继两周前发布 Claude Opus 4.6 后，Anthropic 近日推出了 Sonnet 系列新版本——Sonnet 4.6。该模型在编码、计算机使用、长上下文推理、代理规划、信息检索及设计等领域实现了全面升级，公司特别强调了其在代码生成、指令遵循和计算机操作方面的显著改进。
Sonnet 4.6 测试版支持 100 万 token 的上下文窗口，是此前最大窗口的两倍。据 Anthropic 介绍，新窗口足以在一次请求中处理整个代码库、长篇合同或数十篇研究论文。
Sonnet 4.6 的性能表现
Sonnet 4.6 在多项关键指标上取得了令人瞩目的成果，涵盖计算机使用（OS World）及软件工程（SWE-Bench）等领域。在面向真实世界软件编码的行业标准测试 SWE-bench Verified 中，Sonnet 4.6 获得 79.6 分，与 Opus 4.6 的 80.8 分非常接近。
在代理计算机使用方面，Sonnet 4.6 同样表现出色：
- OSWorld-Verified 基准测试：获得 72.5 分，几乎与 Opus 4.6 的 72.7 分持平；
- GDPval-AA Elo 办公任务基准：以 1633 分超越 Opus 4.6 的 1606 分；
- 代理财务分析：得分 63.3%，领先于包括 Opus 4.6（60.1%）在内的所有对比模型。
此外，Sonnet 4.6 在衡量人类智能特有能力的 ARC-AGI-2 测试中获得 60.4% 的得分，优于大多数同类模型。尽管在该项评估中仍落后于 Opus 4.6、Gemini 3 Deep Think 及 GPT 5.2 改进版等模型，但 Sonnet 4.6 已在企业最重视的多个类别中，成功追平或超越了运行成本高出约五倍的竞品。
Anthropic 计算机使用功能的演进
Sonnet 4.6 的发布标志着 Anthropic 在“计算机使用”能力上的重大突破。该功能指 AI 像人类一样操作计算机的能力，包括鼠标点击、键盘输入及使用无现代 API 的软件。
自 2024 年 10 月首次推出以来，该功能从实验阶段的笨拙易错发展至今，性能增长显著。在 OSWorld 指标中，Claude Sonnet 系列得分一路攀升：3.5 版本为 14.9%（2024年10月），3.7 版本达 28.0%（2025年2月），4.0 版本达 42.2%（同年6月），4.5 版本升至 61.4%（同年10月）。如今 Sonnet 4.6 达到 72.5%，在 16 个月内实现了近五倍的增长。
Claude Sonnet 4.6 现已通过 Claude Cowork、Claude Code、API 及所有主要云平台上线，并成为 Free 和 Pro 计划用户的默认模型。开发人员可通过 Claude API 立即访问 claude-sonnet-4-6。此外，Anthropic 更新的 Haiku 模型预计将在未来几周内发布。