Anthropic发布Claude Sonnet 5，性能提升且成本降低，Fable 5也将回归
【Claude Sonnet 5发布】
据悉，Fable 5回归在即，Anthropic同步发了一款中端模型抢用户。美国当地时间6月30日，Anthropic发布了Claude Sonnet 5，并将其定位为 "迄今为止智能体能力最强的Sonnet模型"。Anthropic表示，模型能自主制定计划，调用浏览器和终端等外部工具，在没有人工干预的情况下独立完成多步骤任务。
Anthropic在官方博客中写道，智能体时代对很多开发者来说始于Sonnet级别模型，Claude Sonnet 3.5、3.6和3.7是首批在编码和工具使用方面展现出技能的模型，但近期智能体能力最显著的提升主要来自Opus级别。Sonnet 5的作用是把这种能力往下放，让中端模型也能做到过去需要旗舰模型才能完成的事。
价格方面，8月31日前，输入每百万token 2美元，输出每百万token 10美元，之后回调为标准定价，输入每百万token 3美元，输出每百万token 15美元。作为对比，Opus 4.8的定价是输入5美元、输出25美元。按标准定价计算，Sonnet 5每百万token的成本比Opus 4.8低约六成。
【Fable 5系列模型转机】
值得一提的是，此前因为安全问题被下架的Fable 5系列模型将迎来转机。美国商务部长卢特尼克在社交平台X上发帖称，在过去的两个星期里，与Anthropic密切合作，对Fable 5进行了分析与批准，以确保美国政府内部达成一致，暗示这款被誉为Anthropic史上最强模型即将回归。
随后，Anthropic回应称，已收到通知，Claude Fable 5和Mythos 5将于明天（当地时间7月1日）开始恢复访问。
【基准测试成绩】
Anthropic公布了五项主要评估成绩，Sonnet 5在所有项目上均较前代Sonnet 4.6有明显提升。Sonnet 5在五项主要评估中缩小了与旗舰模型Opus的差距，并在其中一项上实现反超。
在智能体编码基准SWE - bench Pro上，Sonnet 5得分63.2%，Sonnet 4.6为58.1%，Opus 4.8为69.2%，差距从前代的11.1个百分点缩小到6个百分点。在Terminal - Bench 2.1编码评估中，Sonnet 5拿到80.4%，Sonnet 4.6只有67.0%，Opus 4.8为82.7%，这项评估上Sonnet 5较前代提升了13.4个百分点，与Opus 4.8的差距只剩2.3个百分点。
多学科推理方面，评估用的是Humanity‘s Last Exam。Anthropic在此次发布中更新了这项考试评分模型，并将Sonnet 4.6的得分修正为34.6%（无工具）和46.8%（有工具），与Sonnet 4.6发布博客中报告的数字不同。Sonnet 5在无工具条件下得分43.2%，有工具辅助下得分57.4%。有工具时57.4%的成绩与Opus 4.8的57.9%基本持平，差距仅0.5个百分点。
计算机使用评估OSWorld - Verified，Anthropic同样调整了评估方式，使其更准确反映模型在真实世界中的表现。Sonnet 4.6的得分由此更新为78.5%，Sonnet 5的得分是81.2%，提升了2.7个百分点。在计算机使用任务上，Sonnet 5以更低的单任务成本，接近了Opus 4.8的准确度。
知识工作基准测试GDPval - AA v2是Sonnet 5唯一直接超过Opus 4.8的项目。Sonnet 5得分1618分，Sonnet 4.6为1395分，Opus 4.8为1615分。
Anthropic在官方博客中表示，从这些评估结果来看，Sonnet 5的进步幅度很大，性能已经跃升到了与Opus 4.8大幅重叠的层级。
【安全性能情况】
Anthropic在部署前安全评估中对Sonnet 5做了多项测试，结论是相比Sonnet 4.6整体有所改进。在智能体安全方面，Sonnet 5更擅长拒绝恶意请求，抵抗提示注入攻击劫持的能力也更强。出现幻觉和谄媚行为的比率较Sonnet 4.6更低。在自动化行为审计中，测试范围覆盖了配合滥用、欺骗等广泛的不当行为，Sonnet 5的总体得分低于Sonnet 4.6，即不当行为发生率更低，更安全。
Anthropic能力更强的模型，不当行为发生率比Sonnet 5更低，但Sonnet 5相较前代已有明显改善。与Opus 4.8和Claude Mythos Preview相比，Sonnet 5在相同审计中显示出略高的不当行为发生率。Anthropic的安全评估是一套梯度体系：模型能力越强，安全对齐表现越好。Sonnet 5处于中间位置，优于前代但不及旗舰模型。
在网络攻击能力方面，Anthropic与Mozilla合作进行了评估，测试模型为Firefox 147浏览器中的漏洞开发利用程序的能力。相关漏洞已在Firefox 148中修补。两个Sonnet模型都未能针对Firefox漏洞生成可利用程序，而Mythos 5的成功率接近90%。两个Sonnet模型均未能成功开发出可用的漏洞利用程序，成功率为0.0%。Sonnet 5的部分成功率为13.2%，Sonnet 4.6为8.8%。与之相比，Opus 4.8的漏洞利用成功率为68.8%，Mythos 5为88.4%。两个Sonnet模型与旗舰模型在网络攻击能力上的差距在一个数量级以上。
Anthropic表示没有特意针对网络安全任务训练Sonnet 5。该公司分析认为，Sonnet 5在部分成功率上的微小提升很可能来自通用智能的改善，而非专项训练。它可以执行一些常规、无害的网络任务，但在开发软件漏洞利用等有潜在危险的技能上，远低于Opus和Mythos系列。
由于Sonnet 5在这类任务上比前代稍强，Anthropic默认启用了网络安全防护功能。这套防护系统可实时检测并阻止危险的网络使用行为，防护等级与Opus 4.7和4.8上的相同。与之对照，Fable 5的防护措施更为严格，会拦截范围更广的网络安全任务。Anthropic对Sonnet 5的整体网络风险判断为较低水平，因此没有采用最严等级的防护。对于需要较少防护的网络安全工作，Anthropic推荐使用Opus 4.8。
【性能与token消耗变化】
Anthropic在公告脚注中披露了一项技术变更。Sonnet 5使用了更新的tokenizer，改变了模型处理文本的方式，目的是提升性能。这个改动与Claude Opus 4.7中引入的tokenizer更改类似。
更新tokenizer的代价是，相同内容的输入可能映射为原来1.0到1.35倍的token数量，具体取决于内容类型。也就是说，同一段文字在Sonnet 5中可能比在Sonnet 4.6中消耗更多token。
Anthropic解释称，优惠定价的设定旨在使用户过渡到Sonnet 5时大致保持成本中性。但 “大致” 意味着存在变量，运行高容量工作负载的企业客户需要对自己特定用例做基准测试，不能直接假定账单不变。
速率限制方面，为适应Sonnet 5更高等努力程度设置带来的更高token使用量，Anthropic已提高Chat、Cowork、Claude Code和Claude Platform的速率限制。在此之前，2026年4月26日，Anthropic已将每个使用层级的Sonnet和Haiku速率限制调高，同时将Claude Platform的层级简化为三个：Start、Build和Scale。用户可以在Claude Console中查看自己所在的层级和当前限制。
【发布背景与竞争态势】
Sonnet 5发布的时间节点处于Anthropic筹备IPO的关键阶段。该公司已经于2026年6月初向SEC秘密提交了IPO招股说明书，CNBC称这将是 “科技史上最受审视的公开募股活动”。
据《卫报》报道，Anthropic在2026年2月以3800亿美元估值融资300亿美元时，年化营收达到140亿美元，过去三年每年增长超过十倍。到5月下旬，该公司完成650亿美元H轮融资，由Altimeter Capital和Sequoia Capital等共同领投，投后估值9650亿美元，年化营收超过470亿美元。
PitchBook分析师哈里森·罗尔夫斯（Harrison Rolfes）表示，私人市场三年来一直在给AI公司定高价，这个叙事能不能站住脚，关键数字既不是估值，也不是营收，要看毛利率。但毛利率数字，外部至今还没见过。
在Sonnet 5发布前一天，加州州长加文·纽森（Gavin Newsom）宣布了一项合作，以50%的折扣向所有州政府机构提供Claude服务，并提供免费的劳动力培训，优惠延伸到加州各市县。Anthropic美洲区负责人凯特·詹森（Kate Jensen）表示，此举的目的是 “让Claude为维护本州运转的人们服务”。这种政府合同通常代表着持久的、经常性的收入来源。
竞争方面，OpenAI在2026年3月以8520亿美元估值完成1220亿美元融资，同样在筹备IPO。埃隆·马斯克（Elon Musk）的SpaceX与xAI合并后，IPO定价每股135美元，估值达到1.77万亿美元。Google、Meta也在推进自己的企业级AI产品。据《华尔街日报》报道，亚洲AI初创公司正在开发类似Mythos的网络安全能力。各方都在争夺同一个企业市场。
D.A. Davidson科技研究主管吉尔·卢里亚（Gil Luria）表示，尽管Anthropic “在尖端AI模型方面似乎处于领先地位”，但 “他们当前的大部分使用量来自试用和实验，这可能无法持续”。这句话指向了所有AI实验室的共同问题：把开发者的实验性使用转化为生产级收入。