Anthropic 发布 Claude 4：Opus 4 主打长任务编程，Claude Code 正式可用

以前让 AI 帮你写个大项目，最怕的不是它不会写，而是它中途开始「偷懒」：遇到硬骨头就绕着走，或者写着写着就把最初的架构全忘了。

Anthropic 发布的 Claude 4 系列，可以说是冲着 AI 的这些「打工毛病」精准下刀。这次登场的是 Claude Opus 4 和 Claude Sonnet 4 两款主力，核心卖点就是死磕长时间、多步骤的智能体复杂任务。

边想边查，甚至学会了自己做笔记

Opus 4 和 Sonnet 4 都延续了混合推理模式，既能快速秒回，也能开启深度思考。不过这次有了一个质的飞跃：深度思考时支持调用工具了。

这意味着 Claude 在脑子里盘算步骤的时候，可以随时停下来去联网搜索、调用本地工具，边推理边印证。此外，两款模型现在都能并行执行工具，把过去串行等待的时间砍了大半。

针对智能体最让人头疼的「找漏洞交差」现象，Anthropic 表示两款模型在容易钻空子的任务上，偷懒行为比 Sonnet 3.7 减少了 65%。

记忆机制也变得更加实用。当开发者开放本地文件权限后，Opus 4 会主动建立和维护自己的「记忆文件」，把关键背景与事实沉淀下来。Anthropic 在测试里甚至让它在玩《宝可梦》时，自己给自己写了一份「导航指南」。

配套生态也全线推进。命令行工具 Claude Code 结束预览正式 GA，不仅支持 VS Code 和 JetBrains 的内联代码修改，还能通过 GitHub Actions 在后台跑任务。API 层面则补充了代码执行工具、MCP 连接器、Files API 以及长达一小时的提示词缓存。

价格方面 Anthropic 没涨价，保持原样：Opus 4 每百万输入/输出 token 依旧是 15 美元和 75 美元，Sonnet 4 依然是 3 美元和 15 美元。免费用户现在就能用上 Sonnet 4。

连轴转 7 小时，以及首次拉响的 ASL-3

跑分上，在不使用额外规划工具的情况下，Sonnet 4 在 SWE-bench Verified 拿到了 72.7%，Opus 4 为 72.5%；在高算力采样模式下，两者成绩分别冲到了 80.2% 和 79.4%。

业内合作伙伴的反馈把重点放在了「持久力」上。Rakuten 测试显示 Opus 4 能够独立运行长达 7 小时进行开源项目重构，期间表现始终在线。GitHub 明确宣布将 Sonnet 4 作为 GitHub Copilot 新代码智能体的驱动模型。Cursor、Replit 和 Cognition 也都在第一时间接入。

在能力飙升的同时，Anthropic 宣布首次对 Opus 4 激活 ASL-3（三级人工智能安全标准）防护措施。

虽然 Anthropic 坦言还没完全确定 Opus 4 是否已经越过了三级危险门槛，但他们选择提前顶格设防。这套防御重点防范模型在化学生物放射与核武器（CBRN）任务中被越狱滥用，同时大幅提升了防止模型权重被窃取的安防等级。

为什么重要

我们认为，Claude 4 标志着大语言模型的竞争重点，已经彻底从单纯的「单轮对话解答」转向「多小时维度的自主交付」。

对开发者和工程团队来说，这次的升级极具吸引力。过去很多智能体在跑到第十步时就会迷失上下文，而 Opus 4 展现出的长程连贯性、主动记录记忆文件以及减少偷懒的特质，意味着原本只能人工完成的代码重构、复杂测试修复，现在真的可以丢给它在后台跑上几个小时。即使是不买单的高阶个人用户，直接免费体验到的 Sonnet 4 也拥有顶级的代码和推理底子，完全值得立刻切换为主力模型。

从行业格局来看，Anthropic 的策略非常稳健聪明。他们没有陷入单纯堆叠参数的数字游戏，而是通过给 extended thinking 加上工具调用、推出官方 Claude Code SDK、打通主流 IDE，把开发者的整个工作流牢牢锁在自己的生态内。GitHub Copilot 倒戈引入 Sonnet 4，更是直接在微软的大本营撕开了一个口子。

不过，这种长程自主能力的隐患同样不容忽视。7 小时的自主执行意味着一旦智能体理解偏差，造成的破坏或产生的冗余代码也是成倍的。Anthropic 顶着算力开销主动拉响 ASL-3 防护，也从侧面印证了顶尖模型在长链路推理下的不可控风险。接下来业内的考验，不再是谁能写出第一段代码，而是谁敢真正对跑了一整夜的 AI 代码点击 Merge。