Anthropic发布了其最新模型Claude Sonnet 4.5，声称其在代码生成、复杂智能体构建及计算机使用能力方面达到业界顶尖水平，并在推理和数学能力上取得显著进步。新模型在SWE-bench Verified和OSWorld等基准测试中表现优异，能处理复杂多任务并保持长时间专注。同时，Anthropic还发布了一系列产品升级，包括Claude Code v2.0、上下文编辑功能、记忆工具，并首次开放了Claude Agent SDK，让开发者能构建自己的AI智能体。此外，研究预览“Imagine with Claude”允许实时动态生成软件。

🚀 **前沿模型性能飞跃**：Claude Sonnet 4.5在代码生成、复杂智能体构建和计算机使用能力方面表现卓越，并在推理和数学能力上实现显著提升。其在SWE-bench Verified基准测试中达到业界顶尖水平，并能在OSWorld基准测试中以61.4%的得分领先，显示出其在真实世界计算机任务处理上的强大能力。

🛠️ **产品生态全面升级**：Anthropic推出了Claude Code v2.0，包含优化的UI界面和VS Code扩展，并新增了“检查点”功能，允许用户快速撤销Claude的修改。Claude API增强了上下文编辑和记忆工具，使智能体能处理更复杂的任务。Claude App也集成了代码执行和文件创建功能，Claude for Chrome扩展也已向Max用户开放。

🧠 **开放Agent构建基石**：Anthropic首次开放了用于构建Claude Code的Claude Agent SDK，解决了AI智能体在记忆管理、自主性与用户控制权平衡以及多智能体协调等方面的难题，为开发者提供了构建自主AI智能体的强大基础设施。

🛡️ **最对齐模型与安全保障**：Claude Sonnet 4.5被Anthropic称为迄今为止最对齐的模型，通过提升能力和广泛安全训练，显著改善了模型行为，减少了不良输出。模型在AI安全等级3（ASL-3）下发布，配备分类器检测潜在危险内容，并提供切换至Sonnet 4模型的选项以降低误报影响。

看起来10月又是一个大月，DeepSeek用v3.2开场，Anthropic，Google，OpenAI都有大动作刚刚，Anthropic发布了其最新前沿模型——Claude Sonnet 4.5。

官方称，这是目前全球最强的代码模型、最强的复杂智能体构建模型、以及最擅长使用计算机的模型，并且在推理和数学能力上取得了显著进步

伴随新模型发布的，还有一系列产品全家桶的升级，Anthropic还首次开放了构建Claude Code的同款工具，最后还发布了一个比较科幻的东西叫Imagine with Claude，可以实时动态生成软件，不过目前还是研究预览

Claude Sonnet 4.5现已全面可用，通过API调用claude-sonnet-4-5即可。价格与上一代Sonnet 4保持不变，为每百万token输入3美元/输出15美元

新模型性能有多强？

Anthropic表示，Claude Sonnet 4.5在衡量真实世界软件编码能力的SWE-bench Verified评估中达到了业界顶尖（SOTA）水平。在实际测试中，该模型能在复杂的多步骤任务上保持超过30小时的专注

在计算机使用能力方面，Sonnet 4.5也实现了巨大飞跃。在测试AI模型真实世界计算机任务的OSWorld基准上，Sonnet 4.5以61.4%的得分领先。就在四个月前，Sonnet 4还以42.2%的成绩保持领先

此外，该模型在一系列广泛的评估中也展示了更强的能力，包括推理和数学：

来自金融、法律、医学和STEM领域的专家发现，与包括Opus 4.1在内的旧模型相比，Sonnet 4.5在特定领域的知识和推理能力上表现出了显著的提升

产品全家桶重大升级

Claude Code发布 v2.0 了，升级了 UI 界面，推出了全新的VS Code扩展插件。此外，还有一个实用的新功能：检查点（checkpoints）。通过它，你可以快速撤销Claude刚刚做出的修改，只需轻松按下Esc+Esc快捷键，或者输入指令/rewind即可实现

Claude API增加了新的上下文编辑功能和记忆工具，使智能体能够运行更长时间并处理更复杂的任务。

Claude App中，代码执行和文件创建（电子表格、幻灯片和文档）功能被直接整合到对话中

Claude for Chrome扩展已向所有上个月加入等待名单的Max用户开放

首次开放Claude Agent SDK

Anthropic此次还开放了他们用于构建Claude Code的基石——Claude Agent SDK

官方表示，他们解决了构建AI智能体过程中的多个难题：智能体如何在长时间任务中管理记忆、如何平衡自主性与用户控制的权限系统、以及如何协调多个子智能体以实现共同目标

现在，这套为Anthropic前沿产品提供动力的基础设施正式向所有开发者开放，可用于构建自己的智能体

史上最对齐模型

Anthropic称，Claude Sonnet 4.5是其迄今为止最对齐的前沿模型

通过提升模型能力和进行广泛的安全训练，模型的行为得到了显著改善，减少了逢迎、欺骗、权力寻求和鼓励妄想等不良行为。针对智能体和计算机使用能力，模型在抵御提示注入攻击方面也取得了长足进步

Claude Sonnet 4.5在AI安全等级3（ASL-3）的保护下发布。这些保护措施包括旨在检测潜在危险输入和输出的分类器，特别是与化学、生物、放射性和核（CBRN）武器相关的内容

如果分类器意外标记了正常内容，用户可以方便地切换到CBRN风险较低的Sonnet 4模型继续对话。Anthropic表示，自最初引入分类器以来，他们已将误报率降低了十倍

one more thing

与Sonnet 4.5一同发布的还有一个名为“Imagine with Claude”的限时研究预览

在这个实验中，Claude能够实时动态地生成软件，没有任何预定功能或预写代码。用户可以看到Claude根据交互请求进行实时创建和调整

该功能向Max订阅用户开放，为期五天

上手小测试

我用之前测试新模型前端能力的提示词测了一下，并且至少进行了5次抽卡，没有一次成功，感觉Claude Sonnet 4.5代码能力提升貌似不大，提示词如下：

模拟，一个由弹力球组成的正方体漂浮在半空中，从正方体最下一层慢慢塌方，注意是，一层一层塌方，小球落在桌子上弹起来，直到静止，模拟整个塌方过程，整个过程符合物理规律，效果要酷炫，整个环境要尽量逼近真实，在单个HTML中实现

实现效果：一次掉落了两层后，小球就不往下掉落了，核心的逻辑没有实现

官方测试方法说明

SWE-bench Verified: 所有Claude结果均使用一个包含bash和文件编辑两个工具的简单框架报告。在完整的500个问题的SWE-bench Verified数据集上，通过10次试验平均，无测试时计算，200K思考预算，得分为77.2%

OSWorld: 所有分数均使用官方OSWorld-Verified框架报告，最大步数为100，4次运行取平均值

MMMLU: 所有分数均为在14种非英语语言上进行5次运行的平均值，并使用了扩展思考（最高128K）。

其他模型的得分均引用自OpenAI和Google发布的官方文章或排行榜

查看评论