今天凌晨，Anthropic毫無征兆地突然發(fā)布了Claude Sonnet 4.5，從版本號、發(fā)布的文章以及隨之而來的產(chǎn)品功能更新看，這是個相當(dāng)大的值得關(guān)注的版本。

核心要點

• Claude Sonnet 4.5在SWE-bench Verified基準(zhǔn)測試中達(dá)到行業(yè)最高水平，可持續(xù)專注超30小時處理復(fù)雜任務(wù)，定價維持不變($3/$15每百萬tokens)

• 計算機(jī)使用能力大幅提升，OSWorld基準(zhǔn)從4個月前的42.2%躍升至61.4%

• Anthropic首次開放Claude Agent SDK，將支撐Claude Code的基礎(chǔ)設(shè)施向開發(fā)者開放

• 推出"Imagine with Claude"研究預(yù)覽，展示實時軟件生成能力（非常有趣，文章中有實測案例）

根據(jù)官方披露的數(shù)據(jù)，Claude Sonnet 4.5模型在多項關(guān)鍵指標(biāo)上實現(xiàn)顯著提升。

當(dāng)然，我們最最關(guān)心的還是編程能力。Claude Sonnet 4.5在SWE-bench Verified評估中繼續(xù)突破自己，超越了死貴死貴的Claude Opus 4.1達(dá)到當(dāng)前最高水平（而價格則是維持和Claude Sonnet 4一樣的水平）。SWE-bench Verified算是衡量AI模型解決真實世界軟件編程問題的最重要的能力指標(biāo)。Anthropic表示，在實際應(yīng)用中觀察到該模型能夠在復(fù)雜多步驟任務(wù)上保持超過30小時的持續(xù)專注。聽起來有點針對OpenAI CodeX的7小時了。

計算機(jī)使用能力方面的進(jìn)步尤為明顯。在測試AI模型執(zhí)行真實計算機(jī)任務(wù)的OSWorld基準(zhǔn)測試中，Sonnet 4.5取得61.4%的成績，相比四個月前Sonnet 4的42.2%提升約45%。

Claude 官方用來展示的例子是他們做的瀏覽器插件——Claude for Chrome，演示的這個例子涉及表格、郵件、數(shù)字計算等，任務(wù)還算挺復(fù)雜的，效果看起來不錯。

前幾天，我發(fā)過一個用Claude Code+Chrome Devtools MCP當(dāng)我的B站/油管運營實習(xí)生，自動給評論區(qū)回復(fù)內(nèi)容的嘗試，看起來這套組合所擁有的潛力還能繼續(xù)挖掘。

除編程能力外，該模型在推理和數(shù)學(xué)相關(guān)的多項評估中也顯示出改進(jìn)。來自金融、法律、醫(yī)學(xué)和STEM領(lǐng)域的專家評估顯示，Sonnet 4.5在特定領(lǐng)域的知識深度和推理能力上相比早期模型(包括Opus 4.1)有顯著提升。

注：STEM是四個學(xué)科領(lǐng)域英文首字母的縮寫：

-Science（科學(xué)）

-Technology（技術(shù)）

-Engineering（工程）

-Mathematics（數(shù)學(xué)）

對齊與安全性改進(jìn)

Anthropic強(qiáng)調(diào)，Claude Sonnet 4.5是該公司迄今為止"對齊度最高的前沿模型"。在自動化行為審計測試中，該模型在多個維度上的不良行為得分顯著降低，包括奉承、欺騙、權(quán)力尋求以及鼓勵妄想性思維等傾向。

針對AI代理和計算機(jī)使用場景中最嚴(yán)重的風(fēng)險之一——提示注入攻擊，Anthropic表示已取得重大進(jìn)展。根據(jù)其發(fā)布的系統(tǒng)卡(system card)：https://assets.anthropic.com/m/12f214efcc2f457a/original/Claude-Sonnet-4-5-System-Card.pdf，該模型的安全評估首次納入了機(jī)械可解釋性(mechanistic interpretability)技術(shù)。

該模型按照Anthropic的AI安全等級3(ASL-3)框架發(fā)布，配備了專門的分類器用于檢測潛在危險的輸入和輸出，特別是涉及化學(xué)、生物、放射性和核武器(CBRN)相關(guān)內(nèi)容。Anthropic表示，自該系統(tǒng)首次描述以來，誤報率已降低十倍，自5月Claude Opus 4發(fā)布以來降低了一半。

Claude Agent SDK開放

深入用過Claude Code的人應(yīng)該都會認(rèn)同，盡管有很多產(chǎn)品都在稱自己是通用型AI Agent，但真正在能力上做到又強(qiáng)又通用的，還真就是Claude Code。而在這次的發(fā)布里，Claude把他們用來構(gòu)建Claude Code的所有基建，都作為Agent SDK開放了。

該SDK解決了構(gòu)建AI代理過程中的幾個核心難題：長時間運行任務(wù)中的內(nèi)存管理、平衡自主性與用戶控制的權(quán)限系統(tǒng)、以及協(xié)調(diào)多個子代理朝向共同目標(biāo)工作的機(jī)制。

Anthropic表示，雖然該SDK是為Claude Code開發(fā)的，但其適用范圍遠(yuǎn)超編程領(lǐng)域。從今日起，開發(fā)者可以使用這一SDK構(gòu)建自己的AI代理應(yīng)用。

產(chǎn)品生態(tài)系統(tǒng)更新

配合模型發(fā)布，Anthropic同步推出了多項產(chǎn)品功能更新：

Claude Code獲得了用戶呼聲最高的"檢查點"(checkpoints)功能，允許保存進(jìn)度并即時回滾到之前狀態(tài)。終端界面經(jīng)過重新設(shè)計，并推出了原生VS Code擴(kuò)展。

哈哈哈，“推出了原生VS Code擴(kuò)展”這一點很有趣，說明Claude的AI編程產(chǎn)品形態(tài)不止于CLI，而是要開始進(jìn)入IDE形態(tài)了。其實也很像我前段時間所吐槽的那樣

Claude Code推出后，國內(nèi)大廠也一窩蜂去做CLI形態(tài)的AI編程產(chǎn)品，但是Claude Code強(qiáng)并不代表CLI形態(tài)的天然正確。拋棄圖形界面增加了用戶使用門檻，但并沒有真正絕對的先進(jìn)性，這不，Claude 也要開始重新覆蓋具備圖形界面的IDE插件這種產(chǎn)品形態(tài)，我估計離Claude原生AI IDE也不遠(yuǎn)了。

ClaudeAPI新增了上下文編輯功能和內(nèi)存工具，使代理能夠運行更長時間并處理更高復(fù)雜度的任務(wù)。

Claude應(yīng)用中直接集成了代碼執(zhí)行和文件創(chuàng)建能力，支持電子表格、幻燈片和文檔的生成。

Claude for Chrome擴(kuò)展向上月加入等候名單的Max用戶開放。該擴(kuò)展利用了模型升級后的計算機(jī)使用能力，可以直接在瀏覽器中導(dǎo)航網(wǎng)站、填寫表格并完成任務(wù)。

"Imagine with Claude"研究預(yù)覽

"Imagine with Claude"，Anthropic稱之為臨時研究預(yù)覽，用來展示實時軟件生成能力。我覺得算是這次發(fā)布里最有趣也最有野心的一個產(chǎn)品了。該實驗中的功能并非預(yù)先確定，代碼也非預(yù)先編寫，而是由Claude實時創(chuàng)建，根據(jù)用戶交互進(jìn)行響應(yīng)和適應(yīng)。

它提供了一個類似帶輸入框的桌面界面，你可以通過自然語言去生成各類應(yīng)用。

比如我試了天氣預(yù)報、計算器、游戲、足球比賽實時比分看板等，很特別的是所有功能和界面都是流式生成，在你面前實時展現(xiàn)的。

而且，很多界面展示還沒功能，會在你點擊操作后，Claude會預(yù)測你下一步需要的功能和界面，再做后續(xù)的內(nèi)容/功能生成。我看到了Anthropic有種想再建一個AI native的操作系統(tǒng)的想法。

這是個很有趣的開始。

功能鏈接在此，需要Max會員才能用：https://claude.ai/imagine/

雖然Anthropic這家公司，以及他們的CEO在對華政策上有各種愚蠢的問題。但不得不承認(rèn)他們的模型在Coding、Agent上的領(lǐng)先性，這次的更新又將會是對AI編程產(chǎn)品和Agent產(chǎn)品不小的洗牌。

誰對Claude Sonnet 4.5模型的能力有最強(qiáng)的認(rèn)知，誰能用工程能力把這個模型的能力壓榨透，誰又能在這個新智能的基礎(chǔ)上構(gòu)建出新形態(tài)的產(chǎn)品，還真是無比值得期待。

而像“Imagine with Claude”這個功能實在是個初級得不能再初級的初代產(chǎn)品，但是它背后又隱藏著顛覆Windows的可能性，我覺得這會是個被重新開拓的新戰(zhàn)場，很高興身處在一個這么有趣的變化時代。

如果你覺得內(nèi)容對你有幫助，歡迎點贊、收藏、轉(zhuǎn)發(fā)，這都是我最大的支持～