过去几个月，大模型公司之间比的不只是谁更聪明，而是谁更能自己干活。Anthropic 这两天把 Claude Sonnet 5 推到台前，定位很清楚：不是要取代旗舰模型 Opus 4.8，而是让中端价位也能跑起像样的自主智能体。
从「会聊天」到「能办事」
Anthropic 在发布说明里说得很直白：Sonnet 5 能制定计划、调用浏览器和终端这类工具，还能在相当长的时间里自己跑任务——这种能力在几个月前还得靠更大、更贵的模型。OpenAI 的 GPT-5.6 Sol 上周刚开预览，主打的也是把任务拆给子智能体；谷歌五月的 Gemini 3.5 Flash 同样在讲「从聊天机器人变成能动手干活的代理」。三家的话术出奇地一致，说明一件事：能自主干活，已经从卖点变成了每个价位段都要有的基本功。
当大家都会干这点活之后，比拼的就不是「谁更能干」，而是「干同样的活要花多少钱、能不能少人盯着」。Sonnet 5 主打的就是这个：能力接近 Opus 4.8，但价格低一大截。
「Sonnet 5 和 Opus 4.8 之间，用户可以自己调节投入的力度，在成本和效果之间找到平衡。」—— Anthropic
价格才是这回真正的重头戏
从周二起，Sonnet 5 成了免费版和 Pro 版的默认模型，所有订阅档位都能用。定价上，8 月 31 日之前是引导价：每百万输入 token 2 美元、输出 10 美元；过了这个窗口会涨到 3 美元和 15 美元。横向看，它比 Opus 4.8、OpenAI 的 GPT-5.5、谷歌的 Gemini 3.1 Pro 都便宜，当然还是贵过 Gemini 3.5 Flash。
对真正在跑智能体的团队来说，这点差价会被反复放大。一个任务要不断翻文件、调工具、反复校验输出，账单是跟着调用次数走的。中端模型的意义不只是省一点边际成本，它往往决定一条工作流在生产环境里到底跑不跑得起来。
能力到底够不够用
Anthropic 的说法是，Sonnet 5 相比今年 2 月的 Sonnet 4.6，在推理、工具使用、写代码和知识工作上都明显进步。跑分上，智能体写代码一项它拿到 63.2%，Opus 4.8 是 69.2%，上一代 Sonnet 4.6 是 58.1%；而在知识工作这类 benchmark 上，Sonnet 5 甚至略微反超了以「啃硬骨头」著称的 Opus 4.8。
早期试用的人给了更具体的例子。Zapier 的高级工程师 Daniel Shepard 说，他们交给 Sonnet 5 一个两步走的任务——更新 Salesforce 里的客户分级、再给企业联系人发发布通知——模型从头到尾跑完了。「以前这种活儿跑到一半就卡住，日常自动化这块，它基本没理由不选。」他还提到，Sonnet 5 会在没人明确要求的情况下自己检查输出对不对。
- 能自主制定计划并调用浏览器、终端等工具，不再依赖人工分步喂指令
- 在长链路任务里更不容易中途放弃，还会主动复核自己的产出
- 相较上一代，更少胡说、更少「顺着你说」，也更会拒绝恶意请求、挡住提示词注入攻击
安全这块也没含糊
Anthropic 特意提了安全表现：Sonnet 5 在「配合滥用」「欺骗」这类不良行为上的发生率比上一代更低，也更擅长拒绝恶意请求、绕开提示词注入的劫持。当然，论对齐程度它还到不了 Opus 4.8 和 Claude Mythos Preview 的层次，官方也承认它执行危险网络安全任务的能力比现有 Opus 模型弱不少。
Lovable 联合创始人 Fabian Hedin 的反馈点出了一个常被忽略的角度：把强力工具交到几百万开发者手里时，「知道什么时候该说不」和「知道怎么搭东西」一样重要。