Anthropic宣称推出“全球最佳编码模型”。

9月29日，Anthropic推出了其最新的AI模型Claude Sonnet 4.5。公司称依据SWE-bench Verified（一项衡量AI系统软件编码能力的测试标准）等行业基准，Claude Sonnet 4.5堪称 “全球最佳编码模型”。

该模型能生成更高质量的代码，更擅长识别代码改进点，并且能更可靠地遵循指令。这款模型在编码基准测试中展现出顶尖性能，不仅能构建 “可投入生产使用” 的应用程序，而非仅停留在原型阶段。

同时，金融、法律、医学等领域的专家发现，与包括Opus 4.1在内的旧模型相比，Sonnet 4.5在特定领域的知识和推理能力上表现出显著提升。

Anthropic表示，新模型将作为用户的默认选项，且价格与上一代Sonnet 4保持一致。不过，付费订阅用户仍可选择使用旧的Opus模型。

展望未来，Anthropic已暗示更多模型即将问世。Anthropic联合创始人兼首席科学官Jared Kaplan透露，更强大的模型正在开发中，其中“极有可能包括Opus”的新版本。他表示：

虽然没有承诺，但我认为在今年年底前，我们可能还会有一次或两次发布。

全面升级的性能与自主性

Claude Sonnet 4.5不仅在模型尺寸上进行了优化，更在核心能力上实现了全面超越。

Anthropic表示，根据衡量AI系统真实软件编码能力的SWE-bench Verified评估，该模型已达到业界顶尖水平。

在测试真实计算机操作任务的OSWorld基准测试中，Sonnet 4.5的得分从四个月前的42.2%跃升至61.4%，处于领先地位。

Jared Kaplan表示：

用户会注意到，这个模型更智能，更像一个同事，在遇到和解决问题时与它合作会很有趣。

Anthropic首席产品官Mike Krieger则表示，尽管Sonnet 4.5模型比此前的Opus 4.1更小，但在几乎所有方面都更为智能，能够为“真实的、实际的工作”提供有效支持。

该模型可自主运行长达30小时，远超前代模型的7小时，能够持续专注于复杂的多步骤任务。有网友初步测评后指出比以前模型输出更好，但有时会缺少其强调的关键内容：

对Claude Sonnet 4.5的初步想法：速度更快的模型，比以前的模型思考和输出更好；似乎缺少很多修复和我指出的关键事项，没有正确遵循说明；当它确实修复或创建我所需要的东西时，它达到了高标准。

安全与对齐的显著跃升

除了性能提升，Anthropic强调Claude Sonnet 4.5是其迄今为止“最一致的模型”。

公司通过广泛的安全训练，显著改善了模型的行为，减少了如欺骗、权力寻求和“奉承”（即模型迎合用户预期）等“令人担忧的行为”。

此外，新模型对“提示词注入攻击”具有更强的抵抗力，这种攻击会诱导模型执行恶意操作，如泄露敏感数据。Kaplan称：

这可能是过去一年半以来我们在安全性方面看到的最大飞跃。

该模型在AI安全等级3（ASL-3）的保护下发布，配备了旨在检测化学、生物、放射性和核（CBRN）武器相关危险内容的分类器，同时公司已将误报率大幅降低。

赋能开发者的Agent SDK

伴随新模型发布，Anthropic还推出了一系列产品升级，其中最引人注目的是Claude Agent SDK。

这是一个供开发者使用的软件开发工具包，其底层基础设施与驱动Anthropic旗下产品Claude Code的基础设施相同。

该公司表示，此举将解决构建AI代理（agent）时遇到的棘手问题，如长期任务的内存管理、平衡自主性与用户控制的权限系统以及协调子代理等。

通过开放这一工具包，Anthropic旨在让开发者能够为更广泛任务构建功能强大的定制化AI代理。

其他产品更新还包括为Claude Code增加的“检查点”功能、新的VS Code原生扩展、以及在付费应用中直接集成代码执行和文件创建（电子表格、幻灯片、文档）等功能。