性能持平價格大降80%，Anthropic新模型殺瘋了

文 | 字母AI

距離ClaudeOpus 4.6的發布僅過去12天，Anthropic就發布了新的中檔模型Claude Sonnet 4.6。

這次發布的核心不在于技術突破本身，而在于它以低得多的價格，達到了與競品齊平的性能。。

Sonnet 4.6的定價保持在每百萬token輸入3美元、輸出15美元，與前代 Sonnet 4.5相同。

然而在多項基準測試中，Sonnet 4.6接近甚至超越了價格高出五倍的Opus 4.6。

Anthropic表示，便宜不一定就沒有好貨。

當然了，在一些關鍵的測試里，仍然還是Opus 4.6領先。

具體表現如何呢？

Sonnet 4.6究竟有多驚艷？

在SWE-bench Verified這個衡量真實軟件編碼能力的基準測試中，Sonnet 4.6得分79.6%，幾乎追平Opus 4.6的 80.8%，同時略微領先于OpenAI的GPT-5.2。

在代理式金融分析任務中，Sonnet 4.6以63.3%的成績領先所有競爭對手，包括Opus 4.6的60.1%和GPT-5.2的59.0%。

在辦公任務的GDPval-AA Elo評分中，Sonnet 4.6達到 1633 分，超過Opus 4.6的1606分和GPT-5.2的1462分。

過去需要旗艦模型才能完成的任務，現在用Sonnet 4.6這種中檔模型就能做到。

對于每天需要處理數百萬token的企業來說，這意味著可以大幅節省成本。

Opus 4.6仍然在某些高復雜度領域保持優勢。

在終端編碼任務Terminal-Bench 2.0中，Opus 4.6得分65.4%，Sonnet 4.6為59.1%。

在代理式搜索BrowseComp中，Opus 4.6達到84.0%, Sonnet 4.6為74.7%。

在新穎問題解決測試ARC-AGI-2中，Opus 4.6得分68.8%，Sonnet 4.6為58.3%。

這些差距表明，對于前沿研究和需要頂級準確度的場景，Opus 4.6仍是最好的模型。但對于大多數生產環境，這個差距已經縮小到可以接受的程度。

Sonnet 4.6最引人注目的進步出現在計算機使用能力上。在OSWorld-Verified基準測試中，它得分72.5%，高于Sonnet 4.5的61.4%，遠超GPT-5.2的38.2%。

計算機使用能力指的是AI像人類一樣操作計算機的能力，通過鼠標點擊、鍵盤輸入來與軟件交互，而不依賴API接口。

前一陣引發熱議的豆包手機助手，其底層的UI-TARS模型，就是在OSWorld基準上完成了權威測試，取得了47.5%的成績。

豆包手機助手的表現是非常出色的，已經能夠完成除了支付以外所有的操作。

那么以此作為判斷依據，進而不難推測，Sonnet 4.6的實際表現將會非常驚艷。

這項能力之所以重要，是因為它打開了最廣泛的企業應用場景。

一個能夠直接看屏幕并與之交互的模型，可以在不構建定制連接器的情況下，自動操作將所有可交互的系統。

Anthropic在發布時提到，早期用戶已經看到接近人類水平的表現，能夠完成復雜的電子表格任務和多步驟網頁表單。

保險科技公司Pace的CEO賈米·考夫（Jamie Cuffe）表示，Sonnet 4.6在他們復雜的保險計算機使用基準測試中達到94%的成績，是所有測試過的Claude模型中最高的。

他說：“它以我們之前未見過的方式推理失敗原因并自我糾正?！?/p>

惡意行為者可能在網頁中隱藏指令來劫持模型，這被稱為提示注入攻擊。

Anthropic在公告中表示，Sonnet 4.6在抵御此類攻擊方面比Sonnet 4.5有重大改進。

對于部署需要瀏覽網頁和與外部系統交互的代理的企業來說，這種安全防護是必須的。

價格只要五分之一

那么Sonnet 4.6到底有多便宜呢？

外媒報道，一些早期的Sonnet 4.6用戶表示，原本企業需要花五倍的錢才能買到的能力，現在用Sonnet 4.6就能獲得差不多的效果。

這意味著運營成本可能直接降到原來的五分之一，而工作質量幾乎不受影響。

數據分析平臺Hex Technologies的CTO，同時也是Anthropic聯合創始人、首席產品官的凱特琳-科爾格羅夫 (Caitlin Colgrove)說，公司正在將大部分流量遷移到Sonnet 4.6。

她指出通過自適應思考和高努力模式（high effort mode），“除了最困難的分析任務外，我們在所有任務上都看到了Opus級別的性能，且配置更高效靈活。以Sonnet的價格，這將降低工作成本?！?/p>

云存儲公司Box的CTO本·喀什（Ben Kus）表示，Sonnet 4.6在真實企業文檔的重度推理問答中，比Sonnet 4.5的表現提高了15個百分點。

Sonnet 4.6配備了100萬token的超長上下文窗口，以容納整個代碼庫、法律文件或數十篇研究論文。

Anthropic聲稱模型能夠在整個上下文中有效推理，并通過Vending-Bench Arena這個基準測試來表現出Sonnet 4.6的有效推理。

Vending-Bench Arena測試的是模型運營模擬企業的能力，不同AI模型相互競爭以獲得最大利潤。

在沒有人類提示的情況下，Sonnet 4.6發展出一種新穎策略：在前十個模擬月份中大量投資產能，支出遠超競爭對手，然后在最后階段急轉彎專注于盈利能力。

模型在365天模擬結束時的余額約為5700美元，而Sonnet 4.5約為2100美元。

Anthropic開啟印度市場

Anthropic正處于上市前最關鍵的階段，因此他們不止要發布模型，還要借著模型去擴張業務。

在Sonnet 4.6發布當天，印度IT巨頭Infosys宣布與Anthropic合作，構建企業級agent，將Claude模型集成到Infosys的Topaz AI平臺中，服務于銀行、電信和制造業。

與此同時，Anthropic也在印度的班加羅爾開設了首個印度辦事處，印度現在占全球Claude使用量的約6%，僅次于美國。

Anthropic的進步也導致了最近幾天軟件股的大規模拋售，就連業績大漲的微軟，也經歷了股價暴跌。

投資者越來越擔心AI對這些業務的潛在顛覆，Sonnet 4.6可能會加劇這種不安的氛圍。

也不知道是不是Anthropic飄了，他們還將其免費層級默認升級到了Sonnet 4.6，開發者可以通過Claude API直接調用。