Claude Sonnet 4.5

Anthropic于2025年9月29日正式发布了Claude Sonnet 4.5，这款模型被定位为公司迄今为止最强大的前沿模型之一。 作为Claude系列的最新迭代，Sonnet 4.5在编码、复杂代理构建以及计算机使用等方面展现出显著提升，标志着AI工具在实际生产环境中的进一步成熟。该模型的推出恰逢9月30日左右的全球AI社区热议期，迅速引发了开发者与企业的广泛关注。

核心特性与能力概述

Claude Sonnet 4.5的核心卖点在于其多模态处理能力和长时任务执行。不同于传统AI模型的短时交互，该模型能够自主运行超过30小时，同时保持对复杂、多步骤任务的专注。 它支持工具集成，如应用程序、电子表格和软件操作，这使得其在实际工作流中更具实用性。此外，Sonnet 4.5在金融、法律、医学和STEM（科学、技术、工程、数学）领域的专业知识与推理能力上表现出色，能够处理高度领域特定的挑战。

从应用角度看，该模型特别适用于构建复杂代理系统，例如自动化软件开发或多阶段决策流程。Anthropic强调，Sonnet 4.5不仅是编码领域的佼佼者，还在数学推理和问题求解上实现了实质性进步。 这些特性使其成为企业级AI部署的理想选择，尤其是在需要高可靠性和长续航的场景中。

性能基准与实证数据

Anthropic通过多项行业标准基准测试验证了Sonnet 4.5的实力。在SWE-bench Verified测试中，该模型在无额外计算的情况下达到了77.2%的得分，而在高计算配置下则提升至82.0%。 在OSWorld基准上，Sonnet 4.5的得分达61.4%，较前代Sonnet 4的42.2%大幅跃升。 其他评估包括Terminal-Bench、τ2-bench、AIME和MMMLU等，均显示出在推理、数学和多语言处理方面的领先优势。

这些数据并非孤立数字，而是基于严格的实验设置得出的，例如使用采样温度为1.0的AIME测试或多轮平均的MMMLU评估。 第三方观察显示，Sonnet 4.5在漏洞发现、代码分析和软件工程任务中表现出“显著改进”，特别是在生物风险评估领域。 总体而言，这些基准结果确立了其在AI前沿模型中的领先地位。

与前代模型的比较

相较于Claude 3.5 Sonnet，Sonnet 4.5在编码和代理构建上实现了“实质性提升”，而非渐进式改进。 例如，在OSWorld测试中的得分翻倍，反映出模型在操作系统交互和长时任务管理上的优化。同时，与Claude Opus 4.1相比，Sonnet 4.5在领域特定推理（如金融代理任务）上表现出更强的知识深度。 Anthropic将其描述为Sonnet 4的“无缝替换”，性能提升显著，但保持了相似的接口兼容性，便于现有用户迁移。

尽管如此，一些用户反馈指出，在某些主观任务中，Sonnet 4.5的改进可能不如Opus系列明显。 这提醒我们，模型选择仍需根据具体用例进行评估。

安全与合规措施

安全一直是Anthropic的核心关注点，Sonnet 4.5被归类为AI安全水平3（ASL-3），配备了针对化学、生物、放射和核（CBRN）武器的分类器，以检测潜在危险输入/输出。 与前代相比，该模型在对齐性上大幅进步，减少了奉承、欺骗和有害提示遵守等行为。 首次引入的机制解释技术进一步提升了透明度，帮助识别潜在风险。

然而，分类器仍可能产生假阳性，导致正常对话中断——Anthropic已将假阳性率降低至前代的1/10，并承诺持续优化。 对于网络安全和生物研究领域的客户，Anthropic提供白名单机制，以平衡安全与可用性。

可用性与定价

Claude Sonnet 4.5已全面上线，包括Claude API、Claude应用、Claude Code和Chrome扩展。 开发者可通过Claude Agent SDK快速构建代理系统。此外，它已集成至Amazon Bedrock服务，进一步扩展了企业级访问渠道。

定价维持与Sonnet 4一致：输入令牌每百万3美元，输出令牌每百万15美元。 这使得其在成本效益上保持竞争力，尤其适合高强度编码任务。

结语：AI生产的下一个里程碑

Claude Sonnet 4.5的发布强化了Anthropic在AI安全与实用性平衡上的领导地位。 虽然模型仍面临长上下文配置下的推理挑战，但其在基准测试和实际应用中的表现预示着AI代理时代的加速到来。对于开发者、企业决策者和AI研究者而言，这款模型值得纳入测试范围，以评估其在特定工作负载下的潜力。未来，随着更多第三方评估的涌现，我们将看到Sonnet 4.5如何进一步塑造AI生态。