67.0%。

在带工具的人类最后考试上，Sonnet 5 达到 57.4%。这几乎与 Opus 4.8 的 57.9% 持平。

有一个方面 Sonnet 5 略微领先。在 GDPval-AA v2 知识工作基准上，它得分 1,618，而 Opus 4.8 为 1,615。

努力级别：真正的权衡所在

成本与性能的关系对开发者来说是最重要的部分。Sonnet 5 在每个努力级别上都是对 Sonnet 4.6 的严格改进。最明显的价值出现在低和中等努力级别。

在这些级别上，Sonnet 5 提供的质量是以往 Sonnet 定价无法买到的。Opus 4.8 在高端范围内仍然是准确率的领先者。

由此可以得出一个实用的路由策略：将大多数智能体编程、工具使用和知识工作交给 Sonnet 5；将 Opus 4.8 保留给准确率关键型任务；将 Haiku 4.5 用于高吞吐量、低延迟的调用。

用例：Sonnet 5 的适用场景

早期访问合作伙伴描述了具体的工作流程。他们的报告对应常见的工程任务。

• 多步软件工程：一位测试者让 Sonnet 5 调查一个 bug。它编写了复现测试、实现了修复，然后确认没有该更改时 bug 会再次出现。它在一个回合中完成了这一流程。
• 遗留系统调试：另一位合作伙伴将其用于棘手的拉取请求。模型将失败追溯到根本原因。它交付了持久的修复而非症状补丁。
• 业务流程自动化：Zapier 交给它一个包含两部分的任务。它先更新了 Salesforce 的客户等级，然后向企业联系人发送了一封启动邮件。它端到端地完成了整个任务。
• 计算机使用智能体：Pace 运行保险工作流程，例如投保单录入和损失报告。它的智能体在团队已经使用的运营系统上执行操作。
• 数据探索：ClickHouse 智能体查询实时数据并即时生成洞察。更快的推理意味着分析师能更快地获得洞察。

对比表格

Sonnet 5 的首发定价有效期至 2026 年 8 月 31 日。该日期之后将执行 $3/$15 的标准定价。同时适用标准提示词缓存（缓存读取按输入价格的 0.1 倍计费）以及 Batch API 五折优惠。按模型 token 计算，Sonnet 5 价格低于 GPT-5.5 和 Gemini 3.1 Pro，但高于 Gemini 3.5 Flash。Anthropic 在其发布公告中列出 Sonnet 5 的上下文窗口为 100 万 token。该公司未公布此处其他模型的上下文窗口数据。

编码示例：调用 Sonnet 5

API 调用方式与任何其他 Anthropic 模型相同。只需将模型字符串改为 claude-sonnet-5。

import anthropic

client = anthropic.Anthropic()  # reads ANTHROPIC_API_KEY

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Find the race condition in worker.py and ship a tested fix."}
    ],
)

print(message.content[0].text)

优势与劣势

优势：

• 在 Anthropic 测试的每个基准类别上均较 Sonnet 4.6 有所提升
• 在多项评估中接近 Opus 4.8 的质量，但模型 token 单价更低
• 在 GDPval-AA v2 知识工作基准上略优于 Opus 4.8
• 相比 Sonnet 4.6，模型幻觉、谄媚行为以及不良行为发生率更低
• 即插即用式 API 变更：仅需替换模型字符串

劣势：

• Opus 4.8 在最苛刻的精度密集型任务上仍更优
• 在 xhigh effort 设置下，成本可能超过同等质量的 Opus 4.8
• 新的分词器可能导致模型 token 数量增加最多 1.35 倍
• 网络安全能力被刻意压低；请使用 Opus 处理经批准的网络安全工作
• $3/$15 的标准定价将在 2026 年 8 月 31 日之后生效

社区反应