Claude Sonnet 4.5 深度解析：经核实的 SWE-bench 与 OSWorld 跑分、它为代理式编程改变了什么，以及它在 2026 年的位置。
📌 2026 更新：这是一篇针对 2025 年 9 月 29 日发布的 Claude Sonnet 4.5 的存档评测。此后 Anthropic 已经推出 **Sonnet 5（2026 年 6 月 30 日）**以及更广的 Claude 5 家族。当前阵容见 Claude 更新追踪。我们保留这篇评测，是因为 Sonnet 4.5 确实标记了代理式编程的一个真实拐点——也因为知道这个领域曾经在哪里，才判断得出它现在在哪里。
Sonnet 4.5 在主要编程基准上登顶，被广泛描述为当时可用的最强编程模型——这个说法有独立评测背书，不只是 Anthropic 自己的数字。
它老得不错。它让哪些代理式模式变得可用——长周期任务专注、计算机使用、基于检查点的工作流——就成了 Claude 5 家族乃至竞争对手继续迭代的模板。
Sonnet 4.5 撑过了四个 Opus 4.x 版本才被替换，中端这个位子一直是它的。一个能在头顶四轮旗舰刷新中活下来的模型不是权宜之计——它是厂商认定的承重档位。
2025 年 9 月 29 日发布的 Sonnet 4.5 被 Anthropic 定位为「世界上最适合代理、编程和计算机使用的模型」。独立基准在很大程度上支持了编程这一条：
每百万 token 输入 $3 / 输出 $15——与 Sonnet 4 持平，这一点很重要：最强的编程模型同时也是中价位那个。
Sonnet 5 于 2026 年 6 月 30 日发布。在两者都被测过的套件上，代际差距是这样：
| 基准 | Sonnet 4.6 | Sonnet 5 | Opus 4.8 |
|---|---|---|---|
| SWE-bench Pro（代理式编程） | 58.1% | 63.2% | 69.2% |
| OSWorld-Verified（计算机使用） | 78.5% | 81.2% | — |
| GDPval-AA v2（知识工作） | — | 1,618 | 1,615 |
Sonnet 5 在知识工作上的 1,618 险胜 Opus 4.8 的 1,615。 一个中端模型在通用知识工作上追平上一代旗舰，是 Sonnet 4.5 那条论点——有能力的模型不必是贵的那个——被证实并被进一步推远的最清晰证据。
Sonnet 4.5 以每百万 token $3/$15 发布。Sonnet 5 的发布价是截至 2026 年 8 月 31 日的引导价 $2/$10，之后恢复 $3/$15。将近一年过去，这一档价格没变，能做的事却明显更多——一句话就是中端策略的全部论据。
Claude Opus 5 于 2026 年 7 月 24 日发布，定价 $5/$25——与 Opus 4.8 完全相同。旗舰档守住了价格，而主力档吸收了大部分能力增益。这与 2026 年在每一家厂商身上看到的模式一致。
站住了：基准领先是真的，但优势很窄（SWE-bench Verified 上 77.2% 对 GPT-5 的 74.9%）。更持久的其实是代理能力上的差距——OSWorld 的跃升和长会话可靠性，竞争对手一时难以复制。
发布周的报道（包括本文的原始版本）倚重「世界最强编程 AI」的框架，以及像 30 小时连续任务这类马拉松式轶事。那些说法回溯下去都落在演示条件上；日常结果高度依赖工具链质量和任务分解。把那个时期任何「单一数字最强」的说法当作快照，不要当作定律。
「世界最强编程 AI」作为一个持久标签没能活下来。按当前 SWE-bench Pro 的数字，Opus 4.8 的 69.2% 比 Sonnet 5 的 63.2% 高出六个点，而这套件在 4.5 发布时还不存在。这个类目里的基准领先是一张快照，保质期以月计。
不用。Sonnet 5 在每一条被测维度上都更好，而且——在引导期内——更便宜。不存在任何一个新项目从 4.5 起步的场景。
迁移是一次干脆的净赚：更好的代理式编程、更好的计算机使用，以及 8 月之后回到同价的定价。你围绕检查点和长周期任务建起来的模式可以直接平移。
Sonnet 4.5 是「厂商认定能力应该在中间那一档复利」这个判断最清晰的案例。此后 Anthropic 的每一次发布，以及 Google 整条 3.x Flash 路线，都是这个决定的变奏。
Sonnet 4.5 在四个 Opus 4.x 版本期间一直是 Anthropic 的中端主力，2026 年 2 月拿到 4.6 刷新，最终由 2026 年 6 月 30 日的 Sonnet 5 接棒，后者以更强的工具使用和推理把代理式编程的重心继续往前推。
Sonnet 4.5 就是那次各块拼图——基准、计算机使用、检查点、记忆——第一次在同一个中价位模型里咬合到一起的发布，而 Anthropic 此后交付的一切，都是这个组合的展开。
如果你今天要选模型，从当前 Claude 阵容开始。要了解建立在这一代代理式模式之上的实操方法，见 Claude 编程最佳实践；想知道它与 Copilot 和 Cursor 怎么比，见三方对比。
Sources: Anthropic 公告 · DataCamp 基准测试 · Surge AI 编程评估 · CodeRabbit 分析 · TechCrunch 发布报道
存档评测 · 2026 年 7 月 29 日大幅修订
Seedance 2.5 提供 30 秒音视频生成、50 个混合参考和时间轴编辑。本文区分官方能力、计费方式与仍需实测的边界。
MiniMax H3 生成带原生立体声音频的 2K 视频，公开按秒费率，并已按 Community License 发布 H3-Base 权重。
Hermes Agent 将持久记忆与可自我改进的技能结合；但安全与实际结果仍取决于你选择的后端、审批和审查方式。
OpenClaw 是能力很强的智能体运行时；它是否值得使用，取决于你是否认真配置网关安全、审查技能并持续运维。
2026 年 AI 音乐现状：Suno 与 Udio 的能力与官司、AIVA 的完整版权、华纳和解如何改写你的商用权限。
Sora 退场后的 AI 视频市场，带真实价格：每 10 秒 $0.50 到 $2.50，现在谁在榜首，以及怎么按镜头选。
诚实的 2026 免费层横评：Gemini 的慷慨套装、Claude 的质量优先方案、ChatGPT 的受限广度，以及免费何时不再够用。
GPT-5 2025 年 8 月发布时交付了什么、首月为何翻车，以及从 GPT-5.6 三档具名定价回看它的架构如何取胜。
