旗艦「受困」，升級 Sonnet 5 救場，能力直追 Opus

用中端模型的成本優勢，補上旗艦模型的缺。

作者｜樺林舞王

編輯｜靖宇

六月的最后一天，Anthropic 在官網上線了兩條公告。

一條是 Claude Sonnet 5，Anthropic 自己給它的定位是「最具代理能力的 Sonnet 模型」。另一條是 Claude Science，一個面向科研人員的 AI 工作臺。兩件事放在同一天發布，單看任何一條都像是常規迭代，但把它們放進過去三周的背景里，畫面就不一樣了。

01

Agent 能力加強，Sonnet 5 直追 Opus

先說 Sonnet 5 的數字。

在 SWE-bench Verified 這個衡量代碼能力的基準測試上，Sonnet 5 的得分是 92.4%。Anthropic 自家的 Opus 4.6 是 80.8%，OpenAI 的 GPT-5.4 是 57.7%。這是 Anthropic 的中間檔模型，用 Sonnet 的定價，跑出了超過旗艦的數字。

Sonnet 5 模型相對旗艦模型的能力也不遑多讓｜圖片來源：Anthropic

定價層面，上線初期每百萬輸入 token 收 2 美元，輸出 10 美元，8 月 31 日之后升到 3 美元和 15 美元。對照 Opus 4.8，便宜一大截，也比 GPT-5.5 和 Gemini 3.1 Pro 更低。

Anthropic 在發布文檔里說，Sonnet 5 能制定計劃、使用瀏覽器和終端工具，以「自主方式」運行——而「這在幾個月前需要更大、更昂貴的模型才能實現」。這句話說得直白，等于是在公開承認：旗艦模型的能力正在向下滲透，速度比外界預期的快。

在不同模型不同檔位下代理工作完成水平 Sonnet 5 和 Opus4.8 非常接近了｜圖片來源：Anthropic

Zapier 的工程師 Daniel Shepard 測試了一個兩步驟任務，讓模型同時更新 Salesforce 賬戶等級并向企業聯系人發送公告。他的反饋是，Sonnet 5「從頭到尾完成了整個任務，這在過去會中途停頓」。這類具體的工程反饋比基準分數更有參考價值——它說明代理任務的可靠性門檻正在被突破，而且是在中端定價上突破的。

對于構建多步驟自動化流程的團隊來說，這改變了一道關鍵的成本計算題：以前必須調用旗艦模型才能完成的任務，現在可以用三分之一甚至更低的價格搞定。

02

政府的那封信，和被壓住的旗艦

把時間撥回兩周前，這次發布的背景會清晰很多。

6 月 12 日，Anthropic 暫停了 Fable 5 和 Mythos 5 兩個新模型的訪問權限，原因是美國政府的出口管制指令——禁止非美國國民使用這兩個模型。外界猜測觸發點之一是政府發現了 Fable 5 的某個越獄方法，能繞過其最強能力的安全防護。

兩周之后，6 月 26 日，美國商務部長發出一封信，批準 Anthropic 向約 100 家公司和聯邦機構有限發布 Mythos 5，表述是「已確定存在適當的保障措施」。但 Fable 5 的訪問權限至今未獲批準恢復。

所以，6 月 30 日這一天，Anthropic 的真實處境是：最強的兩個模型一個被限流、一個仍被凍結，商業發布受制于政府窗口。在這個背景下發布 Sonnet 5，并著重強調它的代理能力「接近 Opus 4.8」，邏輯變得連貫了——被壓住的旗艦序列無法正常鋪開，那就讓中端產品撐起當下的商業需求。

這不是 Anthropic 第一次在監管和商業節奏之間做騰挪。今年 6 月它還在首爾開設了新辦公室，持續推進在韓國市場的本地化合作。一邊是旗艦被美國政府拴住，一邊是國際市場還在推進，兩條線并行，內部的協調壓力可想而知。

03

Claude 的 AI4S

Claude Science 是今天另一條更安靜但可能更持久的線索。

它的形態是「AI 工作臺」，整合了 60 多個科學數據庫和專用工具包，核心不是一個新模型，而是一套工作流。底層調用的還是 Opus 4.8 這類現有模型，但外面包了一層專門為科研設計的環境——生成可審計的產物、靈活的計算資源接入，以及一個 Anthropic 特別強調的功能：

可復現性。

每張圖表都附帶生成它的完整代碼、運行環境、純語言說明，以及完整的消息歷史。研究人員數月后還能追溯任何結果的來源。在學術界，可復現性危機已經吵了十幾年，AI 工具如果能系統性地把這個痛點嵌入工作流，對科研群體的吸引力不會小。

Claude Science 的工作頁面｜圖片來源：Anthropic

Anthropic 宣布會支持最多 50 個 Claude Science 科研項目，每個項目提供最多 3 萬美元的計算積分，合作方 Modal 另外提供最多 2000 美元的計算資源。這個量級不算大，更多像是在圈定早期用戶群體、跑通模式。

今年 4 月，OpenAI 發布了 GPT-Rosalind，一個針對生物推理微調的專門模型，當時以研究預覽形式推出，訪問權限限于美國境內的合格企業客戶。

兩家的策略分叉明顯——OpenAI 選擇了定制模型，Anthropic 選擇了工作流整合。哪條路更適合科研場景，目前還很難判斷，但 Anthropic 的邏輯有一定說服力：大多數科學家并不缺一個更聰明的模型，他們缺的是一個能把數據庫、工具、代碼環境和結果審計串在一起的穩定工作臺。（或者說，他們缺的是不用每次打開五個窗口互相復制粘貼的工作流——這大概是今天科研圈最普遍的日常。）

04

從模型競賽到系統競爭

整個 AI 行業在過去一年里經歷了一次微妙的敘事轉移。

2024 年之前，模型發布基本等于「性能排行榜」的一個新條目，討論焦點是參數量、基準分數、上下文窗口。而現在，頭部公司發布新模型時越來越多地在談「總體擁有成本」「工作流集成」「代理任務的可靠性」，基準測試退到了配角位置。

Sonnet 5 和 Claude Science 是這個趨勢的一個切片。前者的核心價值不是「更聰明」，而是「用更低的成本做到足夠聰明」；后者的核心價值不是「新模型」，而是「把模型接進你本來的工作環境」。

業內有一種觀點正在變成共識：性能競賽對大多數實際應用場景來說已經走到了一個拐點，絕大多數企業用戶需要的能力，現有的中端模型基本都夠用，剩下的差異化要靠成本、可靠性和生態集成來決定。

Anthropic 今天的兩個發布，一個往左，一個往右，一個對準開發者和企業的代理場景，一個對準科學家的專業工作流，看起來像是在同時押注兩個方向。但更準確的理解或許是：它在測試，當模型本身不再是主要壁壘的時候，什么才是留住用戶的真正理由。

Fable 5 的訪問權限還沒恢復，下一步怎么走還要等政府那邊的窗口。但在等待窗口打開之前，中端產品線和垂直工具的版圖已經先鋪出去了。

*頭圖來源：Anthropic

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

AI 模型的競爭終點是「性能天花板」，
還是「誰先讓大多數人用得起、用得順」？