Claude Sonnet 5：有哪些变化，如何获取

如果工作需要持续调用工具、编码和多步跟进，Claude Sonnet 5 值得进行受控试用。它适合先处理边界清楚的智能体任务和知识工作：这些任务可能需要接近 Opus 的能力，却受成本或可用性约束。若更看重缺陷召回、最快收敛或专用工具入口，仍应把 Sonnet 4.6 或更大模型放在对照组中。

Anthropic 于 2026 年 6 月 30 日发布 Claude Sonnet 5。当前模型 ID 是 claude-sonnet-5；本文以 Anthropic 发布说明和 Claude Platform 目录为决策锚点，并于 2026 年 9 月 20 日核对。关键不只是“版本更新”：effort、工具和实际暴露模型的入口共同决定成本与结果。(Anthropic，Claude Platform)

关键结论

• Sonnet 5 是更强调智能体工作的 Sonnet，面向计划、工具、编码和多步骤专业任务。

• 目录快照列出 claude-sonnet-5、自适应思考、100 万 token 上下文和 12.8 万 token 最大输出；不是每个客户端都保证开放这些控制。

• 当前 API 快照为每百万输入 token 2 美元、输出 10 美元。effort、思考 token 和重试增加后，单任务成本仍会升高。

• 公开评测是有条件的：Terminal-Bench 和知识工作结果接近 Opus 4.8，但 CodeRabbit 在代码审查中观察到精准度与召回率的取舍。

• 本稿没有完成 Tabbit 中的 Sonnet 5 任务，也没有截图。请先查看 Claude Sonnet 5 模型资源 和自己的模型选择器。

Claude Sonnet 5 规格速览

下表把目录事实和获取判断分开。模型页列出能力与限制，但不保证消费者套餐、云平台或浏览器客户端暴露全部控制项。

目录显示的可靠知识截止时间是 2026 年 1 月。这是目录元数据，不代表连接的工具或检索层保持最新。若要判断浏览器入口，智能体浏览器与普通聊天窗口的区别在于能否检查和操作实时网页；模型能力本身不会自动获得这些权限。

它比 Sonnet 4.6 变化了什么？

Anthropic 将升级重点放在智能体任务：更长的计划、浏览器和终端工具、编码、推理与知识工作。发布说明还称不良行为率低于 Sonnet 4.6，并默认启用网络安全防护。这些是厂商发布口径，应作为背景，而不是自己的任务结论。

Vellum 还提醒，Anthropic 修订过部分 Sonnet 4.6 基线。不能把不同日期、评分器或工具配置的数字拼成一个排行榜。Claude Sonnet 5 测评资源收集了来源笔记，智能体推理指南说明为什么基准评测只能代表长流程的一部分。

仍然未知的事情

第一，公开评测不等于你的测试环境。Endor Labs 的 Agent Security League 报告显示，Sonnet 5 搭配 Claude Code 在功能正确性上较强，但漏洞闭环明显更弱。报告摘要写 83.2% FuncPass，正文写 82.6%，因此本文不把任何一个数字当作确定的标题事实。能迁移的结论更窄：通过功能测试的补丁不等于安全补丁。

第二，effort 会改变单任务成本。CodeRabbit 发现更高 effort 没有明显改善严格缺陷召回，却大约使审查成本翻倍。每百万 token 的价格不是任务预算；比较时要记录思考 token、重试、工具调用和人工修正。

第三，入口决定可用性。Anthropic 列出 Claude 套餐和 API，但实时选择器、地区、配额和工具集决定用户实际能做什么。API 能用不代表浏览器客户端或第三方提供商开放相同模型。

社区正在争论什么

Reddit 讨论暴露了发布页无法单独解决的选择。Exodus_Green 阅读公开图表后认为，Sonnet 4.6 的 low effort 可能在智能体搜索中超过 Sonnet 5 的 medium，尽管价格略高（原评论）。这提醒我们比较 effort 档位。

反方向的 Rent_South 用自己的逻辑流程评测，每个模型运行五次，结论是模型选择取决于工作流（同帖）。qubedView 把成本边界说得更具体：单任务成本才重要，Sonnet 处理单次文档抽取可能便宜得多，而 Opus 更适合困难编码（原讨论）。TheRealJesus2 建议拆分任务，让小模型负责低或中等推理，让大模型规划和验证（同讨论）。

这些是个人报告，不是基准评测。9 月 20 日尝试了 X 搜索和 YouTube 搜索，但浏览器会话没有暴露稳定、可归属的帖子或评论正文。本文不放截图，并继续保持草稿。

谁适合尝试？

客户端也会改变任务形状。浏览器自动化不能消除模型限制、登录要求或复核职责。若团队比较的是产品而不是模型，可另看 AI 浏览器对比 和 AI 浏览器指南。

实际下一步：测量一个完成任务

选一个可回滚且有代表性的任务，例如从小型文档集中抽取字段，或带现有测试命令的多文件修改。记录：

1. 精确模型 ID 和客户端；

2. effort、上下文大小和工具权限；

3. 输入、输出和思考 token；

4. 耗时、重试和工具调用；

5. 结果是否通过独立检查；

6. 是否需要人工修复或收尾。

再用 Sonnet 4.6 或当前模型运行相同测试样本。只有 Sonnet 5 在每个完成结果上更便宜，而不是每个 token 更便宜，才值得切换。Tabbit Browser 说明介绍浏览器工作流，Tabbit 实践说明如何保留人工参与。

本稿没有在 Tabbit 中测试 Sonnet 5，因此不声称任何已登录账户当前都能看到它。如果你的选择器出现该模型，先运行一个可回滚的小任务。入口适合时再下载：

Tabbit Browser

下载 Tabbit Browser，尝试一个可复核的小任务

结论

Claude Sonnet 5 值得在智能体编码、工具工作流和重复知识工作中进行受控试用。它的跟进能力和大上下文让它不只是 Sonnet 4.6 的小修订，但它不是自动替代 Opus 的答案，也不是安全保证或低成本保证。effort、重试、入口限制和任务拆分决定最终结果。

从满足验收条件所需的最低 effort 开始，记录每个完成任务的成本，只有在任务证明需要时才升级。真实 Tabbit 账户测试和所需社区截图完成前，本稿保持草稿。

来源

• Anthropic：Introducing Claude Sonnet 5 — 发布日期、定位、获取、安全和价格快照。

• Claude Platform 模型总览 — 模型 ID、上下文、输出、思考和目录元数据。

• Claude Platform 定价 — 当前 API 价格参考。

• Endor Labs：Claude Sonnet 5 with Claude Code — 安全与功能基准评测及局限。

• CodeRabbit：Claude Sonnet 5 review — 生产代码审查测试环境和精准度/召回率取舍。

• Vellum：Claude Sonnet 5 Benchmarks Explained — 定日期基准比较和分词器风险。

• Reddit：Introducing Claude Sonnet 5 — effort 和工作流讨论。

• Reddit：Why would anyone use Claude Sonnet 5? — 单任务成本和路由讨论。

Secholar.L

Tabbit 增长与内容

Secholar.L 专注 AI 浏览器与 Agent 工作流的实操写作,基于真实调研对比工具,引用可验证的一手来源。