北京
出品 | 網易智能
作者 | 小小
編輯 | 王鳳枝
Anthropic把一部分"旗艦能力"，塞進免費用戶的默認模型里。
北京時間7月1日凌晨，Claude Sonnet 5正式亮相。它能自主規劃任務、調用瀏覽器和終端、寫代碼、查錯、跑完復雜它的性能已經直逼Opus 4.8，但價格卻結結實實地降了一個檔次。
聽起來確實挺香。
發布期內，Sonnet 5的輸入和輸出Token價格（每百萬）分別只要2美元和10美元；即便8月底恢復常態，也就是輸入3美元、輸出15美元。對比Opus 4.8（輸入5美元/輸出25美元）的標準定價，Sonnet 5相當于直接打了六折，首發期更是下探到四折。
但如果你只盯著跑分表和價格戰，那就低估了Anthropic的野心。
這更像是這家硅谷獨角獸在IPO前夜搞的一場極限壓力測試：當一個接近旗艦水準的模型，便宜到可以作為日常生產力工具時，企業客戶還會不會把它鎖在"試點項目"里？他們敢不敢真正把AI接入核心業務流程？
這個答案，不僅決定了Sonnet 5能賣得有多火，更決定了Anthropic那套指向萬億美元估值的宏大故事，到底能不能在資本市場融到真金白銀。
與此同時，Anthropic通過官文宣布，美國商務部已取消對Claude Fable 5和Mythos 5的出口管制，兩款模型的訪問權限將于明日恢復。
01四個月，從付費壁壘到大眾基準：智能體不再尊貴了
如果你之前沒用過頂配的Opus，你可能無法理解Sonnet 5這次給人帶來的沖擊。
把時間撥回今年2月，那時候想讓AI不只是在聊天框里回答問題，而是能自己去操作瀏覽器、打開終端、自主執行多步驟的復雜工作流，你多半得掏錢買最貴的模型。
那是少數派的特權，是企業的預算在撐腰，是普通用戶沾不上邊的東西。
如今打開Claude，免費的默認模型已經具備了這種能力。
AI產品專家阿卡什·古普塔（Aakash Gupta）在體驗后分享了一組讓人心驚的對比。他翻出數據說，在智能體編碼的硬核測試SWE-bench Pro上，Sonnet 5拿到了63.2%的分數，而旗艦Opus 4.8是69.2%，追到了旗艦水平的九成以上。
在另一個知識工作基準GDPval-AA v2上，Sonnet 5的得分是1618分，甚至直接反超了Opus 4.8的1615分。他的感受很直接，四個月前還是高端付費壁壘的能力，現在成了所有人的標配。
古普塔還提醒大家，不管你目前在價格性能曲線上占據什么優勢，那個護城河本質上都只是一份不斷被重置的短期租約。Anthropic今天真正發布的，或許就是這個被大大縮短了的貶值時間表。 前沿智能的折舊周期大概只有四到六個月的半衰期，大多數團隊甚至還沒做完解釋為什么需要昂貴版本的演示文稿，那些頂級能力就已經跌進了廉價層級。
另一位X用戶@Shawnife也在社交媒體上表達了類似的感慨。
他覺得像Sonnet 5這樣的發布正在變得容易被低估，不是因為改進不重要，而是AI進步現在感覺太頻繁了，以至于能力躍升開始顯得正常。對他來講，突出的地方不僅僅是Sonnet變好了，而是"日常模型"和"前沿能力"之間的界限正在不斷變薄。
幾個月前，想獲得這種水平的推理、工具使用、自主性和可靠性，通常意味著要選當時最大的可用模型，并接受隨之而來的高昂成本。現在Sonnet 5在保持價格范圍的同時，大幅逼近了Opus級別的能力，這會讓更廣泛的使用成為可能。
@Shawnife總結道，感覺我們正進入這樣一個階段，人們不再問"哪個模型最聰明"，而是開始問"既然這種水平的能力足夠便宜，可以每天使用，我們現在能構建什么"。 那通常是真正轉變開始的地方。
02不只是"更聰明一點"，而是學會了"把活干完"
對于普通用戶來說，模型變聰明的感覺往往是模糊的，但開發者們的嗅覺很靈敏。
這次Sonnet 5升級的最大特點，不在于它多會聊天，而是它變得極其"靠譜"，尤其擅長處理那種以前會半途卡殼的臟活累活。
這種"不掉鏈子"的特質，正是企業敢把實驗項目轉為生產部署的關鍵。 把AI從試點推到生產線，最大的障礙從來不是某個炫技的單項得分，而是能不能在混亂、不可預測的真實工作流里保持穩定。一個在八十步路走到六十四步就迷路的向導，還不如一張老實的地圖有用。
先看客觀數據。
在代理式編碼測試SWE-bench Pro上，Sonnet 5拿到了63.2%，前代Sonnet 4.6是58.1%，這一跳讓Sonnet 5逼近了Opus 4.8的69.2%。
在另一項更強調實戰的編碼評估Terminal-Bench 2.1上，差距收得更窄，Sonnet 5達到80.4%，Opus 4.8是82.7%，幾乎追平。
多學科推理方面，以人類終極考試為標尺，Sonnet 5在借助工具的情況下拿到了57.4%，和Opus 4.8的57.9%基本持平。
在模擬真實電腦操作的OSWorld-Verified評估里，Sonnet 5拿到81.2%，比前代的78.5%有了實打實的進步。
這些數字背后共同指向一個事實：Sonnet 5并不是前代的修修補補，它直接跳進了一個和旗艦模型高度重疊的性能區間。
再來看主觀體驗。
AI代碼編輯器Cursor的聯合創始人蘇阿萊·阿西夫（Sualeh Asif）拿它跑了一遍日常工作，發現這個新模型能死死咬住既定的計劃，規規矩矩遵循開發規范，最后用讓人舒服的成本交付出一串清晰的多步驟代碼變更，就像真正靠譜的工程師那樣穩定輸出。
自動化平臺Zapier的高級工程師丹尼爾·謝潑德（Daniel Shepard）給它派了個以前模型常搞砸的活兒，自動更新公司繁雜的Salesforce賬戶層級，同時發出一封格式嚴謹的發布公告。以前的模型通常進行到一半就會卡住，但Sonnet 5從頭到尾完成了整個工作流，這種能可靠地跑完全程的能力，徹底改變了自動化的經濟效益。
播客主持人本·戴維斯（Ben Davis）的體驗則帶出了另一層感受。他的第一反應是這東西基準測試表現其實很差，在推理方面尤其效率低下，不是一個快模型，盡管降價了，由于低效問題也不是一個便宜模型。
但話鋒一轉，他說初次印象是他覺得別人都錯了，這是一個非常好的模型。他用的表述是，Sonnet 5聞起來有"下一代"的味道。
他解釋說，Fable是大家拿到的第一個"下一代"模型，這種模型的特征不是跑分多高，而是能連貫運行荒謬長的時間、能很好地處理子代理、會自己檢查自己的工作，而且比以往任何模型都更能填補你提示中的空白，真正理解你話里的含義。
Sonnet 5在首次測試中就繼承了這種味道，會查自己的輸出，會在沒人明確要求的情況下主動核對錯誤。不過他也承認，就像大多數Claude模型一樣，它有時候說教太多，會回答你沒問的問題，容易跑題。幸運的是，當你指出來的時候，它不會跟你爭辯太久，而是干脆認錯然后拐回正軌。
所以他的結論是，在Fable真正回歸之前，這可能是目前最好的模型。
最后看企業實戰。Box的首席執行官阿隆·列維（Aaron Levie）的測試結果，給前面這些感受提供了更扎實的佐證。
Box內部有一套自己開發的AI復雜工作評估體系，專門讓模型去端到端地啃真實的企業文檔。他把Sonnet 5扔進去摸爬滾打了一圈，結果相當驚艷。在幾個利潤豐厚的高復雜度領域，比如能源行業，Sonnet 5比前代領先了4.7個百分點，零售領先4.4個百分點，專業服務領先2.6個百分點。
列維還分享了幾個具體的實戰案例。在做融資盡調時，Sonnet 5從最原始的資產負債表中自己動手算出了公司的流動性和杠桿比率，甚至揪出了來源報告里低估的債務權益比，把三筆貸款都標記為違規，而不僅僅是文檔自己承認的那些。
在分析大修成本時，其他模型可能會無腦把表格里的每個數字都加起來，但它聰明地限定在公司自己定義的KPI框架內，把應該單獨追蹤的生產損失成本干凈地剝離出來，還順藤摸瓜找到了電子表格里一個損壞的引用單元格。
做SKU收入分析時，它也沒掉進除以總和的常見坑里，而是準確計算了每個產品對正確子類別分母的貢獻，甚至能解釋為什么某類產品沒能擠進排行榜前九名。
列維覺得，在那些非結構化數據高度復雜的領域，Sonnet 5確實展現出了能扛起生產大旗的水準。 他確認這款模型很快會在Box AI Studio里向客戶開放，用來搭建企業自己的個性化智能體。
03分詞器里的賬本：便宜了，但不一定省錢
對企業客戶來說，這種能穩定處理復雜文檔的能力，恰恰是他們愿意掏錢的理由。但愿意掏錢的前提是，賬單得在預算之內。
表面看起來，Sonnet 5成本下降了很多，只用2美元和10美元的特惠價就能買到接近Opus的智能，但不少人跑完測試后，都扭頭提醒大家注意"避坑"。
專門研究AI細節的研究員西蒙·威利森（Simon Willison）有一個習慣，每次新模型發布，他會直接去看開發者文檔里的"新特性"部分，因為那里通常藏著比官方公告更實在的信息。這次他果然挖出了一個需要仔細掂量的技術細節。
Sonnet 5換了一版新的分詞器，處理文字的方式變了。這帶來的直接后果是，同樣的輸入文本，現在的token消耗量比老模型Sonnet 4.6多了將近三成。
他用一個公開可查的Claude Token計數工具做了實測，結果相當直觀。他拿來《世界人權宣言》的英文版全文做測試，在老模型Sonnet 4.6上只消耗2356個token，到了Sonnet 5直接膨脹到3341個，增幅達到1.42倍。換成西班牙文版本，token數從3572漲到4747，增幅1.33倍。
最狠的是測試一份四千多行的Python代碼文件，token從44014猛增到56113，漲了1.27倍。唯一讓他松一口氣的是簡體中文，中文文本在前后兩個模型上的token消耗量基本持平，只有輕微的1.01倍波動，幾乎可以忽略不計。
這個發現意味著，對于重度依賴英文處理或者大量跑Python代碼的開發者來說，模型的單次任務成本可能并沒有宣傳的那么美好。
Anthropic在官文腳注里其實也坦承了這一點，他們解釋說優惠定價的設定目的就是為了讓過渡期大致保持成本中性。換句話說，那幾美元的降價空間，有一部分是用來對沖token膨脹的。
這個隱藏的變量，讓一些原本對降價拍手叫好的開發者瞬間冷靜下來，轉而開始對照自己的典型工作負載重新算賬。
04在社交網絡上吵翻天了：有人喊真香，有人喊退錢
任何一次模型發布，社交媒體上都不會只有一種聲音。Sonnet 5上線后的頭幾個小時，X平臺上的反饋迅速分裂成了兩極。
有人覺得這次更新誠意滿滿，也有人毫不客氣地表達了自己的失望。
X用戶@BennettBuhner的吐槽相當尖銳，他直接說Sonnet 5是迄今為止最差的模型。他的理由是，每項任務的實際消耗成本比用Opus還高，表現卻比Opus差，而且從4.6到5這么大的版本號跳躍，在任何方面都算不上有意義的進步。他用了一個自創的詞來發泄不滿，說這是Anthroslop，帶有明顯的諷刺意味。
X用戶@weswinder也表達了類似的困惑。他的邏輯很直接，Sonnet 5看起來比Opus 4.8更貴，而且還沒那么聰明。如果為了得到更差的結果反而需要更多token，那所謂的每token單價優勢其實毫無意義。 他直接問，這個模型的意義到底在哪里？
另一位X用戶@DaveShapi的體驗則像坐過山車。他的第一反應是震驚，用他的原話來說是簡直不敢相信自己會這么說，但Sonnet 5的Max努力模式太費勁了。他形容那種感覺就像給一箱松鼠喂了一堆可卡因，然后說一句愿上帝保佑你，就等著看另一邊會蹦出什么玩意兒。
隨后，他又抱怨Sonnet 5太容易跑題了，跟大多數Claude一樣愛說教，會回答你沒問的問題，整體上就是太傲慢了。好在有一個優點，當你指出它的錯誤時，它不會跟你硬杠太久，會很干脆地認錯，然后問那行吧我們不用在這上面費勁了。他無奈地反問，我花錢買這個干嘛！
但不滿的聲音之外，也有人給出了完全不同的判斷。X用戶@kimmonismus的評論則帶上了更多戰略層面的審視。
他拿到的評估結果是，Sonnet 5確實比前代好，這誰都能想到，但在所有評估中都弱于Opus 4.8。他特別不理解的是，既然性能沒有跳躍，為什么版本號要從4.6直接跳到5，而不是叫4.8或者類似的編號。通常大版本號的跳躍意味著能力上的重大飛躍，但這次顯然沒有。
@kimmonismus說，整體而言，這次發布讓他很困惑，提出的問題比解答的還多。他忍不住把Sonnet 5放在Fable 5的背景下審視，既然大家已經知道內部存在一個性能顯著更強的Fable 5，也知道可以假設內部有更好的Opus，為什么憋了半天只放出一個不上不下的Sonnet 5呢？
他的推測是，這很可能是因為當前需要克制。真正的重頭戲因為監管溝通還在全面推遲，Anthropic眼下需要發布點什么來保持自己在對話里不被遺忘，包括保持那些積極的聲量。 在他看來，Sonnet 5的發布恐怕只能在這個背景下被理解，留下的余味是某種過渡性的中間產物，至少對他個人而言，總體上令人失望。
面對這些批評，也有不少人為Anthropic說話。
有人認為，拿Sonnet跟Opus比本身就說明Sonnet已經越級了，中端產品被拿來跟旗艦型號較勁，這恰恰證明了性能擠進了第一梯隊。還有人指出，Free用戶現在能白嫖這個水平的模型，還有什么好抱怨的。
這種爭論本身就說明Sonnet 5踩在了一個微妙的平衡點上，它離驚艷還差一口氣，但離失敗又遠了太多。 真正考驗它的不是發布當天的口碑，而是接下來幾個星期里，有多少開發者會把日常工作流真正遷移到這個模型上，以及那些遷移過去的人，月底收到賬單時是點頭還是皺眉。
05被"封印"的危險與IPO前夜的克制
作為正在沖刺萬億美元估值的明星公司，Anthropic在安全上的弦繃得極緊。這次Sonnet 5的系統卡里，安全評估占據了大段篇幅，坦白了不少細節。
先說進步的地方。與前代Sonnet 4.6相比，Sonnet 5在多個維度上有實實在在的改善。
它出現幻覺和諂媚行為的比率更低了，在面對惡意請求時更擅長拒絕，在智能體場景下抵抗提示注入攻擊的能力也更強了。官方做了全套的自動化行為審計，測試范圍涵蓋了配合濫用、欺騙等一系列不當行為，Sonnet 5的整體不當行為得分比前代更低，也就是說更安全了。
但誠實地說，它并不是最安全的那個。系統卡里明確寫著，與能力更強的Opus 4.8以及那個專門聚焦網絡安全的Claude Mythos Preview相比，Sonnet 5在同樣的評估中顯示出略高的不當行為發生率。 這個表述很謹慎，但也足夠說明問題，更強的模型在某些安全維度上反而做得更好。
最直觀的對比來自一項與Mozilla合作開發的漏洞利用測試。
任務是讓模型為Firefox 147瀏覽器編寫可用的軟件漏洞利用程序。Sonnet 5的成績單很干凈，完全搞不出能用的漏洞，成功率為零。它的部分成功率是13.2%，略高于前代Sonnet 4.6的8.8%，但這兩個數字在Opus 4.8面前都不值一提，Opus 4.8搞出了68.8%的可用漏洞利用程序，而Mythos 5更是高達88.4%。
也就是說，盡管Sonnet 5的全能性飆升了，但在需要極強破壞力的網絡安全技巧上，它和兩個老大哥之間還隔著一條鴻溝。
防止它因為聰明過頭而亂來，Anthropic的處理方式是直接默認開啟網絡安全防護。這套系統能實時檢測并阻止危險的網絡使用行為，只要模型試圖觸碰危險區域，防護罩就會彈出來。
官方解釋說，這套防護措施的嚴格程度和Opus 4.7及4.8上的一樣，因為他們判斷Sonnet 5的總體網絡安全風險水平較低，所以沒有采取像限制Fable 5那樣更嚴厲的手段。
對于那些有特殊需求、需要較少防護進行網絡安全研究的組織，Anthropic提供了一個"網絡安全驗證計劃"（Cyber Verification Program）的通道。已經加入該計劃的組織在Sonnet 5上會自動獲得同樣的訪問權限，不需要重新申請。總的來說，官方還是推薦那些正經做網絡安全工作的人去用Opus 4.8。
06 Sonnet 5在IPO敘事里扮演什么角色
Anthropic正在沖刺上市，估值已經推到接近萬億美元。在這個節點上推Sonnet 5，它更像是一次策略上的落子，而不只是例行更新。
翻看它近半年的融資軌跡，速度確實快。今年2月，Anthropic以3800億美元的估值完成了300億美元融資，當時的年化營收達到140億美元，過去三年里每年增長超過十倍。到5月下旬，它又完成了650億美元的H輪融資，估值直接跳到9650億美元，年化營收已經飆過470億美元。
但這種增長速度也帶來了一個躲不開的審視。分析機構D.A. Davidson的科技研究主管吉爾·盧里亞（Gil Luria）潑過一盆冷水，他提醒說，盡管Anthropic在尖端模型方面看起來確實領先，但目前大部分使用量來自試用和實驗，這恐怕沒法持續。 把開發者的獵奇式試用，轉化成簽了長期合同的生產級依賴，是橫在AI實驗室面前最要命的一道坎。
在這個背景下看Sonnet 5的定價策略，邏輯就清晰了。那些正在試用昂貴Opus級模型的企業客戶，可能會發現Sonnet 5在財務部門愿意大規模批準的價位上，提供了足夠好的生產質量。如果這件事跑通了，它就能加速整個行業從實驗到部署的轉變，而那正是Anthropic為自己的估值提供合理性的關鍵一步。
還有一個容易被忽略的信號。就在Sonnet 5發布前一天，加州州長加文·紐森（Gavin Newsom）宣布了一項合作，以五折的折扣向所有州政府機構提供Claude，還附帶免費的勞動力培訓。這意味著，Anthropic將獲得持續性、經常性的收入。
Anthropic美洲區負責人凱特·詹森（Kate Jensen）說，這是為了讓Claude為那些維持加州運轉的人服務。這個協議還延伸到了加州各個市縣，代表的不是一次性的買賣，而是那種能讓收入基礎穿透開發者社區，扎進公共服務體系的深度綁定。對企業客戶來說，這種能穩定處理復雜文檔的能力，恰恰是他們愿意掏錢的理由。
07競爭格局和估值壓力
Sonnet 5發布的時機，也恰好撞上了整個行業競爭最密集的窗口。
OpenAI在三月份以8520億美元估值完成了1220億美元融資，同樣在籌備自己的IPO。埃隆·馬斯克的SpaceX和xAI合并后，IPO定價每股135美元，估值到了1.77萬億美元。谷歌、Meta以及一批資金充裕的亞洲AI初創公司都在爭奪同一個企業市場。
這是一場燒錢的軍備競賽，沒人敢停下來喘息。
PitchBook的分析師哈里森·羅爾夫斯（Harrison Rolfes）對此說過一句很實在的話。他的意思是，別光盯著估值和營收這些表面數字看，那些都可以靠燒錢堆出來。真正要命的數字是毛利率，就是公司每掙一塊錢，扣掉算力、電費這些直接成本之后，到底還能剩下多少。這個數字外界到現在都沒見過。如果毛利率難看，再高的營收也只是賠本賺吆喝。
所以，2026年這一波AI公司的上市，要么會成為互聯網泡沫以來最成功的一次資本盛宴，要么就會變成一個反面教材，讓公開市場的投資者記住，光聽故事不看賬本，代價到底有多貴。
這句話的潛臺詞是，華爾街不會被營收的高速增長輕易打動，他們會一層層剝開財報，去看每一塊錢的營收背后到底燒掉了多少算力成本。而毛利率，就是那個檢驗AI公司到底是科技奇跡還是資本黑洞的關鍵指標。公開市場很殘酷。
結語
現在球已經踢出去了。Sonnet 5的真正考驗不在發布當天的跑分圖上，而在接下來幾個月的賬單和留存率里。 開發者是不是真的把日常工作流遷過來了？月底收到賬單時，他們是點頭還是皺眉？這些才作數。
拆開來看，有三個變量會決定答案。
第一個是智能體的可靠性。 基準測試測的是能力天花板，但生產環境測的是長期穩定性。成千上萬的開發者在各自混亂、不可預測的場景里跑起來之后，Sonnet 5會不會掉鏈子，比它在實驗室里跑出多高的分都關鍵。
第二個是那個藏在分詞器里的賬單變量。 如果企業客戶不針對自己的業務場景老老實實做成本測算，只是看一眼宣傳的每token單價就覺得便宜，那等到優惠期結束，真實賬單可能會讓人嚇一跳。
第三個變量更有意思。 假設Sonnet 5真的成功了，開發者大規模遷移過來，企業客戶也把它塞進了生產流程，接下來會發生什么？
Opus的位置會變得很尷尬。如果Sonnet已經能在絕大多數場景下以低得多的成本提供夠用的性能，誰還愿意花兩倍以上的錢去調用Opus？到時候Anthropic可能被自己的成功反噬，Sonnet賣得越好，Opus的銷量就越受擠壓，而Opus才是毛利更高的那條產品線。
要么主動降價壓縮利潤空間，要么硬扛著看客戶從高價產品流向低價產品，兩條路都不好走。
Anthropic這次的賭注，恰好壓在兩種結局中間。
它拿出一個性能直逼旗艦、價格卻能大規模鋪開的模型，就是想證明一件事：尖端能力可以不只停留在最貴的旗艦層，也能變成企業每天都能調用、同時還能賺錢的基礎設施。
等Anthropic真正走到公開市場面前，投資者會給出答案：這種"接近旗艦、價格下探"的路線，能不能支撐一個接近萬億美元的故事。
本文來源：網易智能
責任編輯：
王鳳枝_NT2541
