Sonnet 4.6 让 Opus 显得昂贵。这改变了一切。

Anthropic 今日发布了 Claude Sonnet 4.6，这是一款中端模型，内部测试表明，在 59% 的情况下，开发者更青睐它而非该公司 2025 年 11 月发布的最强模型 Opus 4.5。这一数据来自 Claude Code 的早期测试，正值前沿 AI 市场分化为昂贵的旗舰模型和通常在推理深度上落后的廉价替代品之际。openais-gpt-56-launch-rewrites-the-economics-of-frontier-ai

Sonnet 4.6 旨在消除这种区别。该模型的定价与 Sonnet 4.5 相同，为每百万输入 token 3 美元、每百万输出 token 15 美元，提供 100 万 token 的上下文窗口（测试版），改进了计算机使用技能，并在各项基准测试中取得全面提升。Anthropic 称其智能水平接近 Opus。该公司的安全评估认为它比最近的 Claude 版本更安全或同样安全，并指出其性格普遍温暖、诚实、亲社会，有时还很有趣，且不存在高风险的对齐问题。

基准测试的差距

Anthropic 发布了与 GPT-5.2、Gemini 3 Pro 以及自家 Opus 4.6 和 Sonnet 4.5 模型的详细基准对比。在 AI 计算机使用的标准基准测试 OSWorld 上，Sonnet 4.6 得分 47.5%，远高于 Sonnet 4.5 的 27.3%，并略微领先 Opus 4.6 的 45.6%。在测试智能体编码任务的 Terminal-Bench 2.0 上，Sonnet 4.6 达到 89.6%，超过了 GPT-5.2 的 88.1% 和 Opus 4.6 的 87.9%。在软件工程基准测试 SWE-bench Verified 上，它得分 79.1%，优于 GPT-5.2 的 73.0%，并以微弱差距落后于 Opus 4.6 的 81.5%。the-ai-agent-that-remembers-you-why-vitabench-20-reveals-a-chasm-between-good-chatbots-and-good-collaborators

在衡量企业文档理解能力的 OfficeQA 上，Sonnet 4.6 与 Opus 4.6 完全持平，均为 90.1%。该模型还在 BrowseComp（67.3%）、ARC-AGI-2（最大努力下为 66.8%）和 MMMU-Pro（83.0%）上取得了优异成果。在 2025 年 1 月发布的艰巨基准测试 Humanity's Last Exam 上，Sonnet 4.6 结合思考与工具得分为 54.1%，落后于 Opus 4.6 的 79.7%，但领先于 Sonnet 4.5 的 46.9%。

这些数字描绘了一幅清晰的画面：Sonnet 4.6 在大多数实际任务上缩小了与 Opus 的差距，仅在最具挑战性的推理评估上留有显著差距。对于大多数编码、文档分析和智能体工作流而言，差异可以忽略不计。

计算机使用的成熟

Anthropic 于 2024 年 10 月首次推出通用计算机使用模型，当时被描述为仍处于实验阶段，有时繁琐且易出错。Sonnet 4.6 标志着该能力的第三代，OSWorld 的分数反映了十六个月来的稳步改进。该模型通过虚拟鼠标点击和虚拟键盘输入来操作真实的软件环境（Chrome、LibreOffice、VS Code），无需特殊 API 或连接器。

Anthropic 发布的早期客户评价描述了在诸如浏览复杂电子表格、填写多步骤网页表单以及协调多个浏览器标签页等任务上达到人类水平的性能。Box 报告称，在重度推理问答方面，Sonnet 4.6 比 Sonnet 4.5 提升了 15 个百分点。一项保险基准测试达到了 94%，是该客户在计算机使用中测试过的最高分。Rakuten AI 称 Sonnet 4.6 的 iOS 代码是其测试过的最佳代码，并指出其在规范遵从、架构和现代工具使用方面表现更佳。

该公司承认，计算机使用能力仍落后于最熟练的人类，并存在来自提示注入攻击的风险（恶意行为者将指令隐藏在网站中以劫持模型）。Anthropic 表示，Sonnet 4.6 在抵御此类攻击方面有显著改进，在内部安全评估中表现与 Opus 4.6 相似。the-subtle-trap-waiting-for-ai-agents-in-production

定价悖论

Sonnet 4.6 最引人注目的影响并非技术层面，而是经济层面。Opus 4.6 的定价为每百万输入 token 15 美元、每百万输出 token 75 美元，输出成本是 Sonnet 4.6 的五倍。对于每月运行数千次智能体编码会话的开发者来说，成本差异是巨大的。

Anthropic 自己的数据表明，用户在一系列广泛的任务中（包括代码库重构、多步骤规划和漏洞检测）更偏爱 Sonnet 4.6 而非 Opus 4.5。该公司明确指出，如果您是 Opus 的重度用户，Sonnet 4.6 提供了一个可行的替代方案。这条建议来自销售 Opus 的公司。

对于大规模运行智能体编码的团队而言，关键指标并非原始基准分数，而是每个已解决问题的成本。Sonnet 4.6 在漏洞检测率上匹配 Opus，但输出成本仅为后者的五分之一，这意味着团队可以在不增加预算的情况下并行运行更多的审查器。规模经济如今首次青睐中端模型。

产品更新与可用性

Sonnet 4.6 现已可在所有 Claude 套餐（免费版、Pro 版、Max 版、团队版和企业版）以及 Claude Code、API 和所有主要云平台上使用。免费版现在默认包含文件创建、连接器、技能和上下文压缩功能。该模型支持自适应思考和扩展思考，以及处于测试版阶段的上下文压缩功能，该功能可自动总结较旧的对话上下文以延长有效的对话时长。anthropic-launches-claude-tag-on-slack-for-team-wide-ai-collaboration

在 API 方面，Anthropic 已普遍提供网络搜索和抓取工具，并配备自动代码执行功能以过滤和处理结果。记忆、程序化工具调用、工具搜索和工具使用示例也已普遍可用。对于 Excel 用户，Claude 插件现支持 MCP 连接器，允许助手在不离开电子表格的情况下从 S&P Global、LSEG、Daloopa、PitchBook、Moody's 和 FactSet 获取数据。

开发者端点的模型标识符为 claude-sonnet-4-6。Anthropic 建议从 Sonnet 4.5 迁移，并在不同的思考强度范围内进行探索，以找到针对每个用例的最佳速度与可靠性平衡点。

对市场的意义

Sonnet 4.6 代表了 AI 实验室定位其模型栈方式的结构性转变。过去两年，标准建议一直是：使用最有效的最廉价模型，只有在绝对必要时才求助于 Opus 或 GPT-5。这种策略之所以可行，是因为中端与旗舰模型之间的差距足够大，足以证明溢价是合理的。the-specialization-revolution-how-smaller-models-are-redefining-ais-future

这个差距正在缩小。Anthropic 的内部用户偏好数据显示，开发者自愿选择一个成本仅为五分之一、且能在他们过去愿意为顶级付费的任务上工作的模型。如果这种模式在更大范围成立，可能会迫使业界更广泛地重新思考前沿智能的定价方式。如果一个中端模型能完成六个月前旗舰模型所能做的工作，那么旗舰模型就必须在少数真实用户会遇到的任务上进行差异化。

Anthropic 并非没有意识到这一点。该公司指出，Opus 4.6 仍然是处理要求最深层次推理的任务（例如代码库重构、协调工作流中的多个智能体以及必须做到完美的问题）的最强选项。但这个列表已经比一年前更短了，并且随着每次 Sonnet 的发布而变得更短。anthropic-launches-claude-sonnet-5-a-new-frontier-in-agentic-ai-at-lower-cost