Anthropic 推出 Claude Sonnet 4.5：加碼程式設計與智慧體，加量不加價

過去大模型寫程式碼，最怕的就是跑著跑著開始胡言亂語。上下文一長，前腳修好的 bug 後腳又改回去，稍微大一點的專案就得人類程式設計師寸步不離地盯著。

Anthropic 剛剛上線的 Claude Sonnet 4.5，看起來就是要打破這個魔咒。這家公司直接把新模型叫作全球最強程式設計模型，而且在價格上一分沒漲，依然保持輸入每百萬 token 3 美元、輸出 15 美元的老規矩。

連寫 30 小時程式碼不掉線

這次最嚇人的數字，是它在複雜多步驟任務裡能連續自主執行超過 30 個小時。據 Anthropic 研究員透露，在早期企業客戶測試裡，它不僅能獨立寫程式碼，還順手拉起了資料庫、買下域名，甚至連 SOC 2 安全審計都一起辦了。

還有測試案例顯示，它連續跑了整整 30 個小時，直接從零敲出一個類似 Slack 的團隊聊天軟體，吐出了大約 1.1 萬行程式碼，直到全部跑通才收工。此前 Opus 4 的紀錄是連續寫 7 個小時程式碼，而在社交平臺上，也有開發者翻出 GPT-5-Codex 的紀錄同樣是 7 個小時左右。

在基準測試上，Sonnet 4.5 在衡量真實程式設計能力的 SWE-bench Verified 上拿到了 77.2% 的成績，如果開啟並行取樣和測試期算力，分數能進一步飆到 82.0%。

另外在操控電腦的 OSWorld 測試裡，它的得分直接衝到了 61.4%。要知道四個月前 Sonnet 4 領跑時，這個數字還只有 42.2%。Anthropic 內部人員提到，它的網頁操作能力比一年前整整強了三倍，甚至被用來自動化篩選簡歷和拉通跨團隊日程。

把自己的看家底座掏了出來

模型本身變強是一回事，給開發者的工具鏈這次也來了一輪大換血。

之前大家用命令列工具 Claude Code 容易心驚肉跳，生怕 AI 大改之後把倉庫改崩。這次官方直接上線了 Checkpoints 檢查點功能，只要雙擊 Esc 或者輸入指令，就能隨時把程式碼甚至對話回滾到之前的任意節點。

除了給 Claude Code 推出官方的 VS Code 外掛 beta 版，Anthropic 還把原本內部專用的 Claude Code 底座打包成了 Claude Agent SDK，向所有開發者開放。

換句話說，官方用來做多智慧體協同、長任務記憶管理和許可權控制的核心元件，現在大家都能直接拿來造自己的 Agent。像 Cursor 和 Windsurf 這些頭部程式設計工具的負責人，也都第一時間站出來給這套底座背書。

在安全性上，Sonnet 4.5 採用了 ASL-3 防護級別，首次引入機械可解釋性技術進行對齊測試，著重削弱了模型的虛意逢迎、欺騙傾向和提示詞注入風險。為了防止危險內容誤傷，如果觸發安全攔截，系統支援無縫切迴風險更低的 Sonnet 4 繼續對話。

為什麼重要

在過去一年裡，開發者往往把 Claude 當成程式碼輔助的首選，但隨著 OpenAI 在 GPT-5 系列上步步緊逼，Anthropic 面臨著極大的防守壓力。Sonnet 4.5 的釋出，實際上是一次非常兇狠的正面反擊。

對一線工程師和技術團隊來說，這個模型最大的價值在於長程任務的穩定性。以前 AI 程式設計往往只能寫個函式、修個單點報錯，稍微涉及跨檔案的大重構就容易崩潰。現在能撐住數十小時的連續上下文，配合隨時回滾的檢查點，意味著你可以放心把一些髒活累活丟給它通宵去跑。

我們認為，Anthropic 最聰明的動作是把內部的 Agent SDK 直接交出來。很多團隊卡在 Agent 落地這一步，往往不是因為模型不夠聰明，而是上下文管理和子任務排程太難寫。官方直接開源這套腳手架，等於把自家的模型繫結成了整個 Agent 開發鏈條的預設標準。

不過，30 個小時的自主執行在實際生產中依然伴隨著風險。程式碼能跑通並不等於邏輯完全符合業務預期，數萬行由模型自動生成的程式碼如果缺乏透明審查，後續的維護成本很可能會轉嫁給團隊。想把它直接接入核心生產環境的開發者，最好還是先從非核心模組的重構開始試水。