Claude Sonnet 4.5 深度解析：經核實的 SWE-bench 與 OSWorld 分數、它為代理式程式開發改變了什麼，以及它在 2026 年的位置。
📌 2026 更新：這是一篇針對 2025 年 9 月 29 日發布的 Claude Sonnet 4.5 的存檔評測。此後 Anthropic 已經推出 **Sonnet 5（2026 年 6 月 30 日）**以及更廣的 Claude 5 家族。目前的產品陣容見 Claude 更新追蹤。我們保留這篇評測，是因為 Sonnet 4.5 確實標記了代理式程式開發的一個真實轉折點——也因為知道這個領域曾經在哪裡，才判斷得出它現在在哪裡。
Sonnet 4.5 在主要的程式開發基準上登頂，被廣泛描述為當時可用的最強程式開發模型——這個說法有獨立評測背書，不只是 Anthropic 自己的數字。
它老得不錯。它讓哪些代理式模式變得可用——長週期任務專注、電腦操作、以檢查點為基礎的工作流程——就成了 Claude 5 家族乃至競爭對手繼續迭代的範本。
Sonnet 4.5 撐過了四個 Opus 4.x 版本才被替換，中階這個位子一直是它的。一個能在頭頂四輪旗艦刷新中活下來的模型不是權宜之計——它是廠商認定的承重層級。
2025 年 9 月 29 日發布的 Sonnet 4.5 被 Anthropic 定位為「世界上最適合代理、程式開發與電腦操作的模型」。獨立基準在很大程度上支持了程式開發這一條：
每百萬 token 輸入 $3 / 輸出 $15——與 Sonnet 4 持平，這一點很重要：最強的程式開發模型同時也是中價位那個。
Sonnet 5 於 2026 年 6 月 30 日發布。在兩者都被測過的套件上，世代差距是這樣：
| 基準 | Sonnet 4.6 | Sonnet 5 | Opus 4.8 |
|---|---|---|---|
| SWE-bench Pro（代理式程式開發） | 58.1% | 63.2% | 69.2% |
| OSWorld-Verified（電腦操作） | 78.5% | 81.2% | — |
| GDPval-AA v2（知識工作） | — | 1,618 | 1,615 |
Sonnet 5 在知識工作上的 1,618 險勝 Opus 4.8 的 1,615。 一個中階模型在通用知識工作上追平上一代旗艦，是 Sonnet 4.5 那條論點——有能力的模型不必是貴的那個——被證實並被進一步推遠的最清晰證據。
Sonnet 4.5 以每百萬 token $3/$15 發布。Sonnet 5 的發布價是到 2026 年 8 月 31 日為止的導入期優惠價 $2/$10，之後恢復 $3/$15。將近一年過去，這一層級價格沒變，能做的事卻明顯更多——一句話就是中階策略的全部論據。
Claude Opus 5 於 2026 年 7 月 24 日發布，定價 $5/$25——與 Opus 4.8 完全相同。旗艦層級守住了價格，而主力層級吸收了大部分的能力增益。這與 2026 年在每一家廠商身上看到的模式一致。
站住了：基準領先是真的，但優勢很窄（SWE-bench Verified 上 77.2% 對 GPT-5 的 74.9%）。更持久的其實是代理能力上的差距——OSWorld 的躍升和長工作階段可靠性，競爭對手一時難以複製。
發布週的報導（包括本文的原始版本）倚重「世界最強程式開發 AI」的框架，以及像 30 小時連續任務這類馬拉松式軼事。那些說法回溯下去都落在展示條件上；日常結果高度取決於工具鏈品質和任務拆解。把那個時期任何「單一數字最強」的說法當作快照，不要當作定律。
「世界最強程式開發 AI」作為一個持久標籤沒能活下來。按目前 SWE-bench Pro 的數字，Opus 4.8 的 69.2% 比 Sonnet 5 的 63.2% 高出六個百分點，而這套件在 4.5 發布時還不存在。這個類別裡的基準領先是一張快照，保存期限以月計。
不用。Sonnet 5 在每一條被測維度上都更好，而且——在導入期內——更便宜。不存在任何一個新專案從 4.5 起步的情境。
遷移是一次乾脆的淨賺：更好的代理式程式開發、更好的電腦操作，以及 8 月之後回到同價的定價。你圍繞檢查點和長週期任務建起來的模式可以直接沿用。
Sonnet 4.5 是「廠商認定能力應該在中間那一層複利」這個判斷最清晰的案例。此後 Anthropic 的每一次發布，以及 Google 整條 3.x Flash 路線，都是這個決定的變奏。
Sonnet 4.5 在四個 Opus 4.x 版本期間一直是 Anthropic 的中階主力，2026 年 2 月拿到 4.6 刷新，最終由 2026 年 6 月 30 日的 Sonnet 5 接棒，後者以更強的工具使用和推理把代理式程式開發的重心繼續往前推。
Sonnet 4.5 就是那次各塊拼圖——基準、電腦操作、檢查點、記憶——第一次在同一個中價位模型裡咬合到一起的發布，而 Anthropic 此後交付的一切，都是這個組合的展開。
如果你今天要選模型，從目前的 Claude 陣容開始。要了解建立在這一代代理式模式之上的實務做法，見 Claude 程式開發最佳實務；想知道它與 Copilot 和 Cursor 怎麼比，見三方比較。
Sources: Anthropic 公告 · DataCamp 基準測試 · Surge AI 程式開發評估 · CodeRabbit 分析 · TechCrunch 發布報導
存檔評測 · 2026 年 7 月 29 日大幅修訂
Seedance 2.5 帶來 30 秒音訊影片生成、50 組混合參考和時間軸編輯。本文分辨官方能力、計費方式與仍須實測的限制。
MiniMax H3 生成帶原生立體聲音效的 2K 影片，公開按秒費率，並已按 Community License 釋出 H3-Base 權重。
Hermes Agent 結合持久記憶與可自我改進的技能；但安全與實際結果仍取決於你選擇的後端、核准和審查方式。
OpenClaw 是能力很強的智慧代理執行環境；是否值得使用，取決於你是否確實設定閘道安全、審查技能並持續維運。
2026 年 AI 音樂現況：Suno 與 Udio 的能力與官司、AIVA 的完整版權、華納和解如何改寫你的商用權限。
Sora 退場後的 AI 影片市場，附真實價格：每 10 秒 $0.50 到 $2.50，現在誰在榜首，以及怎麼依鏡頭選型。
誠實的 2026 免費方案橫評：Gemini 的慷慨套組、Claude 的品質優先方案、ChatGPT 的受限廣度，以及免費何時不再夠用。
GPT-5 2025 年 8 月發布時交付了什麼、首月為何翻車，以及從 GPT-5.6 三檔具名定價回看它的架構如何取勝。
