一款定价仅为旗舰模型五分之一的AI模型，在OSWorld基准测试中达到72.5%准确率，接近人类水平；在SWE-bench Verified编码测试中得分79.6%，逼近Opus 4.6。它不靠营销话术，而是用实测数据重新定义企业级AI智能体的成本效益边界。
智能速览
Sonnet 4.6在OSWorld电脑操作测试中达72.5%，16个月内提升超5倍，接近人类交互水平
编程任务中开发者偏好度达70%（vs Sonnet 4.5）和59%（vs Opus 4.5），SWE-bench得分为79.6%
办公任务GDPval-AA Elo得分1633，超越Opus 4.6的1606；金融分析准确率63.3%，领先Opus 4.6的60.1%
维持每百万token输入3美元、输出15美元定价，仅为Opus模型的1/5，但多项关键能力持平或反超
100万token上下文窗口支持跨代码库/合同/论文的长期战略推理，Vending-Bench模拟盈利达5700美元（Sonnet 4.5为2100美元）
已通过Claude API、Claude Code、Claude Cowork及主流云平台全面开放，免费层默认升级
精华内容
当一个中端型号在真实软件环境里点击鼠标、填写表单、切换标签页并整合信息时，它不再只是‘能回答问题’，而是开始接管那些没有API的遗留系统。
电脑操作：从实验阶段到准人类
OSWorld基准测试模拟Chrome、LibreOffice、VS Code等真实软件环境，要求模型仅通过虚拟鼠标与键盘完成任务，无专用API接入。Sonnet 3.5在2024年10月得分为14.9%，至2025年2月Sonnet 4.6已达72.5%，16个月提升5.2倍。Pace公司在保险系统测试中录得94%准确率，CEO指出其具备前所未有的故障推理与自我纠正能力。
该能力直击企业痛点：大量保险门户、政府数据库、ERP系统和医院排班工具建于API时代之前，传统自动化需定制连接器。而Sonnet 4.6可像人一样观察屏幕、理解界面、执行多步骤操作，大幅降低集成门槛。
Anthropic同步强化安全防护，新模型在抵御网页端提示注入攻击方面较Sonnet 4.5有显著改进，降低恶意指令劫持风险。
编程表现：开发者投票选出的新标杆
早期测试显示，70%的开发者更倾向使用Sonnet 4.6而非Sonnet 4.5；更有59%的人在对比中放弃去年11月发布的旗舰Opus 4.5。用户反馈其上下文理解更扎实，能识别共享逻辑、避免重复代码，减少过度工程化和‘懒惰’倾向。
在SWE-bench Verified标准编码测试中，Sonnet 4.6得分为79.6%，仅比Opus 4.6低1.2个百分点；在OSWorld-Verified模拟计算机使用测试中达72.5%，与Opus 4.6的72.7%基本持平。
GitHub产品副总裁证实，该模型在跨大型代码库的复杂修复任务中表现出高解决率与一致性；Cursor CEO评价其‘在长期任务和困难问题上显著优于前代’；CodeRabbit AI副总裁称其‘在绝大多数实际PR中远超其重量级’。
办公与财务：企业场景中的性能反超
在办公任务GDPval-AA Elo测试中，Sonnet 4.6得分1633，高于Opus 4.6的1606；在模拟财务分析任务中，准确率达63.3%，领先Opus 4.6的60.1%和GPT-5.2的59.0%。
Box公司CTO指出，该模型在真实企业文档的重度推理问答中比Sonnet 4.5高出15个百分点；Mercury产品副总裁直言‘更快、更便宜，而且更有可能第一次就搞定’。
Replit总裁评价其性能成本比‘非凡’；Hex Technologies CTO确认正将大部分流量迁移至此，理由是‘除最困难分析任务外，所有任务均达Opus级性能，且配置更高效灵活’。
长程推理：百万token窗口支撑真实业务决策
Sonnet 4.6提供100万token上下文窗口（测试版），可一次性容纳整套代码库、数十页法律合同或上百篇研究文献，并有效跨全部上下文进行推理。
Vending-Bench Arena测试验证其长期战略能力：在无人工提示下，模型自主制定12个月模拟经营策略——前10个月大幅投资产能，后2个月转向利润收割，最终余额约5700美元，是Sonnet 4.5（2100美元）的2.7倍。
这种跨周期规划能力，标志着AI从执行片段任务迈向支撑真实业务运营的关键跃迁，为智能体承担预算分配、资源调度等职责提供了基础。
定价重构：五分之一成本撬动旗舰级部署
Sonnet 4.6维持每百万token输入3美元、输出15美元定价，与Sonnet 4.5一致；而Opus模型对应价格为输入15美元、输出75美元，是前者的五倍。
对日均调用千万token的企业AI智能体而言，此前只能在‘低价低质’与‘高价高质’间二选一；Sonnet 4.6使二者兼得成为现实。
Anthropic明确表示，过去需Opus级模型才能达成的经济价值型办公任务，如今通过Sonnet 4.6即可稳定实现。多家客户已启动全量迁移，Factory AI称‘正在将Sonnet流量转移到这个模型’，Hercules CEO更断言‘这是我们迄今见过的最好模型’。
Sonnet 4.6的价值不在参数规模或发布会声势，而在它用可验证的基准分数、可复现的客户反馈和可计算的成本节约，把AI智能体从概念验证推向规模化落地。当操作电脑、编写代码、分析财报、制定策略的能力全部收敛于一个中端价格点，企业技术选型的逻辑正在被重写。下一个问题是：哪些岗位的自动化临界点，已被悄然越过？
