Anthropic 推出 Claude Sonnet 4.5：加码编程与智能体，加量不加价

过去大模型写代码，最怕的就是跑着跑着开始胡言乱语。上下文一长，前脚修好的 bug 后脚又改回去，稍微大一点的项目就得人类程序员寸步不离地盯着。

Anthropic 刚刚上线的 Claude Sonnet 4.5，看起来就是要打破这个魔咒。这家公司直接把新模型叫作全球最强编程模型，而且在价格上一分没涨，依然保持输入每百万 token 3 美元、输出 15 美元的老规矩。

连写 30 小时代码不掉线

这次最吓人的数字，是它在复杂多步骤任务里能连续自主运行超过 30 个小时。据 Anthropic 研究员透露，在早期企业客户测试里，它不仅能独立写代码，还顺手拉起了数据库、买下域名，甚至连 SOC 2 安全审计都一起办了。

还有测试案例显示，它连续跑了整整 30 个小时，直接从零敲出一个类似 Slack 的团队聊天软件，吐出了大约 1.1 万行代码，直到全部跑通才收工。此前 Opus 4 的纪录是连续写 7 个小时代码，而在社交平台上，也有开发者翻出 GPT-5-Codex 的纪录同样是 7 个小时左右。

在基准测试上，Sonnet 4.5 在衡量真实编程能力的 SWE-bench Verified 上拿到了 77.2% 的成绩，如果开启并行采样和测试期算力，分数能进一步飙到 82.0%。

另外在操控电脑的 OSWorld 测试里，它的得分直接冲到了 61.4%。要知道四个月前 Sonnet 4 领跑时，这个数字还只有 42.2%。Anthropic 内部人员提到，它的网页操作能力比一年前整整强了三倍，甚至被用来自动化筛选简历和拉通跨团队日程。

把自己的看家底座掏了出来

模型本身变强是一回事，给开发者的工具链这次也来了一轮大换血。

之前大家用命令行工具 Claude Code 容易心惊肉跳，生怕 AI 大改之后把仓库改崩。这次官方直接上线了 Checkpoints 检查点功能，只要双击 Esc 或者输入指令，就能随时把代码甚至对话回滚到之前的任意节点。

除了给 Claude Code 推出官方的 VS Code 插件 beta 版，Anthropic 还把原本内部专用的 Claude Code 底座打包成了 Claude Agent SDK，向所有开发者开放。

换句话说，官方用来做多智能体协同、长任务记忆管理和权限控制的核心组件，现在大家都能直接拿来造自己的 Agent。像 Cursor 和 Windsurf 这些头部编程工具的负责人，也都第一时间站出来给这套底座背书。

在安全性上，Sonnet 4.5 采用了 ASL-3 防护级别，首次引入机械可解释性技术进行对齐测试，着重削弱了模型的虚意逢迎、欺骗倾向和提示词注入风险。为了防止危险内容误伤，如果触发安全拦截，系统支持无缝切回风险更低的 Sonnet 4 继续对话。

为什么重要

在过去一年里，开发者往往把 Claude 当成代码辅助的首选，但随着 OpenAI 在 GPT-5 系列上步步紧逼，Anthropic 面临着极大的防守压力。Sonnet 4.5 的发布，实际上是一次非常凶狠的正面反击。

对一线工程师和技术团队来说，这个模型最大的价值在于长程任务的稳定性。以前 AI 编程往往只能写个函数、修个单点报错，稍微涉及跨文件的大重构就容易崩溃。现在能撑住数十小时的连续上下文，配合随时回滚的检查点，意味着你可以放心把一些脏活累活丢给它通宵去跑。

我们认为，Anthropic 最聪明的动作是把内部的 Agent SDK 直接交出来。很多团队卡在 Agent 落地这一步，往往不是因为模型不够聪明，而是上下文管理和子任务调度太难写。官方直接开源这套脚手架，等于把自家的模型绑定成了整个 Agent 开发链条的默认标准。

不过，30 个小时的自主运行在实际生产中依然伴随着风险。代码能跑通并不等于逻辑完全符合业务预期，数万行由模型自动生成的代码如果缺乏透明审查，后续的维护成本很可能会转嫁给团队。想把它直接接入核心生产环境的开发者，最好还是先从非核心模块的重构开始试水。