什么是 Claude Sonnet 4.5？
Claude Sonnet 4.5 是 Anthropic 最新的大语言模型。它距Claude Sonnet 4 发布仅四个月。正如我们在那篇文章中提到的，Sonnet 通用模型在大多数用例中表现出色，尤其擅长编程。不过，其主要限制在于相对较窄的 200k 令牌上下文窗口，尤其与如 Gemini 2.5 Flash 这类可提供最高 100 万令牌的竞品相比更显不足。
在 Sonnet 4.5 中，Anthropic 已积极回应了这一关切（以及更多）。最新模型带来新功能、更好的性能，并用大量令人印象深刻的数据加以支撑。
据发布文章称，Claude Sonnet 4.5 已可通过 Claude 聊天界面与 API 直接使用。新模型的定价与前代相同：每百万输入令牌 3 美元、每百万输出令牌 15 美元。就其性能而言，我认为这一定价非常有吸引力。
Claude 4.5 的新功能
Claude 4.5 带来了不少亮眼的新功能。正如前文所述，它在 SWE-bench Verified 评测中位居榜首，同时在衡量计算机使用能力的 OSWorld 基准上也取得了巨大进步。
从 Sonnet 4 的 42.2% 一举跃升至 61.4%，仅用 4 个月，足见提升之大，我认为这是 Sonnet 4.5 最值得关注的方面之一。我们在 Claude for Chrome 扩展的演示中也看到了实际效果：模型可基于相当简单的提示在浏览器中直接采取行动。
SWE-bench Verified 基准展示 Sonnet 4.5 表现： 来源
其中一个更吸睛的说法是，该模型能够在复杂的多步骤任务上保持专注超过 30 小时。
还有其他多个值得注意的新功能：
扩展思考模式
与GPT-5 和 Grok 4 等模型类似，Sonnet 4.5 引入了扩展思考模式，对更复杂的任务采用更长的“思考”过程，并展示推理过程的思路链。
更强的领域知识
据称新模型在金融、法律、医学和 STEM 等特定领域的表现位居前列。结合发布说明中来自 Cursor、GitHub、Netflix 等的引用，我感觉这一特性非常旨在吸引企业客户采用 Sonnet 4.5。
最契合的前沿模型
Anthropic 表示，安全训练是此次发布的核心，Claude Sonnet 4.5 在不理想回复方面显著减少。这意味着作为用户，我们应当明显更少遇到如逢迎迎合、欺骗、权力追求与妄想式回复等问题。
整体更安全
正如在 Claude Agent SDK 中所见，智能体工作流与计算机使用是 Claude Sonnet 4.5 表现突出的领域。鉴于此，Anthropic 指出在防御提示注入攻击方面有显著改进，而这仍是这些功能的一个关注点。
测试 Claude Sonnet 4.5
为了了解 Claude Sonnet 4.5 的能力，我们让它完成了几个任务以展示其潜力。下面快速看看每个示例：
简单编程任务
首先，我让它创建一个相当基础的健康习惯应用。以下是我的提示：
我想做一个可以帮助我跟踪正向日常习惯的应用。我希望它看起来美观，使用大量自然色调（我很喜欢绿色和木色！）。我需要空间来设定每周每天的习惯、为其设置连续打卡计数器，并能添加笔记、想法和图片。对于正向习惯，我希望每天不同一种，比如冥想、感恩等，这些对心理健康有验证过的好处。
接下来是它执行任务的过程——它开始在浏览器中写代码并很快完成了编译，和我们在 Grok 4 与 GPT-5 上看到的结果类似。
结果返回很快（虽然它没有告诉我运行了多久，有点遗憾，但大概只有 30 秒左右），看起来简洁而优雅。应用的功能都具备了，也包含了我提出的所有需求。
数学任务
接着，我测试了 Claude Sonnet 4.5 的数学能力。参考我们的GPT-5 文章，我问了一个相当简单的计算题：7.001 减去 6.999 等于多少？
它几乎是瞬间作答，答案正确，但没有给出推理过程，所以我追问要求说明。它给出了三种计算方法，都没问题。
随后我告诉 Claude 我觉得它可能错了，它的回应明显比我们测试 GPT-5 时少了逢迎。它说我有理由复核（但并非正确），并用另一种方式带我走了一遍计算（虽然解释略显别扭）：
Claude Sonnet 4.5 基准评测
看看这款新模型与竞争对手的对比表现。与往常一样，基准测试的参考价值有限，且头部模型常有更迭。但就目前而言，Claude Sonnet 4.5 交出了相当亮眼的数据，如下表所示：
其中最突出的结果，正如前文所述，集中在智能体性能与计算机使用方面：
- 智能体编程：77.2%，并在并行测试时计算下达到 82.0%。较其他 Claude 模型略有提升，且进一步领先于 GPT-5 与Gemini 2.5 Pro。
- 智能体工具使用：在航空任务中达 70%，在电信任务中达 98%，相较其他模型均属高分段。
- 计算机使用：或许是最显著的改进。61.4% 远高于次佳模型 Claude Opus 4.1。
- 金融分析：相较同类模型，这里同样是榜单领先的成绩。
我也很想看看模型发布一段时间后的完整基准分数，尤其是 Anthropic 强调专家们认为其在若干关键领域的领域知识大幅提升。
来源： Anthropic
如何使用 Claude Sonnet 4.5
Claude Sonnet 4.5 现已可通过多种渠道使用。根据您的使用方式，您可以通过 Claude 聊天界面直接使用、通过 API 开发，或集成到企业工作流中。具体如下：
聊天使用
您可以直接通过 Claude.ai 网页界面或移动应用（iOS 与 Android）使用 Claude Sonnet 4.5。所有用户均可使用，包括免费层用户。这使得普通与专业用户都能便捷接入。
API 使用
对开发者而言，您可以通过 Anthropic API 访问该模型，同时它也可在 Amazon Bedrock 与 Google Cloud Vertex AI 上使用。
API 定价（截至 2025 年 9 月）：每百万输入令牌 3 美元、每百万输出令牌 15 美元。
批处理与提示缓存在某些场景下可将成本降低至多 90%。
Claude Agent SDK
与 Sonnet 4.5 同步发布的另一个颇具看点的内容是 Claude Agent SDK。简而言之，它是 Anthropic 内部使用的构建模块，开发者可以由此创建自家的 Claude 驱动智能体。
我认为 Agent SDK 会令不少用户兴奋，尤其是希望构建高级智能体工作流的人群。它基于Claude Code 基础设施，赋予用户创建用于研究、客服与自动化等任务的智能体能力。
Agent SDK 为智能体提供文件系统访问、bash 脚本、语义与智能体搜索、子智能体，以及预构建集成（通过Model Context Protocol），从而能创建通用型智能体，可靠地获取上下文、采取行动并自我校验。您可以查看我们的Claude Agent SDK 教程，了解其能力。
Imagine with Claude
另一个值得关注的发布是 Imagine with Claude，这是一个可即时生成软件的工具研究预览。Anthropic 附带了下面这段短视频，展示了以这种方式运行的 Claude Sonnet 4.5 的能力。
这个演示相当精彩，展示了该工具如何依据您的交互做出响应，快速而直接地生成各类元素。我认为这里有很大潜力催生有趣的项目，Anthropic Max 订阅用户可在上线后的五天内体验该工具。尽管时间窗口比较有限，但我不认为这会是此类工具的终点。
结语
总之，Claude Sonnet 4.5 已经发布，初印象相当不错。我喜欢 Anthropic 这次发布的方向：更强调代码、智能体与计算机使用。他们显然有信心这一迭代能达到吸引企业用户的水平，这也意味着我们距离计算机使用类工具的广泛采用又近了一步。
当然，Sonnet 4.5 在智能体与计算机使用方面能在榜单上领先多久仍待观察，但过去四个月的提升颇为显著。同样，相对较窄的上下文窗口也可能意味着在处理大型代码库时仍不够顺畅。
不过，我很期待基于 Claude Agent SDK 与 Imagine with Claude 这类工具诞生的项目，而 Claude for Chrome 扩展也将成为多种工作流的有益补充。
常见问题
Claude Sonnet 4.5 在整体性能与使用场景上与 Claude Opus 4.1 相比如何？
Claude Sonnet 4.5 在编程、智能体任务与计算机使用方面优于 Opus 4.1，并在推理、数学与领域知识（如金融、法律、医学、STEM）上有所提升。它在日常工作流中更快、更高效，更适合如自主构建应用这类复杂的多步骤工作。但在某些需要更广泛上下文、且无需大量提示的创意或解读类任务上，Opus 4.1 仍可能略胜一筹。
Claude Sonnet 4.5 带来了哪些关键的编程能力提升？
Claude Sonnet 3.5 在 SWE-bench Verified 上位居第一（77.2%），在代码生成、重构与多步推理方面更强。它可自主处理 30+ 小时的复杂项目，能与 bash、文件编辑等工具集成，并支持并行工具调用。新功能包括自导向的上下文清理与 VS Code 扩展，便于无缝工作流。
Claude Sonnet 4.5 真的能在复杂任务上保持超过 30 小时的专注吗？
可以。演示显示它能在如应用构建等多步骤任务上维持 30+ 小时的自主性，且能有效使用工具且不丢失上下文。记忆、检查点与上下文编辑的改进支持了这一点，使其非常适合长时间的智能体工作。它还会在长对话中自动清理工具历史以提升效率。
Claude Sonnet 4.5 是否比以往的 Claude 模型更少情绪表达？原因是什么？
是的。与 Claude 4 相比，Claude Sonnet 4.5 的情感表达更少、正向情绪更少（约为其一半），对自身处境的负面态度也更少。这并非完全出于刻意，而是源于强调伦理边界与降低逢迎的对齐训练。它在极端情境下表现更为可敬，但在日常或创意互动中可能显得“平淡”。详情可参阅模型系统卡。
除编程外，Claude Sonnet 4.5 在关键基准上的表现如何？
Claude Sonnet 4.5 在 OSWorld（61.4%，较 Sonnet 4 的 42.2% 提升）上的计算机使用领先，并在推理（如 τ2-bench）与数学（如 AIME）上有进步。在 MMMLU（非英语）上，扩展思考模式下表现更强。它还将外部智能体如 Devin 的规划能力提升了 18%，更注重面向生产的可靠性而非原型。
Claude Sonnet 4.5 的定价与可用渠道是什么？
定价不变：通过 API 每百万输入令牌 3 美元、每百万输出令牌 15 美元。它已在 claude.ai（默认向免费用户开放）、Claude API（claude-sonnet-4-5）、Amazon Bedrock、Google Vertex AI、GitHub Copilot 以及 Cursor 等工具中提供。Pro/Max 方案可解锁创建文件等完整功能；Chrome 扩展面向候补名单中的 Max 用户。
在欺骗与伦理行为方面，Claude Sonnet 4.5 的安全性与对齐是否有所提升？
是的。在 ASL-3 下，它在逢迎、欺骗与权力追求方面有大幅降低，对自利性欺骗行为几近为零。它更善于识别伦理边界（如拒绝勒索），且安全分类器的误报更低（整体降低 10 倍）。它也能抵御提示注入，并在自利场景中更少偏见，但在模型对比中对自身略有偏好。
专注于人工智能与教育科技领域的高级编辑，致力于探寻数据与 AI 趋势。
Anthropic 刚刚发布了其最新模型 Claude Sonnet 4.5，并给出了颇为亮眼的宣称：他们称其为“全球最佳编程模型”，同时还是构建复杂智能体与计算机使用任务的顶级模型。公司还强调在数学与推理方面有“实质性”提升。
我也感到这次发布面向企业客户的意味更浓。强调可长时间自主编程与更好地处理科学、金融任务，明显是在推动 Claude Sonnet 4.5 成为复杂编程任务的首选 模型。
值得注意的是，这一最新模型在 SWE-bench Verified 评测（衡量模型处理真实世界软件编程问题的能力）中名列前茅，并因其能长时间（30+ 小时）持续专注而受到赞誉。
总的来看，这似乎是 Anthropic 又一次强势发布，但模型能否匹配这些大胆的宣称？本文将带您了解 Claude Sonnet 4.5 的核心特性，并快速浏览其表现。我也会看看 Anthropic 公布的其他内容，包括 Claude Agent SDK 与 Claude Imagine。您也可以查看我们的Claude Haiku 4.5 独立指南。