Claude Sonnet 5 让 Opus 的价格差距更难合理化

Anthropic 发布了 Claude Sonnet 5，这是其最新的中端模型，旨在大幅提升智能体能力、规划、工具使用和自主操作，而无需 Opus 级模型的价格标签。该模型今天在 Free、Pro、Max、Team 和 Enterprise 计划以及 Claude Code 和 Claude API 中可用，Sonnet 5 据称缩小了与 Opus 4.8 的性能差距，同时提供了大幅成本节省。 anthropic-launches-claude-mythos-5-its-most-powerful-model-for-cybersecurity-and-biology-research-with-strict-access-controls

根据 Anthropic 的说法，该模型在关键指标（包括推理、工具使用、编码和知识工作）上比其前身 Sonnet 4.6 有了显著飞跃。该公司的内部评估显示，Sonnet 5 在包括智能体搜索和计算机使用评估在内的广泛基准测试中优于 Sonnet 4.6。在某些情况下，高努力度的 Sonnet 5 性能与 Opus 4.8 相匹配。 cuga-ibms-open-source-agent-harness-lets-you-build-apps-with-just-a-prompt-and-tool-list

定价和可用性

Sonnet 5 以入门定价推出：每百万输入 tokens 2 美元，每百万输出 tokens 10 美元，持续到 2026 年 8 月 31 日。之后，标准定价为每百万输入 tokens 3 美元，每百万输出 tokens 15 美元。Anthropic 指出，Sonnet 5 使用了更新的 tokenizer，类似于 Opus 4.7 引入的变化，这可能会使 token 计数增加大约 1.0 到 1.35 倍，具体取决于内容。入门定价旨在使过渡对用户来说大致成本中性。 anthropic-boosts-claude-api-rate-limits-streamlines-tiers-to-three

该模型是 Free 和 Pro 用户的默认模型，也可供 Max、Team 和 Enterprise 订阅者使用。Anthropic 还提高了 Chat、Cowork、Claude Code 和 Claude Platform 的速率限制，以处理更高努力水平下更高的 token 使用量。用户可以调整 effort 参数来平衡成本和性能。

智能体性能：早期合作伙伴的评价

来自 Anthropic 早期访问合作伙伴的反馈一直积极正面。开发者和组织描述了一款能够完成复杂任务、无需提示即可自我检查输出、并以有吸引力的价格自主运行的模型。

Meta 产品总监 Joe Spisak 表示：Claude Sonnet 5 为我们的智能体提供了多步骤软件工程工作的强大执行层。它能在混乱的技术上下文中很好地处理持续的编码、工具使用和调试，尤其在需要跟进和技术基础的工作流程中非常有用。

CoSailor 描述了一个真实世界的测试：我们交给 Claude Sonnet 5 一个两部分的工作：更新 Salesforce 账户层级，向企业联系人发送发布公告。它从头到尾完成了。以前这种情况会中途停滞。

Lovable 创始人 Henrik Torstensson 赞扬了模型的安全行为：Claude Sonnet 5 用更少的步骤完成更多工作，输出质量相同。它也能干净且一致地拒绝不安全请求。

Stripe 的 David Byrne 指出了模型的自主调试能力：我让 Claude Sonnet 5 调查一个 bug。未经提示，它编写了一个复现测试，实现了修复，然后将其暂存以确认去掉更改后 bug 会回来。全部一次完成。 why-your-ai-agent-might-ace-the-task-but-flunk-the-process-enter-skillcoach

Notion Labs 的 Simon Last 强调了其在多步骤代码更改中的可靠性：使用 Claude Sonnet 5，智能体坚持计划，遵循我们的约定，并以高效的成本交付干净的多步骤更改。

Cognition AI 的 Scott Wu 表示：Claude Sonnet 5 在遗留代码、竞态条件、隐藏测试等没人愿意碰的部分表现最佳。它能将故障追溯到实际根本原因，并交付持久的修复，而不是修补症状。

Eve Legal 的 Peter Wang 指出了法律研究方面的提升：Claude Sonnet 5 位于 Eve 原告律师任务的帕累托前沿。我们在法律研究和分析方面看到了最明显的收益，其性价比使迁移选择变得容易。tcs-and-anthropic-partner-to-bring-claude-to-regulated-industries

ClickHouse 的 Nick Ursa 强调了速度：Claude Sonnet 5 以更紧凑的步骤推理，让我们的用户明显更快地得到答案。

Pace 首席执行官 Jack Terrell 观察到模型在生产中的可靠性：我们的计算机使用智能体运行保险工作流程……Claude Sonnet 5 始终采取正确行动，且速度很快，这正是实际保险工作所需要的。

安全评估与网络安全保护

Anthropic 的部署前安全评估发现，Sonnet 5 总体上比 Sonnet 4.6 更安全，幻觉、谄媚和失调行为的比率较低。该模型在拒绝恶意请求和抵御提示注入攻击方面也有改进。然而，自动化行为审计（测试广泛的不可取行为）发现，Sonnet 5 的失调行为比例略高于更强大的 Opus 4.8 和未发布的 Claude Mythos Preview。

在网络安全评估中，Sonnet 5 在开发软件漏洞利用等任务上的表现明显差于 Opus 4.8 和 Mythos 5。例如，在涉及 Firefox 浏览器漏洞的测试中，Sonnet 4.6 和 Sonnet 5 都从未产生完整的工作漏洞利用，两者得分均为 0.0%，尽管 Sonnet 5 显示出略高的部分成功率。Anthropic 将其归因于通用智能的改进，而非特定网络能力的训练。

由于 Sonnet 5 的部分网络成功率略高于其前身，Anthropic 在默认启用网络安全保护的情况下推出了该模型。这些保护措施（实时检测和阻止危险网络使用）与 Opus 4.7 和 4.8 使用的相同。它们不如 Fable 5 部署的保护措施严格，后者阻止了更广泛的网络安全任务。Anthropic 建议在需要减少防护栏的网络安全工作中使用 Opus 4.8。 anthropic-launches-claude-fable-5-a-fifth-generation-model-for-extended-autonomous-work

变更日志与方法说明

Anthropic 发布了发布后更正：博文的原始版本中包含一个 BrowseComp 评估的成本性能图表，该图表使用了更简单的方法，低估了 Sonnet 5 的性能。该图表已更新，以匹配系统卡中描述的标准方法，该方法使用 1000 万 token 预算，并包含压缩和程序化工具调用。

此外，Sonnet 4.6 在“人类最后的考试”和 OSWorld-Verified 上的得分已更新，以分别反映评分模型和评估方法的变化。

Claude Sonnet 5 系统卡（报告完整评估细节和安全评估）可在 Anthropic 网站上获取。