Claude Sonnet 5发布一周了：Agent能力逼近旗舰，价格砍四成

7月1日Anthropic发了Claude Sonnet 5。没有发布会，没有CEO站台，只是默默把官网默认模型换了。我用了一周，今天来说说实际感受。

先说结论：史上性价比最高的Sonnet

Sonnet 5的API定价是输入每百万token 2美元，输出10美元。对比Opus 4.8便宜了约60%，优惠期结束后仍低约40%。这个定价策略很清晰：不是来替代Opus的，是来让更多人用得起的。

但便宜归便宜，能力行不行？我的实测结论是：大部分Agent任务上，你几乎感受不到和Opus的差距。

Agent能力：63.2%的SWE-bench Pro，直逼Opus

Anthropic官方的说法是迄今Agent能力最强的Sonnet。具体数据：SWE-bench Pro 63.2%，比上代Sonnet 4.6的58.1%提升5个点，超过GPT-5.5的58.6%和Gemini 3.5 Flash的55.1%。距离Opus 4.8的69.2%只有6个点的差距。

Terminal-Bench 2.1上拿了80.4%，上代是67.0%，提升13个点。这个指标衡量的是模型在终端环境下的命令执行能力，对开发者来说直接影响日常使用体验。

更让我意外的是Humanity's Last Exam带工具测试：57.4%，超过了GPT-5.5的52.2%和Gemini 3.1 Pro的51.4%，仅比Opus 4.8的57.9%差0.5个点。这可是跨学科最难考题集，Sonnet 5几乎追平了自家旗舰。

OSWorld电脑操控方面81.2%，超过GPT-5.5的78.7%，直追Opus的83.4%。这说明它在真实桌面操作场景——点按钮、填表单、读屏幕——的能力已经很强了。

安全能力意外出彩

一个容易被忽略的数据：Sonnet 5的提示注入攻击成功率只有0.19%，和Opus 4.8持平。对比GPT-5.5的3.08%和Gemini 3.5 Flash的6.66%，这差距是数量级的。

浏览器注入防御上更夸张：攻击成功率0.93%，而竞品Mythos 5是29.7%，Opus 4.8是31.5%。这不是小差距，是在安全维度上断层式领先。

对于企业用户来说，这种安全能力比多跑几个benchmark重要得多。Agent在浏览器里乱操作一次，可能比模型笨十倍更致命。

Claude Code动态工作流：从串行到并行

和Sonnet 5同时上线的还有Claude Code的Dynamic Workflows。这个功能我之前只能用研究预览版，现在Pro用户也能用了。

它能同时调度最多1000个并行子代理，每个子代理独立上下文窗口，相互协同验证直到结果收敛。Bun项目用它把75万行代码从Zig迁移到Rust，测试套件兼容性99.8%，只用了11天。传统方式可能要几个月。

底层是编排智能体加子代理的二级架构：编排层生成工作流脚本，管理阶段和并发；执行层的每个子代理独立负责文件读取和命令执行。这种设计让效率加速3到4倍。

2026年的模型竞争逻辑变了

Sonnet 5发布后，我的感受是：大模型竞争正在从最强旗舰转向最优性价比。

OpenAI有GPT-5.6系列（Sol/Terra/Luna三档分层），谷歌憋着Gemini 3.5 Pro，Anthropic用Sonnet 5卡位中高端。三家的策略出奇一致：不再只拼一个旗舰，而是用不同定位覆盖不同场景和预算。

对开发者来说这是好事。半年前你要花Opus的价格才能拿到Agent级别的能力，现在Sonnet 5用四成的价格就给了你九成的体验。如果你的日常需求是代码审查、长文档分析、批量数据处理，Sonnet 5完全够用，没必要多花那60%。

Anthropic这步棋下得挺聪明：用高性价比模型锁住开发者日常使用习惯，再用Opus守住高端市场。Sonnet 5不是来替代Opus的，是来让Anthropic的生态更宽的。