Anthropic 于 2026 年 2 月 17 日正式发布 Claude Sonnet 4.6，这是其 Sonnet 系列的最新版本。该模型延续了 Anthropic 一贯的“可靠、可控”设计理念，重点在编码、计算机使用（鼠标键盘操作）、长上下文推理、代理规划和知识工作等领域进行优化，同时保持与前代 Sonnet 4.5 相同的 API 定价。官方定位为“最强 Sonnet 模型”，可作为免费/Pro 用户在 claude.ai 上的默认模型，也支持 API 和各大云平台接入。以下分析基于 Anthropic 官方公告、系统卡（system card）及部分第三方报道的数据，力求客观呈现其实际表现，不涉及主观溢美。
核心特性与可用性
- 上下文窗口：1M token（beta 阶段），支持上下文压缩和自适应思考模式，便于处理完整代码库、长文档或多轮代理任务。
- 定价：输入 $3/百万 token，输出 $15/百万 token，与 Sonnet 4.5 一致；对比旗舰 Opus 4.6（约 $15/$75），成本约为其五分之一。
- 其他功能：支持工具调用（网页搜索、代码执行）、视觉输出优化、Claude Code 等产品集成。安全评估显示其幻觉率和逢迎倾向较低，整体对齐水平与 Opus 4.6 相当或略优。
这些特性使 Sonnet 4.6 更适合高频、次旗舰级工作负载，而非必须依赖 Opus 的极端复杂场景。
基准性能数据
Anthropic 系统卡提供了详细对照表（结果多为 10 次平均，采用自适应思考/最大努力配置，除特殊注明）。以下选取代表性指标，与前代及主要竞品（Gemini 3 Pro、GPT-5.2 等）对比：
| 基准项目 | Sonnet 4.6 | Opus 4.6 | Sonnet 4.5 | Gemini 3 Pro | GPT-5.2 |
|---|---|---|---|---|---|
| SWE-bench Verified (真实编码) | 79.6% | 80.8% | 77.2% | 76.2% | 80.0% |
| OSWorld-Verified (计算机使用) | 72.5% | 72.7% | 61.4% | — | — |
| GDPval-AA Elo (知识/办公任务) | 1633 | 1606 | 1276 | 1201 | 1462 |
| GPQA Diamond (研究生级推理) | 89.9% | 91.3% | 83.4% | 91.9% | 93.2% |
| ARC-AGI-2 (max effort) | 60.4% | 69.2% | 13.6% | 31.1% | 54.2% |
| Terminal-Bench 2.0 | 59.1% | 65.4% | 51.0% | 56.2% | 64.7% |
| HLE (Humanity’s Last Exam, with tools) | 49.0% | 53.0% | 33.6% | 45.8% | 50.0% |
| 金融代理分析 (准确率) | 63.3% (max thinking) | 60.05% | — | — | 58.53% |
数据解读：
- 编码与代理任务：SWE-bench 上接近 Opus 水平，OSWorld 计算机使用能力从 2024 年 10 月的 14.9% 提升至 72.5%，反映出 Anthropic 在 GUI 操作上的持续投入。在实际办公/金融场景（GDPval-AA、保险基准 94%）中，Sonnet 4.6 甚至略超 Opus 4.6，说明其在“实用代理”维度已具备高性价比。
- 长上下文：1M token 下 8-needle MRCR 测试匹配率 65.1%（64k 采样），远高于 Sonnet 4.5 的 18.5%，但仍落后于 Opus 4.6 的 78.3%。
- 通用推理：GPQA、MMMLU 等指标处于前列，但未全面领先 GPT-5.2 或 Gemini 3 Pro。
- 用户偏好测试（Claude Code 内部）：开发者偏好 Sonnet 4.6 胜过 Sonnet 4.5 的比例约 70%，胜过 Opus 4.5 的比例约 59%，主要反馈为指令跟随更准、幻觉更少、多步执行更一致。
总体而言，Sonnet 4.6 在多数基准中实现了对前代的显著跃升，在部分真实世界代理任务上已逼近或超越更昂贵的旗舰模型，但纯学术推理（如 GPQA）仍与最顶尖竞品存在小幅差距。
实际应用优势与潜在局限
优势：
- 性价比突出：企业用户（如 Hex、Box、Replit、Mercury Banking）反馈显示，在多数编码、文档处理和自动化场景中，Sonnet 4.6 可替代 Opus 完成 80-90% 的工作负载，成本优势在高频调用时尤为明显。
- 计算机使用与代理：支持无 API 的浏览器/桌面操作，在保险、ERP 等遗留系统自动化中展现较强自纠错能力。
- 安全表现：单轮违规请求拒绝率 99.38%，提示注入抵抗力较 Sonnet 4.5 有明显提升，整体符合 ASL-3 标准，无重大对齐风险报告。
局限（基于当前公开信息）：
- 发布仅数日，独立第三方大规模评测尚少，多数数据来源于 Anthropic 或其合作伙伴。
- 部分用户初步测试提到响应速度偶有波动、极少数简单任务可能出现低级错误（需更多验证）。
- 计算机使用仍处于实验性阶段，复杂 GUI 场景的可靠性距离“完全人类水平”仍有距离。
- 长上下文在极端 1M 负载下衰减仍存在（虽已大幅改善）。
总结
Claude Sonnet 4.6 是 Anthropic 在“中端高效”路线上的又一成果：它没有追求单一基准的绝对第一，而是通过平衡能力、成本和可靠性，在实际知识工作和代理场景中提供了极具吸引力的选项。对于预算敏感的开发者、企业自动化或高频交互应用而言，它可能是当前最具实用价值的升级选择；对于需要极致前沿推理的用户，仍可结合 Opus 4.6 形成梯度部署。
客观来看，AI 模型迭代已进入“边际收益递减但实用价值持续提升”的阶段。Sonnet 4.6 的意义更多在于“让旗舰级能力变得可规模化”，而非颠覆性突破。建议开发者结合自身工作流进行小规模测试，以获取最贴合的结论。官方参考链接：https://www.anthropic.com/news/claude-sonnet-4-6 及系统卡文件。
（本文数据截至 2026 年 2 月 17-18 日公开信息，后续独立评测可能进一步补充或修正。）