Claude Sonnet 5 上手体验：性价比与能力的平衡之选

数码前线

Anthropic 最近发布的 Claude Sonnet 5 引起了不小的讨论。作为 Claude 3.5 Sonnet（也就是 Sonnet 4.6）的继任者，这款模型在多个实际应用场景中的表现如何？我结合官方放出的评测数据，聊聊我的看法。

Agentic 搜索：成本与效果的权衡

在 BrowseComp 这类需要主动搜索、整合信息的任务中，Sonnet 5 提供了一个很有意思的选择。从官方的成本-性能曲线来看，Sonnet 5 在低投入场景下就能达到不错的通过率，而 Opus 4.8 虽然上限更高，但成本也明显上升。

对于日常需要模型去查资料、做调研的场景，Sonnet 5 的"中档"和"高档"努力级别已经能满足大部分需求。如果预算有限，Sonnet 5 的性价比优势就比较明显了。当然，如果追求极限准确率，Opus 4.8 的"max"档位依然是标杆。

代码能力：稳步提升

Sonnet 5 在 SWE-bench Pro 上拿到了 63.2%，相比 Sonnet 4.6 的 58.1% 有一定进步。虽然距离 Opus 4.8 的 69.2% 还有差距，但考虑到两者的价格差异，这个表现已经挺扎实了。

更让我关注的是 Terminal-Bench 2.1 的成绩——80.4%，比 Sonnet 4.6 的 67.0% 提升了一大截，接近 Opus 4.8 的 82.7%。这说明 Sonnet 5 在终端操作、命令行交互这类偏工程化的任务上，进步非常明显。对于经常需要模型帮忙写脚本、调试环境的开发者来说，这是个好消息。

多学科推理：工具使用的价值

在 Humanity's Last Exam 这个高难度测试中，Sonnet 5 纯文本模式下拿到 43.2%，启用工具后提升到 57.4%。这个"with tools"的提升幅度很值得关注——它说明 Sonnet 5 在调用外部工具、进行多步推理时的协同能力不错。

对比 Sonnet 4.6（无工具 34.6%，有工具 46.8%），Sonnet 5 在两个模式下都有明显进步。而 Opus 4.8 在这项测试中的表现（无工具 49.8%，有工具 57.9%）说明，当工具链配合到位时，Sonnet 5 已经能接近旗舰模型的水平。

计算机操作与知识工作

OSWorld-Verified 测试中，Sonnet 5 达到 81.2%，比 Sonnet 4.6 的 78.5% 有所提升，Opus 4.8 则是 83.4%。在 GUI 自动化操作这块，Sonnet 5 的表现比较稳健。

知识工作方面，GDPval-AA v2 的评分是 1618，略高于 Sonnet 4.6 的 1395，也小幅超过了 Opus 4.8 的 1615。这个指标反映的是模型在复杂知识任务中的综合能力，Sonnet 5 在这里的表现算是意外之喜。

定价与定位

根据官方信息，Sonnet 5 的定价是每百万输入 token 3 美元、输出 token 15 美元，如果在 8 月 31 日前使用 introductory 价格（输入 2 美元、输出 10 美元），实际成本还会更低。Opus 4.8 则是 5 美元和 25 美元。

这个定价策略挺清晰的：Sonnet 5 主打"够用且划算"，Opus 4.8 负责"极致性能"。对于大多数日常应用和中等复杂度的任务，Sonnet 5 的性价比确实很有竞争力。

总结

Sonnet 5 给我的整体印象是"务实"。它没有在所有指标上碾压前代或旗舰，但在关键场景（代码、搜索、知识工作）中提供了足够好的表现，同时保持了合理的价格。

如果你之前主要用 Sonnet 4.6，升级 Sonnet 5 的收益是明确的；如果你在 Sonnet 5 和 Opus 4.8 之间犹豫，建议先评估自己的任务复杂度——不是所有人都需要为那最后 5%-10% 的提升付出翻倍成本。