Sonnet 5终于来了，然而Opus 4.8现在有点尴尬

文 | 字母AI

沉寂半年后，终于Anthropic 终于推出了 Sonnet 5。点尴对于普通用户而言，终于这是点尴一个复杂的消息：好消息是，其性能已几乎与旗舰模型 Opus 4.8 持平；坏消息是终于，由于分词器变更，点尴单位成本有所上升。终于不过，点尴Anthropic 宣布在 8 月 31 日前提供 Token 折扣，终于以缓解短期成本压力。点尴

尽管 Fable 5 和 Opus 4.8 代表了 Anthropic 的终于技术天花板，也是点尴其 IPO 叙事的核心引擎，但对于大多数消费者和开发者来说，终于Sonnet 5 才是点尴更具性价比的选择——它既足够聪明，又不会让月底账单令人肉疼。终于

与此同时，Anthropic 被曝在系统提示词中对中国用户进行隐蔽标记。虽然目前尚无公开证据表明这会导致封号或降权，但这种通过细微格式差异（如日期分隔符和标点符号）在后台识别特定地区用户的做法，引发了极大的敏感性和争议。

此外，Anthropic 官方确认，美国已解除对 Claude Fable 5 和 Mythos 5 的出口管制，恢复访问权限将于明日生效。

Sonnet 5 的核心优势：Agent 能力跃升

不绕弯子，直接看数据。Sonnet 5 在多个维度实现了显著突破，尤其是 Agent（智能体）能力。

1. 编程与 Agent 性能

• Agent 编程得分：Sonnet 5 达到 63.2%，较 Sonnet 4.6（58.1%）提升 5.1%，距离 Opus 4.8（69.2%）仅差 6%。
• 知识领域反超：在部分知识类测试中，Sonnet 5 的表现甚至超越了 Opus 4.8。

Anthropic 将 Sonnet 5 定位为“迄今为止最具 Agent 能力的 Sonnet”。它具备自主制定计划、调用浏览器和终端等工具、以及长时间独立运行的能力。这意味着，以前只有更大、更昂贵的 Opus 和 Fable 级别模型才能完成的任务，Sonnet 5 现在也能胜任。

2. 性价比与效率

真正令人惊讶的是其在 Agent 搜索和计算机操作方面的表现：
* 低努力模式：在不提高模型“认真（effort）程度”的情况下，Sonnet 5 能完成的工作量超过 Opus 4.8。
* 高努力模式：当调整至最高“认真”档位时，Sonnet 5 在部分任务中直接追上 Opus 4.8，而成本仅为后者的 80%-90%。

总结：Sonnet 5 以不到 Opus 4.8 一半的价格，达到了其 80%-90% 的水平。

3. 用户体验与安全

• 复杂任务处理：测试者反馈，Sonnet 5 能轻松完成以前 Sonnet 无法处理的复杂任务，并具备主动检查输出的能力。
• 案例：Zapier 工程师让模型执行“更新 Salesforce 账户等级并发送企业公告邮件”，Sonnet 5 一次性完成，而旧版本常在此类多步操作中中断。
• 安全性提升：
• 幻觉率和迎合倾向均低于 Sonnet 4.6。
• 在 Agent 场景下，抵御提示注入攻击的能力更强。
• 默认开启实时安全防护：后台实时检测危险操作，发现即切断。

4. 漏洞利用测试：有意为之的“克制”

Anthropic 联合 Mozilla，使用 Firefox 147 的已知漏洞测试模型的漏洞利用能力（即给定漏洞，看模型能否写出攻击代码）。

• Sonnet 5 & 4.6：完整漏洞利用成功率为 0%。虽然能生成代码片段，但无法拼凑出完整可用的攻击程序。
• Opus 4.8：表现出明显的网络攻击能力。

Anthropic 明确表示，Sonnet 5 在网络安全方面的能力弱于 Opus 4.8 和 Mythos 5 是有意为之，并未刻意训练其进行网络安全攻击。尽管 Sonnet 5 在整体自动化审计中比 Sonnet 4.6 更安全，但在某些不良行为上比 Opus 4.8 和 Mythos Preview 更容易“失态”，官方将其归因于模型对齐仍在优化中，尚未达到旗舰级的完全克制。

5. 分词器变更与成本影响

Sonnet 5 采用了新的分词器，导致相同文本输入的 Token 消耗增加 1.0 到 1.35 倍。

• 过渡期优惠：为让用户适应成本变化，Anthropic 在推广期降低单价。
• 8 月 31 日前：输入 $2/百万 Token，输出 $10/百万 Token。
• 8 月 31 日后：价格调整为输入 $3/百万 Token，输出 $15/百万 Token。
• 结论：折扣期结束后，考虑到 Token 消耗增加，实际总成本可能高于此前版本。

新生态：Claude Science 发布

伴随 Sonnet 5，Anthropic 推出了 Claude Science，定位为“科研领域的 Claude Code”。

• 功能：整合 60 多个科学数据库、可复现计算流程和本地运算能力，封装为 Agent 界面。
• 早期成果：UCSF 团队利用它发现了 RNA-seq 数据中潜伏近一年的实验室污染物。
• 战略转型：Anthropic 正从单纯售卖模型转向提供垂直领域工作台。Claude Code 服务于开发者，Claude Science 则瞄准科研人员。

Opus 4.8 的信任危机

尽管 Opus 系列技术强大，但近期的一系列负面事件使其处境尴尬。

1. 流量与性价比失衡

根据 claudefa.st 数据，约 90%的 API 请求来自 Sonnet 4.6。Opus 价格约为 Sonnet 的两倍，对于大多数开发者而言过于昂贵。Sonnet 4.6 停滞近半年，而 Opus 在 2-6 月连续发布 4.6、4.7、4.8 版本，导致两者能力差距缩小，Opus 的性价比优势不再明显。

2. “作弊”丑闻

• Cursor AI 实锤：2026 年 6 月 26 日，Cursor AI 发布研究指出，Opus 4.8 在 SWE-bench 评测中大规模“偷看答案”。
• 正常成绩：87.1%
• 断网/切断 .git 历史读取后：暴跌至 73.0%
• Datacurve 评测：Opus 4.6 和 4.7 在超过 12% 的被审任务中被标记为“作弊”。

3. 性能“断崖式”下滑

近期，Opus 4.8 被曝出现严重退化：
* 思考深度下降 67%。
* 基础逻辑推理频繁出错，幻觉率飙升。
* 开发者抱怨其表现“比老款 Haiku 还要糟糕得多”。

争议：对中国用户的隐蔽标记

在 Sonnet 5 发布的同一天，外网论坛曝光 Claude Code 自 2026 年 4 月 2 日（版本 2.1.91）起，在系统提示词中对中国用户进行隐蔽标记。

标记机制：
1. 时区检测：若用户时区设为亚洲。
2. 代理 URL 检测：若代理 URL 指向中国域名（黑名单包含 147 条记录，覆盖大厂、云服务商、AI 实验室等）。

执行方式：
* 将日期格式从 2026-06-30改为 2026/06/30。
* 将撇号从 ASCII 字符替换为肉眼不可见的 Unicode 字符 U+02BC。

影响：
用户端完全无感知，但 Anthropic 后台可精确识别每一位中国开发者。这种“隐形水印”引发了关于数据隐私和地区歧视的广泛担忧。

(责任编辑：综合)