大年初二，祝大家新年好

然后，Anthropic 今天發(fā)布了 Claude Sonnet 4.6

編碼、Computer Use、長(zhǎng)上下文推理、Agent 規(guī)劃、知識(shí)工作、設(shè)計(jì)，全線(xiàn)升級(jí)。上下文窗口拉到 100 萬(wàn) token（beta）。價(jià)格沒(méi)變，還是 $3/$15 每百萬(wàn) token，跟 Sonnet 4.5 一樣

模型價(jià)格對(duì)比

Free 和 Pro 用戶(hù)現(xiàn)在打開(kāi) claude.ai 和 Claude Cowork，默認(rèn)模型已經(jīng)換成 Sonnet 4.6 了

到底強(qiáng)多少

Anthropic 在 Claude Code 里做了內(nèi)測(cè)，用戶(hù) 70% 的時(shí)候更喜歡 Sonnet 4.6 而不是 Sonnet 4.5

更狠的數(shù)據(jù)是，用戶(hù)拿它跟去年 11 月發(fā)的旗艦?zāi)Ｐ?Opus 4.5 比，59% 的時(shí)候更喜歡 Sonnet 4.6

內(nèi)測(cè)用戶(hù)的反饋集中在幾個(gè)點(diǎn)：修改代碼之前會(huì)先好好讀上下文，會(huì)主動(dòng)合并重復(fù)邏輯而不是到處復(fù)制粘貼，長(zhǎng)時(shí)間使用不那么讓人抓狂了。過(guò)度工程化和「偷懶」的情況明顯少了，instruction following 好了一截。虛報(bào)完成、幻覺(jué)、多步任務(wù)半途而廢的情況都在減少

Sonnet 4.6 benchmark 對(duì)比

基準(zhǔn)測(cè)試上，Sonnet 4.6 全面接近 Opus 級(jí)別的智力水平。前端代碼和金融分析是客戶(hù)反饋里提升最突出的兩個(gè)方向，多個(gè)客戶(hù)獨(dú)立地說(shuō)視覺(jué)輸出更精致了，布局、動(dòng)畫(huà)、設(shè)計(jì)感都比之前的模型好，迭代輪次也少了

100 萬(wàn) token 上下文

1M token 的上下文窗口能裝下整個(gè)代碼庫(kù)、長(zhǎng)合同、幾十篇論文

但關(guān)鍵不只是能裝，是裝進(jìn)去之后還能有效推理。Anthropic 拿 Vending-Bench Arena 測(cè)了一下，這個(gè)評(píng)測(cè)讓模型去經(jīng)營(yíng)一家（模擬的）公司，不同 AI 模型之間還會(huì)互相競(jìng)爭(zhēng)

Sonnet 4.6 搞出了一個(gè)有意思的策略：前 10 個(gè)模擬月大量投入產(chǎn)能，花得比競(jìng)爭(zhēng)對(duì)手多很多，然后在最后階段急轉(zhuǎn)彎聚焦盈利。靠這個(gè)時(shí)間差，最終利潤(rùn)遠(yuǎn)超其他模型

Vending-Bench Arena 策略對(duì)比圖 Computer Use

2024 年 10 月 Anthropic 首發(fā)通用 Computer Use 的時(shí)候，自己都說(shuō)「還是實(shí)驗(yàn)性的，用起來(lái)有時(shí)候笨手笨腳還容易出錯(cuò)」

16 個(gè)月過(guò)去了，OSWorld 基準(zhǔn)測(cè)試（讓模型在真實(shí)軟件環(huán)境里完成任務(wù)，用的是 Chrome、LibreOffice、VS Code 這些，沒(méi)有特殊 API，就是看屏幕、點(diǎn)鼠標(biāo)、打字）上，Sonnet 系列模型的分?jǐn)?shù)一路在漲

OSWorld 分?jǐn)?shù)趨勢(shì)

早期用戶(hù)反饋，在操作復(fù)雜電子表格、填寫(xiě)多步驟網(wǎng)頁(yè)表單、跨多個(gè)瀏覽器標(biāo)簽頁(yè)協(xié)同這些任務(wù)上，Sonnet 4.6 已經(jīng)接近人類(lèi)水平了

安全方面，Computer Use 最大的風(fēng)險(xiǎn)是 prompt injection，惡意網(wǎng)站藏指令讓模型執(zhí)行。Sonnet 4.6 在抵御 prompt injection 上比 Sonnet 4.5 有大幅提升，跟 Opus 4.6 水平接近

平臺(tái)更新

API 側(cè)，Sonnet 4.6 同時(shí)支持 adaptive thinking 和 extended thinking，context compaction（beta）可以在對(duì)話(huà)接近上限時(shí)自動(dòng)壓縮舊上下文

Claude 的 web search 和 fetch 工具現(xiàn)在會(huì)自動(dòng)寫(xiě)代碼來(lái)過(guò)濾和處理搜索結(jié)果，只保留相關(guān)內(nèi)容在上下文里。code execution、memory、programmatic tool calling、tool search、tool use examples 這幾個(gè)功能正式 GA 了

Claude in Excel 插件現(xiàn)在支持 MCP connectors，可以在 Excel 里直接調(diào)用 S&P Global、LSEG、Daloopa、PitchBook、Moody's、FactSet 這些工具。如果你在 claude.ai 已經(jīng)配好了 MCP connectors，Excel 里直接能用。Pro、Max、Team、Enterprise 計(jì)劃可用

Anthropic 的建議是，extended thinking 關(guān)掉的情況下 Sonnet 4.6 表現(xiàn)也很好，可以根據(jù)具體場(chǎng)景調(diào)整 thinking effort 找到速度和質(zhì)量的平衡點(diǎn)。需要最深度推理的任務(wù)（代碼庫(kù)重構(gòu)、多 Agent 協(xié)調(diào)、對(duì)精度要求極高的場(chǎng)景），Opus 4.6 仍然是更好的選擇

怎么用

所有 Claude 計(jì)劃、Claude Cowork、Claude Code、API、各大云平臺(tái)，現(xiàn)在都能用

免費(fèi)版也升級(jí)到 Sonnet 4.6 了，還帶上了 file creation、connectors、skills 和 compaction

開(kāi)發(fā)者用 API 調(diào)用的模型名是 claude-sonnet-4-6

安全評(píng)估方面，Anthropic 的安全研究員對(duì) Sonnet 4.6 的總結(jié)是：整體跟其他近期 Claude 模型一樣安全或者更安全，性格溫和、誠(chéng)實(shí)、親社會(huì)，偶爾還挺有趣，安全行為很強(qiáng)，沒(méi)有發(fā)現(xiàn)重大的高風(fēng)險(xiǎn) misalignment 跡象