Claude Sonnet 4.5 上手：一個未來 Agent 的雛形出現(xiàn)了

作者 ｜ 董道力
郵箱 ｜ dongdaoli@pingwest.com

9月30日，Anthropic 發(fā)布了新的編程模型 Claude Sonnet 4.5，在新聞稿的第一句就寫到：Claude Sonnet 4.5 is the best coding model in the world.

換做別的公司我們可能會吐槽“又瘋一個”，但 Anthropic 在 AI 編程上的能力大家有目共睹，無論是大家搶著用的 Claude Sonnet 4 還是引領(lǐng)編程 Agent 的 Claude Code，換句話說 AI 編程的上限全靠 Anthropic 來突破。

那 Claude Sonnet 4.5 到底更新了什么東西，值不值得best coding model的稱號？

提高跑分不是最大的變化

在最新的基準(zhǔn)測試中，Claude Sonnet 4.5 展現(xiàn)了全面領(lǐng)先的實力。

具體來看，Claude Sonnet 4.5 在 OSWorld 電腦使用測試中拿下 61.4%，成為最會“用電腦”的 AI。在工具調(diào)用上，Claude Sonnet 4.5 的表現(xiàn)尤為突出，它能真正調(diào)動系統(tǒng)與工具，智能體能力更進(jìn)一步。它在金融、法律、醫(yī)學(xué)和STEM等專業(yè)領(lǐng)域的知識與推理上，遠(yuǎn)超此前的 Opus 4.1。

然而，相比前一代，它最大的變化不在于跑分，而是功能上的全面升級。

在開發(fā)體驗上，Claude Code 增加了檢查點功能，支持隨時保存和回滾，降低出錯成本；同時推出原生 VS Code 插件和全新終端界面，把模型能力直接嵌入工程師最常用的環(huán)境。在長任務(wù)處理上，它引入上下文編輯和記憶工具，能保持長時間連貫思路，據(jù)稱可穩(wěn)定執(zhí)行超過 30 小時的復(fù)雜任務(wù)。

在辦公應(yīng)用上，它通過 Chrome 插件完成網(wǎng)頁導(dǎo)航、表格填寫和文檔處理，并在 Claude 應(yīng)用中直接運行代碼、生成表格、幻燈片和文檔，讓對話真正成為工作的入口。而對開發(fā)者來說，最重磅的更新是Claude Agent SDK，Anthropic 首次開放自家底層基礎(chǔ)設(shè)施，讓外部開發(fā)者也能基于 Claude 構(gòu)建屬于自己的 Agent。

實測Claude Sonnet 4.5 編程能力，新特征想要 AI IDE 的命？

Devin 團(tuán)隊在測試 Claude Sonnet 4.5 時，概括了三個明顯變化：一是更快更穩(wěn)，運行速度提升約兩倍，“初級開發(fā)者評估”得分提高 12%。二是出現(xiàn)了外化記憶的傾向，模型會主動生成總結(jié)或筆記文件來維持長任務(wù)的連貫性；三是更積極地自我驗證，會寫小腳本或抓取頁面 HTML 來測試和修正方案。

不過，冷靜來看，這些特征其實在許多 AI IDE 中早已有跡可循：Cursor、Windsurf、Replit Ghostwriter 早就能幫用戶生成文檔、維護(hù)項目記憶，甚至在改動后自動運行測試。

差別在于，IDE 的功能是工程師預(yù)設(shè)的“外掛模塊”，而在 Claude Sonnet 4.5 身上，這些行為更像是模型自發(fā)形成的工作習(xí)慣，它會主動寫 SUMMARY.md 給自己留后路，也會在必要時自動生成小腳本來驗證結(jié)果。換句話說，區(qū)別不在“有沒有”，而在于是外掛功能，還是模型的內(nèi)驅(qū)習(xí)慣。

從長遠(yuǎn)來看，這種差別可能會決定未來開發(fā)體驗的走向：是繼續(xù)依賴 IDE 提供的功能拼裝，還是讓大模型 Agent 自己演化出工作風(fēng)格。如果后者不斷成熟，Cursor 等 AI IDE 的優(yōu)勢，或許真的會逐漸被大模型侵蝕。

我們讓 Claude Sonnet 4.5 寫個小游戲項目。

prompts：基于Three.js制作一個3d賽車游戲

最直觀的感受就是快，生成網(wǎng)頁游戲時間不超過1分鐘。其次，Claude 不僅能聽懂非常粗糙的指令，在第一輪對話中就生成一個可以直接運行的游戲原型。后續(xù)的修改也非常順暢，只需一句簡單的提示，比如調(diào)整速度、賽道寬度或添加箭頭標(biāo)識，它都能迅速完成。而同樣的提示詞放在 Codex 中，初始階段并沒有直接生成完整的游戲框架。

首先是第一輪對話，Claude 輸出了一個基礎(chǔ)版本：玩家可以操控賽車前進(jìn)、后退和轉(zhuǎn)向，但車輛很容易沖出畫面。

經(jīng)過幾輪微調(diào)如控制轉(zhuǎn)彎幅度等，我進(jìn)一步要求 Claude 參考 F1 賽車的風(fēng)格，讓賽道更復(fù)雜。這是一個比較大幅度的修改，而 Claude 不僅增加了彎道，還在指示牌上進(jìn)行了美化，并且之前修改的內(nèi)容都沒有崩。

最后，為了提升可玩性，我提出希望在賽道上增加箭頭指示方向。Claude 起初生成的箭頭方向有些混亂，但只經(jīng)過一輪對話，它就完成了修正，使箭頭方向與跑道完美貼合。

Claude Sonnet 4.5 項目預(yù)覽：https://claude.ai/public/artifacts/037aac3a-c790-4dfa-bf69-baf3825d97d7

從這次小游戲?qū)嶒灴梢钥闯觯珻laude Sonnet 4.5 的強(qiáng)大并不只體現(xiàn)在基準(zhǔn)測試的分?jǐn)?shù)上，而在于它能把自然語言轉(zhuǎn)換成可運行項目的過程變得前所未有的流暢。

在以往，提示詞生成游戲代碼通常意味著大量返工：模型給出一個半成品，用戶要反復(fù)調(diào)試，甚至需要具備相當(dāng)?shù)木幊袒A(chǔ)。但在 Claude Sonnet 4.5 這里，非常流暢。

然而，上面的實測案例只是一個小玩具，真正的生產(chǎn)力還是要看具體的生產(chǎn)環(huán)境。

在 Reddit 上，一位開發(fā)者用同樣的復(fù)雜前端 Bug 并排測試 Claude Sonnet 4.5 與 Codex，結(jié)果顯示：Codex 更善于定位根因，而 Claude Sonnet 4.5 經(jīng)常跑偏，甚至修復(fù)“已經(jīng)好的部分”。

評論區(qū)觀點分化，有人認(rèn)同 Claude Sonnet 4.5 在復(fù)雜調(diào)試?yán)锶菀酌月罚]有宣傳的那么好。也有人強(qiáng)調(diào)它在前端問題上比 Codex 更快。還有人認(rèn)為 Codex 更深度，但代價是更慢、更貴。

唯一的共識是：把 Claude 當(dāng)高產(chǎn)起草者，把 Codex 當(dāng)審校者，再配合日志和可觀測性工具，才是當(dāng)前更穩(wěn)妥的用法。

Claude 是如何控制電腦的？

除了編程能力，Claude Sonnet 4.5 在 OSWorld 電腦使用測試中拿下 61.4%，這一點對于普通用戶來說，比編程能力更加有吸引力。

打開桌面端 Claude（Mac），可以看到它有非常多的功能，控制谷歌瀏覽器、讀取記事本、操作Mac、Figma、PDF、Spotify等。

我們先用 Claude 來操控一下瀏覽器。

prompts：在chrome中打開谷歌主頁，搜索china daily，采集9月30日的最新新聞

Claude Sonnet 4.5 在控制 Chrome 時，并非直接“跳到答案”，而是像用戶一樣逐步操作、并調(diào)用工具完成鏈路：先用 Open URL 打開 Google 首頁，再用 Execute JavaScript 在搜索框輸入“china daily”并進(jìn)入官網(wǎng)；隨后調(diào)用 Get Page Content 提取頁面內(nèi)容，若遇到報錯則切換至官網(wǎng) Latest News 作為容錯路徑，確保數(shù)據(jù)可得；最后通過內(nèi)部整理流程做時間過濾（僅保留 9 月 30 日）與版塊分類（政治/經(jīng)濟(jì)/社會/國際）。

在詳情頁中可以看到，Claude Sonnet 4.5 為 Chrome 提供了一整套工具：既能打開或關(guān)閉網(wǎng)頁，也能刷新、后退、前進(jìn)；還可以執(zhí)行 JavaScript 代碼來完成點擊、滑動等操作，并直接提取網(wǎng)頁內(nèi)容。

我們再來實踐一個與電腦文件交互的案例。

prompts：在桌面搜索名字里帶Claude的文件夾，看看里面有哪些png文件，并把他們的文件名列出來

在配置好權(quán)限和路徑后，和控制 Chrome 一樣，Claude Sonnet 4.5 會調(diào)用擁有的文件處理工具，像人類一樣思考一步一步完成上述的任務(wù)。

Claude 先從桌面路徑 /Users/ddlpc/Desktop 開始，搜索所有名字里包含“Claude”的文件夾，一共找到四個。隨后逐一檢查這些文件夾的內(nèi)容。

從詳情頁中可以看到，該工具既能讀取單個或多個文件內(nèi)容，也能新建、編輯和寫入文件，還可以創(chuàng)建目錄、列出目錄、查看目錄樹結(jié)構(gòu)，甚至移動文件、搜索文件、獲取文件信息，并管理可訪問的目錄范圍。

而這樣的工具，Claude 還有很多。

Claude Sonnet 4.5 的出現(xiàn)，不只是跑分上的勝利。它正在模糊一條界限：大模型到底是一個生成器，還是一個能動的智能體？檢查點、長程記憶、Agent SDK、對 Chrome 的直接操控，這些都讓它越來越像一個能自己處理任務(wù)的數(shù)字同事。

當(dāng)然，它依舊不完美：調(diào)試會迷路，執(zhí)行會跑偏。但這恰恰說明，它不是一把無所不能的工具，而是一個需要協(xié)作、需要工程化約束的伙伴。而且過幾個月，Anthropic 會不會偷偷砍 Claude Sonnet 4.5 一刀，強(qiáng)行降智，誰也不知道。

但有一點可以肯定，這可能是我們最后一次用這些曾經(jīng)難以想象但今天正變得“小兒科”的測試案例來評測Claude以及緊追它其后的各種模型。這就是今天AI Coding從模型到產(chǎn)品的狂奔速度，接下來只會更瘋狂。