{count, plural, other {课程}}
Claude 模型入门
{hours} 小时
14.8K
Anthropic 于 2026 年 6 月 30 日发布了 Claude Sonnet 5，主打卖点直截了当：这是公司迄今最具“智能体”能力的 Sonnet 模型。它可以制定计划、驱动浏览器与终端等工具，并以接近完全自主的方式运行——这一水平直到最近还只有更大的 Opus 级模型才能达到。
核心结论是，Sonnet 5 在推理、工具使用、编码和知识型工作方面的表现接近 Opus 4.8，且价格更低。在 Anthropic 发布的智能体编码基准上，Sonnet 5 得分为 63.2%，而 Opus 4.8 为 69.2%，Sonnet 4.6 为 58.1%。在某项知识型工作基准上，Sonnet 5 甚至略微领先于 Opus 4.8。
本文将全面介绍 Claude Sonnet 5 的变化，涵盖新功能、基准测试，并看看它的价格。如果您想了解更多 Anthropic 背景，请参阅我们近期的 Claude Code 斜杠命令 指南，以及我们对 Claude Tag 的解读。
Claude Sonnet 5 是什么？
Claude Sonnet 5 是 Anthropic 的中端模型，定位于 Opus 系列之下，旨在处理过去需要更昂贵的 Opus 模型才能胜任的智能体型工作。它取代了 2026 年 2 月发布的 Sonnet 4.6，并采用了更新的分词器，改变了模型处理文本的方式。
对许多开发者而言，智能体时代始于 Sonnet 系列模型，如 Claude Sonnet 3.5、3.6 和 3.7——它们是首批在编码与工具使用方面展现出真正实力的 Claude 版本。最近，最明显的智能体进步出现在 Opus 级模型上，而 Sonnet 5 则是 Anthropic 尝试将中端档重新拉近前沿水平的一次发力。
来源：Anthropic
最能说明问题的数字是性价比。Anthropic 自家的图表显示，Sonnet 4.6 在 BrowseComp 智能体搜索与 OSWorld-Verified 电脑使用评测上明显落后于 Opus 4.8。如今 Sonnet 5 与 Opus 4.8 覆盖在同一范围内，Sonnet 5 成本更低，Opus 4.8 则以更高价格提供更高准确度。
Claude Sonnet 5 有哪些新变化？
Sonnet 5 的改进围绕一个主题聚焦：把智能体任务从头到尾完成，而不是半途而废。以下能力尤为突出。
端到端完成多步任务
Sonnet 5 最大的实际变化是任务“跟进到底”。Anthropic 的早期测试者反馈称，该模型能够完成复杂任务，而此前的 Sonnet 版本往往会在中途停下，并且它会自主检查自己的输出，无需提醒。
把它代入您的工作场景：比如交给模型一个跨两个系统的任务——先从 CI 运行中提取失败的测试结果，然后提交带修复的 Pull Request。早期的 Sonnet 模型通常会在第一步后停下。Anthropic 自身的示例是一次性完成 Salesforce 账户分级更新并向企业联系人发送发布通知——Zapier 的一位工程师表示这种流程过去会在半程卡住。
对于任何在构建智能体的人而言，这就是“会起草计划”的模型与“会执行计划”的模型之间的差别。它减少了人类需要介入、推动智能体继续前进的次数。
调节投入强度，平衡成本与准确度
Sonnet 5 支持可调节的投入强度，您可以根据任务与预算上下调节推理深度。Anthropic 将其定位为在 Sonnet 5 与 Opus 4.8 之间寻找合适落点的方式，而不是选定一个模型后将就使用。
在最高的 Extra High 推理级别下，Sonnet 5 在 OSWorld-Verified 与 BrowseComp 上的大致表现与 Opus 4.8 的中高设置相当。需要注意的是，将 Sonnet 5 运行在该级别的成本可能高于以相近推理设置运行 Opus 4.8，因此在某些高准确度任务中，Opus 4.8 仍是更优之选。
如果您已经在使用 Claude Code，那么投入强度并不陌生。我们在 Claude Code 斜杠命令教程 中介绍了 /effort 命令及其各级别。
在生产环境更安全地运行智能体
与 Sonnet 4.6 相比，Sonnet 5 在安全性方面有可量化的提升，这对于智能体接触真实系统时尤为重要。Anthropic 在部署前的评估发现，它更善于拒绝恶意请求，并在提示注入攻击中更能抵抗劫持。
该模型的幻觉与迎合倾向也低于 Sonnet 4.6，并在 Anthropic 的自动化行为审计中拿到更低（更安全）的分数，该审计涵盖与误用协作、欺骗等不对齐行为。Lovable 的联合创始人给出的评价很直白：一个“知道何时说不”的模型，与一个“知道如何构建”的模型同样重要。
但需要说明的是，与更强大的 Opus 4.8 和 Claude Mythos 预览版相比，Sonnet 5 的不对齐行为仍更高一些，因此它比前代更安全，但并非 Anthropic 产品线中最安全的模型。
来源：Anthropic
默认启用网络安全防护
Sonnet 5 上线时默认开启实时网络安全防护，与 Claude Opus 4.7 和 4.8 所采用的相同机制。这些防护可在危险的网络安全使用发生时实时检测并阻断。
在 Anthropic 的评估中，Sonnet 5 的危险网络攻防能力显著弱于 Opus 4.8 和 Mythos 5。在与 Mozilla 合作的测试中，目标是在 Firefox 147 的漏洞上开发利用程序；Sonnet 5 和 Sonnet 4.6 都未曾生成可用的利用（两者得分均为 0.0%），尽管 Sonnet 5 的部分成功率略高。Anthropic 将其归因于通用智能提升而非网络攻防训练。
对于需要降低护栏的安全研究者，Anthropic 建议改用 Opus 4.8。Sonnet 5 的防护不像 Fable 5 那样严格，后者会阻断更广泛的网络安全任务。
Claude Sonnet 5 基准测试
Anthropic 对 Sonnet 5 的基准叙述前后一致：与 Sonnet 4.6 相比是严格提升，并在目前发布的评测中略低于 Opus 4.8。以下数据来自 Anthropic 的发布资料。需谨慎的是：第三方评测者在相同基准上报告了不同数字，可能源于数据集、上下文设置或智能体脚手架的差异，因此请将这些“标题数字”视为依赖配置的结果。
| Sonnet 5 | Sonnet 4.6 | Opus 4.8 参考 |
|
|---|---|---|---|
| 智能体编码 SWE-bench Pro |
63.2% | 58.1% | 69.2% |
| 智能体编码 Terminal-Bench 2.1 |
80.4% | 67.0% | 82.7% |
| 跨学科推理 Humanity's Last Exam |
43.2% 无工具 57.4% 有工具 |
34.6% 无工具 46.8% 有工具 |
49.8% 无工具 57.9% 有工具 |
| 电脑使用 OSWorld-Verified |
81.2% | 78.5% | 83.4% |
| 知识型工作 GDPval-AA v2 |
1618 | 1395 | 1615 |
智能体编码
在 Anthropic 发布的智能体编码基准上，Sonnet 5 得分 63.2%，而 Opus 4.8 为 69.2%，Sonnet 4.6 为 58.1%。该基准衡量的是模型能否跨多个步骤编写、运行并修复代码，而非只产出单段代码。
与 Opus 4.8 的差距约 6 分，超越 Sonnet 4.6 约 5 分。对开发者而言，这意味着 Sonnet 5 明显优于上一代中端模型，但仍未完全追平旗舰。
来源：Anthropic
OSWorld-Verified 与 BrowseComp
OSWorld-Verified 衡量电脑使用能力，即控制桌面完成真实任务；BrowseComp 衡量智能体式的网页搜索。Anthropic 更新了 OSWorld-Verified 的方法，并在修订后的设置下将 Sonnet 4.6 报告为 78.5%。
在两项评测中，Sonnet 5 在各投入强度下都较 Sonnet 4.6 有明确提升，而 Opus 4.8 仍是准确度更高的选择。在 Extra High 投入下，Sonnet 5 大致达到 Opus 4.8 的中高性能；但此时成本优势收窄，这也是 Anthropic 将两款模型定位为一个“成本—准确度”区间而非线性升级的原因。
知识型工作
据 TechCrunch 报道，在一项知识型工作基准上，Sonnet 5 略微优于 Opus 4.8。这一点值得注意，因为 Opus 4.8 通常与最难的判断与深度研究相关联。
Anthropic 还更新了对 Humanity's Last Exam 的评分器，并将 Sonnet 4.6 报告为 34.6%（无工具）与 46.8%（有工具），这也是为何这些数字与 Sonnet 4.6 最初发布时不同。对从业者而言，知识型工作的结果表明，Sonnet 5 适用于此前更像是 Opus 领域的分析与研究任务。
与其他 Anthropic 模型的比较
若想更广泛了解 Sonnet 阶梯所在位置，我们对 Sakana Fugu vs Claude Fable 5 的报道很有参考价值。在那次对比中，更高阶的 Claude Fable 5 在 SWE-Bench Pro 上得分 80.3%，在 Humanity's Last Exam（无工具）上得分 59.0%，明显高于本文中的中端数据。
这种差距正是产品线设计的要点。Anthropic 的阵列从具备智能体能力、成本更低的 Sonnet 5，一直到 Opus 4.8、以及 Mythos 和 Fable 系列，每一阶都以更高成本换取在最难问题上的更高准确度。
Claude Sonnet 5 定价与可用性
Claude Sonnet 5 自发布日起即在全球可用。它是免费版与专业版的默认模型，并向 Max、团队版与企业版用户，以及 Claude Code 与 Claude Platform 提供。
开发者可通过 Claude API 使用模型 ID claude-sonnet-5 调用。定价分两个阶段：
- 优惠期定价（至 2026 年 8 月 31 日）： 每百万输入 Token 收费 2 美元，每百万输出 Token 收费 10 美元
- 标准定价（2026 年 8 月 31 日后）： 每百万输入 Token 收费 3 美元，每百万输出 Token 收费 15 美元
预算需留意的一点：Sonnet 5 采用了更新的分词器，相同输入可能会映射为更多 Token，具体约为 1.0 至 1.35 倍，取决于内容类型。Anthropic 设置的优惠期定价，旨在让从 Sonnet 4.6 过渡时总体成本大致持平。公司还提高了 Chat、Cowork、Claude Code 与 Claude Platform 的速率限制，以应对更高投入强度带来的 Token 使用增幅。
Claude Sonnet 5 vs. Sonnet 4.6 与 Opus 4.8 一览
如果您想快速对比，以下是三款模型在 Anthropic 发布数据上的对齐情况。
| 模型 | 智能体编码 | OSWorld-Verified | 输入 / 输出价格（每 100 万 Token） |
|---|---|---|---|
| Sonnet 5 | 63.2% | 在各投入强度下均优于 4.6 | $2 / $10（优惠期），之后 $3 / $15 |
| Sonnet 4.6 | 58.1% | 78.5%（修订） | $3 / $15 |
| Opus 4.8 | 69.2% | 更高准确度的选择 | $5 / $25 |
结语
Sonnet 5 明确传递了一个信号：在所有价位层级，智能体能力已成为基线，不再是旗舰独享。差异化不再是“谁能把智能体做得最好”，而是“谁能在无需人工监管的前提下，以更低成本、更高可靠性完成智能体工作”。
我觉得最有意思的是优惠期定价。Anthropic 似乎希望客户在迁移窗口以尽可能低的成本，用真实负载测试 Sonnet 5——这看起来像是一种有意推动，把常规智能体工作从 Opus 4.8 上迁走、腾出产能。同时，它在价格上也压过了 OpenAI 的 GPT-5.5 和 Google 的 Gemini 3.1 Pro，尽管 Gemini 3.5 Flash 依然更便宜。
如果您在构建可持续运行的多步智能体任务，Sonnet 5 看起来是新的默认首选；只有在任务确实需要更高准确度时，才上探到 Opus 4.8。需要坦率说明的是，一些第三方评测认为，Sonnet 5 在推理深度与编码速度之间做了取舍，因此对于博士级科学推理或重度浏览类任务，Opus 4.8 可能仍更稳妥。
如果您想亲手体验 Sonnet 5 所针对的自动化场景，推荐我们的 Claude Code Routines 教程，带您在云端按计划运行一个编码智能体。