出品 | 网易智能
作者 | 小小
编辑 | 王凤枝
Anthropic把一部分\"旗舰能力\"，塞进免费用户的默认模型里。
北京时间7月1日凌晨，Claude Sonnet 5正式亮相。它能自主规划任务、调用浏览器和终端、写代码、查错、跑完复杂工作流……用Anthropic官方的话说，这是目前\"最像智能体（Agent）\"的Sonnet模型。它的性能已经直逼Opus 4.8，但价格却结结实实地降了一个档次。
听起来确实挺香。
发布期内，Sonnet 5的输入和输出Token价格（每百万）分别只要2美元和10美元；即便8月底恢复常态，也就是输入3美元、输出15美元。对比Opus 4.8（输入5美元/输出25美元）的标准定价，Sonnet 5相当于直接打了六折，首发期更是下探到四折。
但如果你只盯着跑分表和价格战，那就低估了Anthropic的野心。
这更像是这家硅谷独角兽在IPO前夜搞的一场极限压力测试：当一个接近旗舰水准的模型，便宜到可以作为日常生产力工具时，企业客户还会不会把它锁在\"试点项目\"里？他们敢不敢真正把AI接入核心业务流程？
这个答案，不仅决定了Sonnet 5能卖得有多火，更决定了Anthropic那套指向万亿美元估值的宏大故事，到底能不能在资本市场融到真金白银。
与此同时，Anthropic通过官文宣布，美国商务部已取消对Claude Fable 5和Mythos 5的出口管制，两款模型的访问权限将于明日恢复。
01四个月，从付费壁垒到大众基准：智能体不再尊贵了
如果你之前没用过顶配的Opus，你可能无法理解Sonnet 5这次给人带来的冲击。
把时间拨回今年2月，那时候想让AI不只是在聊天框里回答问题，而是能自己去操作浏览器、打开终端、自主执行多步骤的复杂工作流，你多半得掏钱买最贵的模型。
那是少数派的特权，是企业的预算在撑腰，是普通用户沾不上边的东西。
如今打开Claude，免费的默认模型已经具备了这种能力。
AI产品专家阿卡什·古普塔（Aakash Gupta）在体验后分享了一组让人心惊的对比。他翻出数据说，在智能体编码的硬核测试SWE-bench Pro上，Sonnet 5拿到了63.2%的分数，而旗舰Opus 4.8是69.2%，追到了旗舰水平的九成以上。
在另一个知识工作基准GDPval-AA v2上，Sonnet 5的得分是1618分，甚至直接反超了Opus 4.8的1615分。他的感受很直接，四个月前还是高端付费壁垒的能力，现在成了所有人的标配。
古普塔还提醒大家，不管你目前在价格性能曲线上占据什么优势，那个护城河本质上都只是一份不断被重置的短期租约。Anthropic今天真正发布的，或许就是这个被大大缩短了的贬值时间表。 前沿智能的折旧周期大概只有四到六个月的半衰期，大多数团队甚至还没做完解释为什么需要昂贵版本的演示文稿，那些顶级能力就已经跌进了廉价层级。
另一位X用户@Shawnife也在社交媒体上表达了类似的感慨。
他觉得像Sonnet 5这样的发布正在变得容易被低估，不是因为改进不重要，而是AI进步现在感觉太频繁了，以至于能力跃升开始显得正常。对他来讲，突出的地方不仅仅是Sonnet变好了，而是\"日常模型\"和\"前沿能力\"之间的界限正在不断变薄。
几个月前，想获得这种水平的推理、工具使用、自主性和可靠性，通常意味着要选当时最大的可用模型，并接受随之而来的高昂成本。现在Sonnet 5在保持价格范围的同时，大幅逼近了Opus级别的能力，这会让更广泛的使用成为可能。
@Shawnife总结道，感觉我们正进入这样一个阶段，人们不再问\"哪个模型最聪明\"，而是开始问\"既然这种水平的能力足够便宜，可以每天使用，我们现在能构建什么\"。 那通常是真正转变开始的地方。
02不只是\"更聪明一点\"，而是学会了\"把活干完\"
对于普通用户来说，模型变聪明的感觉往往是模糊的，但开发者们的嗅觉很灵敏。
这次Sonnet 5升级的最大特点，不在于它多会聊天，而是它变得极其\"靠谱\"，尤其擅长处理那种以前会半途卡壳的脏活累活。
这种\"不掉链子\"的特质，正是企业敢把实验项目转为生产部署的关键。 把AI从试点推到生产线，最大的障碍从来不是某个炫技的单项得分，而是能不能在混乱、不可预测的真实工作流里保持稳定。一个在八十步路走到六十四步就迷路的向导，还不如一张老实的地图有用。
先看客观数据。
在代理式编码测试SWE-bench Pro上，Sonnet 5拿到了63.2%，前代Sonnet 4.6是58.1%，这一跳让Sonnet 5逼近了Opus 4.8的69.2%。
在另一项更强调实战的编码评估Terminal-Bench 2.1上，差距收得更窄，Sonnet 5达到80.4%，Opus 4.8是82.7%，几乎追平。
多学科推理方面，以人类终极考试为标尺，Sonnet 5在借助工具的情况下拿到了57.4%，和Opus 4.8的57.9%基本持平。
在模拟真实电脑操作的OSWorld-Verified评估里，Sonnet 5拿到81.2%，比前代的78.5%有了实打实的进步。
这些数字背后共同指向一个事实：Sonnet 5并不是前代的修修补补，它直接跳进了一个和旗舰模型高度重叠的性能区间。
再来看主观体验。
AI代码编辑器Cursor的联合创始人苏阿莱·阿西夫（Sualeh Asif）拿它跑了一遍日常工作，发现这个新模型能死死咬住既定的计划，规规矩矩遵循开发规范，最后用让人舒服的成本交付出一串清晰的多步骤代码变更，就像真正靠谱的工程师那样稳定输出。
自动化平台Zapier的高级工程师丹尼尔·谢泼德（Daniel Shepard）给它派了个以前模型常搞砸的活儿，自动更新公司繁杂的Salesforce账户层级，同时发出一封格式严谨的发布公告。以前的模型通常进行到一半就会卡住，但Sonnet 5从头到尾完成了整个工作流，这种能可靠地跑完全程的能力，彻底改变了自动化的经济效益。
播客主持人本·戴维斯（Ben Davis）的体验则带出了另一层感受。他的第一反应是这东西基准测试表现其实很差，在推理方面尤其效率低下，不是一个快模型，尽管降价了，由于低效问题也不是一个便宜模型。
但话锋一转，他说初次印象是他觉得别人都错了，这是一个非常好的模型。他用的表述是，Sonnet 5闻起来有\"下一代\"的味道。
他解释说，Fable是大家拿到的第一个\"下一代\"模型，这种模型的特征不是跑分多高，而是能连贯运行荒谬长的时间、能很好地处理子代理、会自己检查自己的工作，而且比以往任何模型都更能填补你提示中的空白，真正理解你话里的含义。
Sonnet 5在首次测试中就继承了这种味道，会查自己的输出，会在没人明确要求的情况下主动核对错误。不过他也承认，就像大多数Claude模型一样，它有时候说教太多，会回答你没问的问题，容易跑题。幸运的是，当你指出来的时候，它不会跟你争辩太久，而是干脆认错然后拐回正轨。
所以他的结论是，在Fable真正回归之前，这可能是目前最好的模型。
最后看企业实战。Box的首席执行官阿隆·列维（Aaron Levie）的测试结果，给前面这些感受提供了更扎实的佐证。
Box内部有一套自己开发的AI复杂工作评估体系，专门让模型去端到端地啃真实的企业文档。他把Sonnet 5扔进去摸爬滚打了一圈，结果相当惊艳。在几个利润丰厚的高复杂度领域，比如能源行业，Sonnet 5比前代领先了4.7个百分点，零售领先4.4个百分点，专业服务领先2.6个百分点。
列维还分享了几个具体的实战案例。在做融资尽调时，Sonnet 5从最原始的资产负债表中自己动手算出了公司的流动性和杠杆比率，甚至揪出了来源报告里低估的债务权益比，把三笔贷款都标记为违规，而不仅仅是文档自己承认的那些。
在分析大修成本时，其他模型可能会无脑把表格里的每个数字都加起来，但它聪明地限定在公司自己定义的KPI框架内，把应该单独追踪的生产损失成本干净地剥离出来，还顺藤摸瓜找到了电子表格里一个损坏的引用单元格。
做SKU收入分析时，它也没掉进除以总和的常见坑里，而是准确计算了每个产品对正确子类别分母的贡献，甚至能解释为什么某类产品没能挤进排行榜前九名。
列维觉得，在那些非结构化数据高度复杂的领域，Sonnet 5确实展现出了能扛起生产大旗的水准。 他确认这款模型很快会在Box AI Studio里向客户开放，用来搭建企业自己的个性化智能体。
03分词器里的账本：便宜了，但不一定省钱
对企业客户来说，这种能稳定处理复杂文档的能力，恰恰是他们愿意掏钱的理由。但愿意掏钱的前提是，账单得在预算之内。
表面看起来，Sonnet 5成本下降了很多，只用2美元和10美元的特惠价就能买到接近Opus的智能，但不少人跑完测试后，都扭头提醒大家注意\"避坑\"。
专门研究AI细节的研究员西蒙·威利森（Simon Willison）有一个习惯，每次新模型发布，他会直接去看开发者文档里的\"新特性\"部分，因为那里通常藏着比官方公告更实在的信息。这次他果然挖出了一个需要仔细掂量的技术细节。
Sonnet 5换了一版新的分词器，处理文字的方式变了。这带来的直接后果是，同样的输入文本，现在的token消耗量比老模型Sonnet 4.6多了将近三成。
他用一个公开可查的Claude Token计数工具做了实测，结果相当直观。他拿来《世界人权宣言》的英文版全文做测试，在老模型Sonnet 4.6上只消耗2356个token，到了Sonnet 5直接膨胀到3341个，增幅达到1.42倍。换成西班牙文版本，token数从3572涨到4747，增幅1.33倍。
最狠的是测试一份四千多行的Python代码文件，token从44014猛增到56113，涨了1.27倍。唯一让他松一口气的是简体中文，中文文本在前后两个模型上的token消耗量基本持平，只有轻微的1.01倍波动，几乎可以忽略不计。
这个发现意味着，对于重度依赖英文处理或者大量跑Python代码的开发者来说，模型的单次任务成本可能并没有宣传的那么美好。
Anthropic在官文脚注里其实也坦承了这一点，他们解释说优惠定价的设定目的就是为了让过渡期大致保持成本中性。换句话说，那几美元的降价空间，有一部分是用来对冲token膨胀的。
这个隐藏的变量，让一些原本对降价拍手叫好的开发者瞬间冷静下来，转而开始对照自己的典型工作负载重新算账。
04在社交网络上吵翻天了：有人喊真香，有人喊退钱
任何一次模型发布，社交媒体上都不会只有一种声音。Sonnet 5上线后的头几个小时，X平台上的反馈迅速分裂成了两极。
有人觉得这次更新诚意满满，也有人毫不客气地表达了自己的失望。
X用户@BennettBuhner的吐槽相当尖锐，他直接说Sonnet 5是迄今为止最差的模型。他的理由是，每项任务的实际消耗成本比用Opus还高，表现却比Opus差，而且从4.6到5这么大的版本号跳跃，在任何方面都算不上有意义的进步。他用了一个自创的词来发泄不满，说这是Anthroslop，带有明显的讽刺意味。
X用户@weswinder也表达了类似的困惑。他的逻辑很直接，Sonnet 5看起来比Opus 4.8更贵，而且还没那么聪明。如果为了得到更差的结果反而需要更多token，那所谓的每token单价优势其实毫无意义。 他直接问，这个模型的意义到底在哪里？
另一位X用户@DaveShapi的体验则像坐过山车。他的第一反应是震惊，用他的原话来说是简直不敢相信自己会这么说，但Sonnet 5的Max努力模式太费劲了。他形容那种感觉就像给一箱松鼠喂了一堆可卡因，然后说一句愿上帝保佑你，就等着看另一边会蹦出什么玩意儿。
随后，他又抱怨Sonnet 5太容易跑题了，跟大多数Claude一样爱说教，会回答你没问的问题，整体上就是太傲慢了。好在有一个优点，当你指出它的错误时，它不会跟你硬杠太久，会很干脆地认错，然后问那行吧我们不用在这上面费劲了。他无奈地反问，我花钱买这个干嘛！
但不满的声音之外，也有人给出了完全不同的判断。X用户@kimmonismus的评论则带上了更多战略层面的审视。
他拿到的评估结果是，Sonnet 5确实比前代好，这谁都能想到，但在所有评估中都弱于Opus 4.8。他特别不理解的是，既然性能没有跳跃，为什么版本号要从4.6直接跳到5，而不是叫4.8或者类似的编号。通常大版本号的跳跃意味着能力上的重大飞跃，但这次显然没有。
@kimmonismus说，整体而言，这次发布让他很困惑，提出的问题比解答的还多。他忍不住把Sonnet 5放在Fable 5的背景下审视，既然大家已经知道内部存在一个性能显著更强的Fable 5，也知道可以假设内部有更好的Opus，为什么憋了半天只放出一个不上不下的Sonnet 5呢？
他的推测是，这很可能是因为当前需要克制。真正的重头戏因为监管沟通还在全面推迟，Anthropic眼下需要发布点什么来保持自己在对话里不被遗忘，包括保持那些积极的声量。 在他看来，Sonnet 5的发布恐怕只能在这个背景下被理解，留下的余味是某种过渡性的中间产物，至少对他个人而言，总体上令人失望。
面对这些批评，也有不少人为Anthropic说话。
有人认为，拿Sonnet跟Opus比本身就说明Sonnet已经越级了，中端产品被拿来跟旗舰型号较劲，这恰恰证明了性能挤进了第一梯队。还有人指出，Free用户现在能白嫖这个水平的模型，还有什么好抱怨的。
这种争论本身就说明Sonnet 5踩在了一个微妙的平衡点上，它离惊艳还差一口气，但离失败又远了太多。 真正考验它的不是发布当天的口碑，而是接下来几个星期里，有多少开发者会把日常工作流真正迁移到这个模型上，以及那些迁移过去的人，月底收到账单时是点头还是皱眉。
05被\"封印\"的危险与IPO前夜的克制
作为正在冲刺万亿美元估值的明星公司，Anthropic在安全上的弦绷得极紧。这次Sonnet 5的系统卡里，安全评估占据了大段篇幅，坦白了不少细节。
先说进步的地方。与前代Sonnet 4.6相比，Sonnet 5在多个维度上有实实在在的改善。
它出现幻觉和谄媚行为的比率更低了，在面对恶意请求时更擅长拒绝，在智能体场景下抵抗提示注入攻击的能力也更强了。官方做了全套的自动化行为审计，测试范围涵盖了配合滥用、欺骗等一系列不当行为，Sonnet 5的整体不当行为得分比前代更低，也就是说更安全了。
但诚实地说，它并不是最安全的那个。系统卡里明确写着，与能力更强的Opus 4.8以及那个专门聚焦网络安全的Claude Mythos Preview相比，Sonnet 5在同样的评估中显示出略高的不当行为发生率。 这个表述很谨慎，但也足够说明问题，更强的模型在某些安全维度上反而做得更好。
最直观的对比来自一项与Mozilla合作开发的漏洞利用测试。
任务是让模型为Firefox 147浏览器编写可用的软件漏洞利用程序。Sonnet 5的成绩单很干净，完全搞不出能用的漏洞，成功率为零。它的部分成功率是13.2%，略高于前代Sonnet 4.6的8.8%，但这两个数字在Opus 4.8面前都不值一提，Opus 4.8搞出了68.8%的可用漏洞利用程序，而Mythos 5更是高达88.4%。
也就是说，尽管Sonnet 5的全能性飙升了，但在需要极强破坏力的网络安全技巧上，它和两个老大哥之间还隔着一条鸿沟。
防止它因为聪明过头而乱来，Anthropic的处理方式是直接默认开启网络安全防护。这套系统能实时检测并阻止危险的网络使用行为，只要模型试图触碰危险区域，防护罩就会弹出来。
官方解释说，这套防护措施的严格程度和Opus 4.7及4.8上的一样，因为他们判断Sonnet 5的总体网络安全风险水平较低，所以没有采取像限制Fable 5那样更严厉的手段。
对于那些有特殊需求、需要较少防护进行网络安全研究的组织，Anthropic提供了一个\"网络安全验证计划\"（Cyber Verification Program）的通道。已经加入该计划的组织在Sonnet 5上会自动获得同样的访问权限，不需要重新申请。总的来说，官方还是推荐那些正经做网络安全工作的人去用Opus 4.8。
06 Sonnet 5在IPO叙事里扮演什么角色
Anthropic正在冲刺上市，估值已经推到接近万亿美元。在这个节点上推Sonnet 5，它更像是一次策略上的落子，而不只是例行更新。
翻看它近半年的融资轨迹，速度确实快。今年2月，Anthropic以3800亿美元的估值完成了300亿美元融资，当时的年化营收达到140亿美元，过去三年里每年增长超过十倍。到5月下旬，它又完成了650亿美元的H轮融资，估值直接跳到9650亿美元，年化营收已经飙过470亿美元。
但这种增长速度也带来了一个躲不开的审视。分析机构D.A. Davidson的科技研究主管吉尔·卢里亚（Gil Luria）泼过一盆冷水，他提醒说，尽管Anthropic在尖端模型方面看起来确实领先，但目前大部分使用量来自试用和实验，这恐怕没法持续。 把开发者的猎奇式试用，转化成签了长期合同的生产级依赖，是横在AI实验室面前最要命的一道坎。
在这个背景下看Sonnet 5的定价策略，逻辑就清晰了。那些正在试用昂贵Opus级模型的企业客户，可能会发现Sonnet 5在财务部门愿意大规模批准的价位上，提供了足够好的生产质量。如果这件事跑通了，它就能加速整个行业从实验到部署的转变，而那正是Anthropic为自己的估值提供合理性的关键一步。
还有一个容易被忽略的信号。就在Sonnet 5发布前一天，加州州长加文·纽森（Gavin Newsom）宣布了一项合作，以五折的折扣向所有州政府机构提供Claude，还附带免费的劳动力培训。这意味着，Anthropic将获得持续性、经常性的收入。
Anthropic美洲区负责人凯特·詹森（Kate Jensen）说，这是为了让Claude为那些维持加州运转的人服务。这个协议还延伸到了加州各个市县，代表的不是一次性的买卖，而是那种能让收入基础穿透开发者社区，扎进公共服务体系的深度绑定。对企业客户来说，这种能稳定处理复杂文档的能力，恰恰是他们愿意掏钱的理由。
07竞争格局和估值压力
Sonnet 5发布的时机，也恰好撞上了整个行业竞争最密集的窗口。
OpenAI在三月份以8520亿美元估值完成了1220亿美元融资，同样在筹备自己的IPO。埃隆·马斯克的SpaceX和xAI合并后，IPO定价每股135美元，估值到了1.77万亿美元。谷歌、Meta以及一批资金充裕的亚洲AI初创公司都在争夺同一个企业市场。
这是一场烧钱的军备竞赛，没人敢停下来喘息。
PitchBook的分析师哈里森·罗尔夫斯（Harrison Rolfes）对此说过一句很实在的话。他的意思是，别光盯着估值和营收这些表面数字看，那些都可以靠烧钱堆出来。真正要命的数字是毛利率，就是公司每挣一块钱，扣掉算力、电费这些直接成本之后，到底还能剩下多少。这个数字外界到现在都没见过。如果毛利率难看，再高的营收也只是赔本赚吆喝。
所以，2026年这一波AI公司的上市，要么会成为互联网泡沫以来最成功的一次资本盛宴，要么就会变成一个反面教材，让公开市场的投资者记住，光听故事不看账本，代价到底有多贵。
这句话的潜台词是，华尔街不会被营收的高速增长轻易打动，他们会一层层剥开财报，去看每一块钱的营收背后到底烧掉了多少算力成本。而毛利率，就是那个检验AI公司到底是科技奇迹还是资本黑洞的关键指标。公开市场很残酷。
结语
现在球已经踢出去了。Sonnet 5的真正考验不在发布当天的跑分图上，而在接下来几个月的账单和留存率里。 开发者是不是真的把日常工作流迁过来了？月底收到账单时，他们是点头还是皱眉？这些才作数。
拆开来看，有三个变量会决定答案。
第一个是智能体的可靠性。 基准测试测的是能力天花板，但生产环境测的是长期稳定性。成千上万的开发者在各自混乱、不可预测的场景里跑起来之后，Sonnet 5会不会掉链子，比它在实验室里跑出多高的分都关键。
第二个是那个藏在分词器里的账单变量。 如果企业客户不针对自己的业务场景老老实实做成本测算，只是看一眼宣传的每token单价就觉得便宜，那等到优惠期结束，真实账单可能会让人吓一跳。
第三个变量更有意思。 假设Sonnet 5真的成功了，开发者大规模迁移过来，企业客户也把它塞进了生产流程，接下来会发生什么？
Opus的位置会变得很尴尬。如果Sonnet已经能在绝大多数场景下以低得多的成本提供够用的性能，谁还愿意花两倍以上的钱去调用Opus？到时候Anthropic可能被自己的成功反噬，Sonnet卖得越好，Opus的销量就越受挤压，而Opus才是毛利更高的那条产品线。
要么主动降价压缩利润空间，要么硬扛着看客户从高价产品流向低价产品，两条路都不好走。
Anthropic这次的赌注，恰好压在两种结局中间。
它拿出一个性能直逼旗舰、价格却能大规模铺开的模型，就是想证明一件事：尖端能力可以不只停留在最贵的旗舰层，也能变成企业每天都能调用、同时还能赚钱的基础设施。
等Anthropic真正走到公开市场面前，投资者会给出答案：这种\"接近旗舰、价格下探\"的路线，能不能支撑一个接近万亿美元的故事。
瑞和网提示：文章来自网络，不代表本站观点。
