随着基础模型公司纷纷将代理能力作为标配，Anthropic 发布了 Claude Sonnet 5，这是其中型模型更强大、更具代理能力的版本。
“它能够制定计划，使用浏览器和终端等工具，并以自主方式运行，而就在几个月前，这种水平还需要更大、更昂贵的模型。” Anthropic 在一份博客文章中表示。
这一表述与 OpenAI 和 Google 对其近期发布产品的说法相呼应。OpenAI 的 GPT-5.6 Sol 上周以预览版形式推出，这也是该公司迄今为止最具代理能力的模型，允许用户将工作分配给子代理以执行更长时间的自主任务。Google 的 Gemini 3.5 Flash 于五月推出，被定位为从对话式聊天机器人向代理工具的转变，它能在极少人工干预的情况下规划、构建并迭代实际工作。
Sonnet 5 的宣传语证实了代理能力已成为各价格层级新的基本期望。现在的差异化因素不再是谁能最好地执行代理工作，而是谁能以更低的成本、更少的人工监督可靠地完成这些工作。
性能与定价
Sonnet 5 承诺性能接近 Opus 4.8，但成本要低得多。从周二开始，Claude Sonnet 5 将成为免费计划和 Pro 计划的默认模型，并且适用于所有订阅套餐。
在发布初期，Sonnet 5 的价格为每百万输入令牌 2 美元，每百万输出令牌 10 美元，有效期至 8 月 31 日，之后价格将上涨至每百万输入令牌 3 美元，每百万输出令牌 15 美元。这使得 Sonnet 5 比 Opus 4.8 以及 OpenAI 的 GPT-5.5 和 Google 的 Gemini 3.1 Pro 更便宜。（但它仍比 Gemini 3.5 Flash 贵。）
根据 Anthropic 的说法，新模型在其前身 Sonnet 4.6（二月发布）的基础上，在推理、工具使用、软件编码和知识工作等代理性能方面也显示出显著改进。
例如，在一个基准测试中，Sonnet 5 在代理编码方面的得分为 63.2%，而 Opus 4.8 为 69.2%，Sonnet 4.6 为 58.1%。在知识工作基准测试中，Sonnet 5 的表现实际上略优于 Opus 4.8，后者以解决最困难的问题（如做出细微的判断和深入的研究）而闻名。
Anthropic 表示：“Opus 4.8 仍然是这些任务中追求更高准确性的首选模型，但 Sonnet 5 为开发者提供了价格更低且质量远高于以往可用选项的替代方案。”“在 Sonnet 5 和 Opus 4.8 之间，用户可以调整努力程度，以找到成本与性能之间的最佳平衡点。”
根据博客文章中引用的测试人员的说法，Sonnet 5 还擅长完成复杂任务，而之前的模型版本可能会中途停止，并且它会“在不被明确要求的情况下检查自己的输出”。
Zapier 的高级工程师 Daniel Shepard 在一份声明中表示：“我们交给 Claude Sonnet 5 一项包含两部分的工作——更新 Salesforce 账户层级并向企业联系人发送发布公告——它从头到尾都完成了这项任务。”“过去，这项工作往往会在中途停滞。对于日常自动化而言，这是一个显而易见的选择。”
安全性表现
在安全性方面，Sonnet 5 表现出比其前身更低的“不良行为”率，例如配合滥用和欺骗行为，使其在代理环境中使用更安全。它更善于拒绝恶意请求并规避提示注入攻击中的劫持尝试。此外，与 Sonnet 4.6 相比，它的幻觉现象和奉承行为的频率也更低。
话虽如此，在偏离目标的行为方面，它并不与 Opus 4.8 和 Claude Mythos Preview 处于同一水平。“评估还显示，它执行危险网络安全任务的能力远低于我们目前的 Opus 模型”，博客文章写道。
Lovable 联合创始人 Fabian Hedin 在一份声明中表示，Claude Sonnet 5 “干净利落地且一致地拒绝不安全请求”。
Hedin 说：“在 Lovable，我们将强大的工具交到数百万构建者手中。”“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。”
更正：自 8 月 31 日起，输出令牌的价格为每百万个输出令牌 15 美元。