Anthropic 发布 Claude Sonnet 4.6，一次全面的性能升级。它在编程、计算机使用和复杂推理上表现突出，以 Sonnet 4.5 的成本，逼近 Opus 级别的智能，为专业人士和开发者提供了极具性价比的新选择。
智能速览
Sonnet 4.6 价格不变，性能全面超越前代，逼近顶级 Opus 模型。
编程能力显著提升，在 SWE-Bench Verified 基准中达到 79.6%。
计算机使用能力增强，能在模拟环境中完成多步骤复杂任务。
提供 100 万 token 超长上下文窗口，擅长长期规划和推理任务。
在智能体知识工作基准 GDPval-AA 上排名第一，但 token 消耗量也显著增加。
精华内容
Sonnet 4.6 的核心吸引力在于其性能与价格的精妙平衡，具体提升体现在多个关键领域。
编程能力飞跃
Claude Sonnet 4.6 在编程能力上实现了显著进步。其 SWE-Bench Verified 得分达到 79.6%，Terminal-Bench 2.0 得分为 59.1%，表现已非常接近更高级别的 Opus 模型。
在早期测试中，约 70% 的用户更偏好 Sonnet 4.6，认为它在理解上下文、整合代码逻辑和指令遵循方面表现更佳，幻觉和错误更少。甚至有 59% 的用户表示，相比 Opus 4.5，他们更倾向于选择 Sonnet 4.6。
计算机操作升级
Sonnet 4.6 的计算机使用能力得到明显增强，在 OSWorld 基准测试中达到 72.5 分，这一成绩已接近 Opus 4.6 的水平。
OSWorld 测试模拟真实计算机环境，要求模型通过点击鼠标和输入键盘操作 Chrome、VS Code 等软件。据反馈，Sonnet 4.6 已能以接近人类的水平完成复杂表格处理、多步骤表单填写等任务，实用性大幅提升。
推理与知识工作
在逻辑推理方面，Sonnet 4.6 在 ARC Prize 私有数据集上表现优异，ARC-AGI-1 达到 86.50%。更引人注目的是，在衡量智能体知识工作能力的 GDPval-AA 基准测试中，它以 1633 的 ELO 分数排名第一，略微领先 Opus 4.6，预期胜率超过 85%。
早期客户反馈，Sonnet 4.6 在前端代码和财务分析方面表现尤为出色，生成的可视化效果更精致，达到生产级质量所需的迭代次数也更少。
性能与成本
强大的性能背后也带来了更高的成本。在 GDPval-AA 基准测试中，Sonnet 4.6（自适应思考）的 token 使用量约为 2.8 亿，而 Sonnet 4.5（扩展思考）约为 5800 万。同等设置下，Opus 4.6 的 token 消耗量约为 1.6 亿，比 Sonnet 4.6 少约 40%。
这意味着，用户在享受更高智能水平的同时，也需要为更高的计算资源付出相应成本。
Claude Sonnet 4.6 的发布，标志着高性能 AI 模型正变得更加亲民。它在关键能力上的突破，尤其是接近顶级的综合表现，为 AI 的广泛应用打开了新的大门。它能否成为开发者和企业的主流选择？
