Claude Sonnet 5测评：Opus级能力，中端价位
先说结论
Claude Sonnet 5于2026年6月30日上线。一句话总结：这是第一个让人觉得”没必要加钱上Opus”的Sonnet。
不是客套话。跑完一轮基准测试和实际任务后，Sonnet 5在Agent场景下的完成率跟Opus 4.8已经非常接近，某些任务甚至打平。但价格只有Opus的40%。
如果你还在用Sonnet 4.6，升级的理由很充分。如果你在纠结要不要为Opus付费，Sonnet 5可能直接帮你省下这笔钱。
Sonnet 5到底强在哪
从”能用”到”能干完”
之前的Sonnet模型有个典型问题：复杂任务做到一半就停了。比如你让它重构一个跨5个文件的模块，它改完前3个就开始”总结”了，剩下的需要你再催一遍。
Sonnet 5基本解决了这个问题。Anthropic的早期测试伙伴反馈很一致——“以前Sonnet做到一半会停，现在能跑完整个流程。”
一个具体的例子：有工程师让Sonnet 5排查一个Bug，它自己写了复现测试、实现了修复、然后把修复stash掉确认Bug确实会回来、最后再恢复修复提交。全程一次pass，没有人工介入。
这种”自主验证”的行为在Sonnet 4.6上几乎看不到。
编程能力的跨级提升
直接看数据。以下对比来自Anthropic官方发布：
| 评测项 | Sonnet 4.6 | Sonnet 5 | Opus 4.8 |
|---|---|---|---|
| SWE-bench Verified | 65.3% | 72.1% | 75.6% |
| Terminal-bench | 43.2% | 55.7% | 59.1% |
| 人类最终考试（有工具） | 46.8% | 58.3% | 66.1% |
| OSWorld-Verified | 78.5% | 88.2% | 91.4% |
| BrowseComp | 39.0% | 55.8% | 60.5% |
几个值得注意的点：
- SWE-bench Verified从65.3%跳到72.1%，接近Opus 4.8的75.6%。这个差距已经很小了。
- BrowseComp（Agent搜索评测）提升最大，从39%到55.8%，几乎翻了1.5倍。
- OSWorld-Verified（计算机操作）达到88.2%，说明Sonnet 5在浏览器自动化和桌面操作方面已经很成熟。
Agent能力：真正的卖点
Sonnet 5的核心定位是”最具Agent能力的Sonnet”。这不是营销话术，从架构上看确实有实质变化。
模型现在能更好地：
- 制定多步骤计划并按顺序执行
- 选择正确的工具（浏览器、终端、API）并在失败时切换策略
- 在长任务中保持上下文一致性，不会中途”忘记”目标
- 主动检查自己的输出，而不是等用户指出问题
Anthropic给出了不同effort级别下的成本-性能曲线。简单说：
- 中等effort下，Sonnet 5的性价比远超Sonnet 4.6和Opus 4.8
- 高effort下，Sonnet 5在部分任务上能追平Opus 4.8
- 你可以通过API的
effort参数灵活调节，简单任务用低effort省钱，复杂任务拉高effort保质量
这意味着一个模型就能覆盖从日常问答到复杂Agent执行的全部场景，不用在多个模型间来回切换。
定价：限时优惠值得抓
| 价格 | 限时价（至2026.8.31） | 标准价 | Opus 4.8 |
|---|---|---|---|
| 输入（每百万token） | $2 | $3 | $5 |
| 输出（每百万token） | $10 | $15 | $25 |
几个关键细节：
- 限时价到8月31日，相当于标准价打了67折。如果你打算迁移，现在开始测试是好时机。
- Sonnet 5使用了新的tokenizer，同样的文本会多消耗约1.0-1.35倍token。限时价的设定就是为了让这个过渡基本平价。
- 结合prompt caching（最高省90%）和batch processing（省50%），实际成本可以进一步压缩。
跟Opus 4.8比，Sonnet 5的标准价是它的60%（输入）和60%（输出）。考虑到性能差距已经缩小到个位数百分点，大部分场景下Sonnet 5的ROI更高。
安全性：比上一代更好
这部分不是套话，有具体数据支撑：
- 幻觉率低于Sonnet 4.6
- 逢迎率（sycophancy）低于Sonnet 4.6 — 不会为了讨好你而编造信息
- Agent安全性提升 — 更好地拒绝恶意请求，更强的prompt injection抵抗
- 整体行为对齐测试得分优于Sonnet 4.6，但略逊于Opus 4.8
一个值得关注的点：Sonnet 5默认启用了网络安全防护（cyber safeguards），跟Opus 4.7和4.8一样。这意味着它不会帮你写漏洞利用代码。如果你有合法的安全测试需求，需要通过Anthropic的Cyber Verification Program申请豁免，或者直接用Opus 4.8。
谁应该升级
立刻升级
- 在用Sonnet 4.6做Agent/自动化的团队：Sonnet 5在多步骤任务完成率上的提升是决定性的。
- 在用Claude Code做日常开发的个人开发者：Sonnet 5已经是Free和Pro计划的默认模型，你可能已经在用了。
- 在考虑Opus但对价格犹豫的人：先试试Sonnet 5 + 高effort，很可能已经够用。
可以观望
- 已经在用Opus 4.8且对效果满意的团队：Opus在推理深度和复杂任务上仍有优势，没必要降级。
- 对网络安全测试有强需求的：Sonnet 5的cyber safeguards限制比较严格，Opus 4.8更合适。
不需要动
- 纯聊天/轻量任务用户：Sonnet 4.6甚至Haiku对你来说已经足够。
在哪里用
Sonnet 5的可用范围很广：
- Claude.ai — 网页端、iOS、Android，Free和Pro用户的默认模型
- Claude Code — 命令行开发工具
- API — 使用模型名
claude-sonnet-5 - 云平台 — AWS（Amazon Bedrock）、Google Cloud（Vertex AI）、Microsoft Foundry
和竞品怎么比
2026年中的AI模型战场非常拥挤。把Sonnet 5放进大盘里看：
| 模型 | 定位 | 输入价格/1M | 输出价格/1M | Agent能力 |
|---|---|---|---|---|
| Claude Sonnet 5 | 中高端全能 | $2-3 | $10-15 | 强 |
| Claude Opus 4.8 | 旗舰推理 | $5 | $25 | 最强 |
| GPT-5.5 | 旗舰编程 | $5 | $30 | 强 |
| DeepSeek V4 Pro | 性价比推理 | $0.44 | $0.87 | 中 |
| GLM-5.2 | 双语编程 | $0.93 | $3 | 中 |
Sonnet 5的位置很清晰：它不是最便宜的，也不是最强的，但在”足够强”和”价格合理”之间找到了一个很好的平衡点。 对于需要可靠Agent能力、不想为顶级模型付全价的团队来说，Sonnet 5是2026年中期最合理的选择之一。
写在最后
Anthropic的模型发布节奏越来越快——Sonnet 3.5、3.6、3.7、4、4.5、4.6、现在是5。版本号的跳跃说明这不是小迭代。
Sonnet 5的核心叙事是**“Agent能力下放”**。以前需要Opus级别模型才能完成的多步骤自主任务，现在Sonnet价位就能做到。这对整个AI应用开发行业的成本结构会产生实质影响。
限时价到8月31日。如果你在做任何形式的AI Agent开发，建议现在就开始测试迁移。