让 AI 自己规划任务、调用工具、跑终端，几个月前还只是 Opus 旗舰用户的特权。Anthropic 刚发布的 Claude Sonnet 5 把这种 Agent 能力压到了不到一半的价格，编码跑分直逼旗舰。但新分词器偷偷让 Token 消耗涨了三成，Max 模式跑同样的活反而更贵。第一批用户已经吵翻了天。
产品概述
Claude Sonnet 5（代号 Fennec）是 Anthropic 在 2026 年 6 月 30 日发布的最新中端模型，官方给它的定位极其精准，“迄今最具 Agent 能力的 Sonnet”。它不是要成为最强的模型（那是 Opus 4.8 的地盘），而是要成为”最能干活”的执行者。发布当天就被设为 Claude 免费版和 Pro 版的默认模型，同时接入 Claude Code、Cursor、GitHub Copilot 等主要开发工具。
这个模型的前身是 Sonnet 4.6，中间跨越了多个版本号直接跳到”5″。Anthropic 的解释是，这次升级的核心不只是性能提升，而是把原本只属于旗舰模型的 Agent 能力，自主规划、工具调用、多步骤执行，完整地下放到了中端价位。用官方的原话说：“它的表现达到了几个月前只有更大、更贵的模型才能实现的水平。”
跟自家旗舰 Opus 4.8 的关系也很微妙：Opus 继续拉高能力天花板，Sonnet 5 负责日常执行。这有点像芯片行业的大小核架构，最重的活交给 Opus，日常开发、修 bug、跑 Agent 工作流交给 Sonnet 5。对于大多数开发者来说，这个定位比纯粹的跑分更有实际意义。
官网：https://www.anthropic.com/claude/sonnet | API 文档：https://platform.claude.com/docs/en/about-claude/models/overview
核心功能实测
搞清楚定位后，来看看它到底有哪些拿得出手的本事。
Sonnet 5 的功能升级围绕一个核心逻辑：让模型接更长的任务链、干更复杂的活，中间不掉链子。拆开来看，这几个能力是真正拉开差距的地方。
自主 Agent 执行。 这是 Sonnet 5 最核心的卖点。它能自主制定多步骤计划，驱动浏览器和终端、调用工具、读取返回结果，然后根据结果调整下一步动作，全程不需要人在每个节点确认。早期测试者的一个案例很有代表性：让它调查一个 bug，它先写了复现测试，修了代码，然后主动把修改暂时撤回来验证 bug 确实复现了，确认无误后才重新应用修复。整个过程一气呵成，不需要任何提示。
1M Token 上下文 + 128K 输出。 上下文窗口到了一百万 Token，意味着可以一次塞进整个中型代码库或几百页技术文档，没有截断焦虑。输出上限 128K（通过 Beta Header 可达 300K），足够生成完整的技术方案或重构后的整文件代码。Anthropic 还没对长上下文额外加价，这点在同类模型中不多见。
自适应推理 + 五档 Effort 控制。 模型默认开启自适应思考，根据任务复杂度自动调节推理深度。简单问答轻推理、多文件重构深推理，不需要手动切模式。配合五档 Effort（low/medium/high/extra/max），开发者可以按任务需求精确控制成本和性能的平衡，小修小补放 low，跨模块迁移拉高到 extra。
高分辨率视觉分析。 支持 2576px 高分辨率图像输入，UI 截图推理、文档扫描件分析、计算机操作界面识别都在能力范围内。在 OSWorld-Verified 计算机使用测试中拿到了 81.2%，比前代 4.6 提升了近 3 个百分点。
安全对齐。 提示注入攻击成功率从 4.6 的 1.41% 降到了 0.19%，与 Opus 4.8 并列最佳。MASK 说谎率从 13.3% 降到 3.1%，甚至低于 Opus 4.8 的 6.1%。这在 Agent 自主运行场景下很关键，模型越自主，越不能自己骗自己。
上手流程
功能列表看完了，但真上手顺不顺畅是另一回事。
Sonnet 5 作为 API 模型，上手路径非常短。如果你是原有 Claude 用户，6 月 30 日起免费版和 Pro 版已经自动切换到 Sonnet 5 作为默认模型，不需要做任何配置。开发者接入也更简单，API 模型 ID 就是 claude-sonnet-5，只要账户里有关联的 API Key，一行代码就能调用。
最直接的体验路径是打开 Claude Code。在终端输入需求，比如”帮我在这个项目里加一个用户认证中间件”，Sonnet 5 会自动分析项目结构、找到路由文件、生成中间件代码、检查依赖冲突。有开发者实测了三个任务：跨文件配置迁移和写 API 中间件完美通关，模型还会主动跑测试验证；但在重构一个 200 行的工具函数时翻了车，原因是项目没写测试框架版本号，模型只能”凭感觉盲写”。
这个细节恰恰说明了 Sonnet 5 的优点和局限，它比以前更善于自主推进，但遇到信息缺失时同样会踩坑。跟上一代相比，最大的体感变化不是单次回答更聪明了，而是它能在一个任务上持续推进更多步骤，不会中途宣告”已完成”就停下来。
另一个务实的提醒：新分词器会让同样的文本产生 1.0 到 1.35 倍的 Token。同段 Python 代码，4.6 是 44014 Token，Sonnet 5 变成了 56113。如果你之前已经基于 4.6 做过成本估算，建议先用自己的典型负载跑一轮 Token 基准测试再切。
使用技巧
基础操作不难，但真正用得溜的人都在用这几个技巧。
很多人不知道还有这些进阶用法：
-
Effort 分级策略：日常修 bug、补测试用 medium，多文件迁移用 high，架构级重构才上 extra。Max 模式性价比差，实测完成同样任务的成本比 Opus 4.8 还贵 15%，除非对极致质量有刚性需求，不建议日常使用。 -
Dynamic Workflows 配合：在 Claude Code 中开启 Dynamic Workflows 后，Sonnet 5 能自动判断何时需要查文档、跑测试、回退修改。配合 Effort medium-high 档位，自动化的成功率比手动指定步骤高出约 20%。 -
Prompt Caching 省成本：系统提示词和前置上下文用 Prompt Caching，重复输入成本降低 90%。处理多轮 Agent 任务时，把项目结构、规范文档放在缓存里，每次 Agent 轮次只计增量 Token。 -
中文场景降低 Effort：中文文本的 Token 消耗跟 4.6 基本持平（1.01 倍），但英文和代码涨了 27-42%。中文问答和文档生成场景直接用默认 Effort 即可，不需要拉高。 -
首发期锁定优惠：截至 2026 年 8 月 31 日前 API 定价 $2/$10。如果你的工作流已经用 4.6 跑通了，趁优惠期切到 Sonnet 5 做 A/B 测试，成本差异最小。
竞品对比
产品本身不错，跟竞品放在一起看更清楚差距在哪。
Sonnet 5 的竞争对手很清晰：OpenAI 的 GPT-5.6 系列、Google 的 Gemini 3.1 Pro、以及它自家的 Opus 4.8。国产阵营里，DeepSeek V4 Pro 和 Qwen3.7-Plus 在中文场景的性价比优势也不容忽视。直接拉表格看差距：
| 维度 | Sonnet 5 | GPT-5.6 Sol | Gemini 3.1 Pro | Opus 4.8 |
|---|---|---|---|---|
| 定位 | 高性价比Agent执行 | 旗舰全能 | 复杂推理 | 极限精度 |
| 上下文窗口 | 1M | 2M | 2M | 1M |
| API 输入价（$/M） | $2→$3 | $5 | $2.5 | $5 |
| SWE-bench Pro | 63.2% | 58.6% | 未公开 | 69.2% |
| Terminal-Bench | 80.4% | 83.4% | 未公开 | 82.7% |
| 推理模式 | 自适应（默认开） | 需手动切换 | 需手动切换 | 自适应 |
| 安全/Agent 自主 | 极低注入率 | 支持 | 支持 | 极低注入率 |
注：价格截至 2026 年 7 月官网显示。
从表格能看出几个关键差异。Sonnet 5 在编码 Agent 任务上压过了 GPT-5.6 Sol 一头（SWE-bench 63.2% vs 58.6%），说明 Anthropic 在 Agent 场景的积累确实有优势。但在 Terminal-Bench 上 GPT-5.6 Sol 以 83.4% 小幅领先。Opus 4.8 在各项跑分上依然是天花板，只是价格翻倍。
对比国产模型，截至 2026 年 7 月，DeepSeek V4 Pro 的 API 定价约为 $0.55/$2.19（输入/输出每百万 Token），Qwen3.7-Plus 更是低至 ¥2/百万 Token。在中文硬核推理场景下，有独立评测显示 Sonnet 5 的得分与 Qwen3.7-Plus 持平，但成本是后者的 6 倍以上。这是 Sonnet 5 在中文市场的最大软肋。
用户反馈
参数上赢了，来听听真正用的人怎么说。
Sonnet 5 上线后的社区反馈两极分化非常严重，甚至可以说是 Anthropic 近年来争议最大的一次发布。
喜欢的人集中在重度编码场景。Hacker News 上一个高赞评价写道：”它只用了一会儿，就修复了一个把 Opus 4.8 卡了好几天的严重 bug。”Cursor 联合创始人的评价是：”模型能死死咬住既定计划，规规矩矩遵循开发规范，用让人舒服的成本交付一串清晰的多步骤代码变更。”Box 的 CEO 用内部 AI 评估体系测试后，在能源行业任务上领先前代 4.7 个百分点。
吐槽的声音同样猛烈。核心争议点是 Max 模式的性价比。一位开发者在 Reddit 上算了笔账：用 Sonnet 5 Max 完成一个长程 Agent 任务花 $2.29，而用 Opus 4.8 只要 $1.80，贵了 15%。”花更多钱拿更差的结果”是反复出现的差评。还有人发现 Anthropic 悄悄换了分词器，同样文本的 Token 数膨胀了最高 35%，账单的增长速度远超单价下降的速度。
国内开发者的反馈更直接。在 7 月初一个名为 LLM Benchmark Dashboard 的私有题库测试中，Sonnet 5 的极限推理分与 Qwen3.7-Plus 打平，但跑完同一套题花了 ¥71.96，而 Qwen 只花了 ¥11.71。差了 6 倍。有开发者感叹：“这不是能力不行，这是性价比不行。”
多维评分
评价有赞有踩，从专业角度给它打一轮分。
| 维度 | 评分 | 一句话解读 |
|---|---|---|
| 功能完整性 | ⭐⭐⭐⭐☆ | Agent/编码/视觉齐全，推理深度略逊旗舰 |
| 易用性 | ⭐⭐⭐⭐⭐ | API 一行调用，自适应推理免配置 |
| 性价比 | ⭐⭐⭐☆☆ | 基础档不错，Max 档反比 Opus 贵 |
| 创新性 | ⭐⭐⭐⭐☆ | 首发自适应推理+五档 Effort 控制 |
| 稳定性 | ⭐⭐⭐⭐☆ | 安全对齐扎实，Token 膨胀有隐藏成本 |
| 推荐度 | ⭐⭐⭐⭐☆ | Agent 编码首选，中文场景可观望 |
综合评分：7.8 / 10
评分说明：Sonnet 5 在 Agent 编码场景下的表现接近满分，但 Max 模式的性价比问题和 Token 膨胀的隐藏成本拉了后腿。如果只用基础到 high 档，这个分数还能往上提 0.5 分。
优缺点
优势
-
Agent 执行能力跨越式升级：多步骤任务完成率远超前代，能自主规划、查错、回退修正，全程不掉链子 -
编码实力逼近旗舰：SWE-bench Pro 63.2%，CursorBench 从 49% 涨到 57%，实际开发中独立完成过半复杂重构 -
自适应推理免配置：不需要手动切换思考模式，模型自己判断深度，Effort 五档精确控制成本 -
安全对齐行业顶尖：提示注入率 0.19% 与 Opus 4.8 持平，MASK 说谎率 3.1% 甚至更低 -
首发优惠价格友好：截至 8 月 31 日 $2/$10 的定价，在同类中竞争力明显
不足
-
Max 模式性价比尴尬：花更多 Token 拿更差结果，跟 Opus 4.8 Max 的对比中完全失去了价格优势 -
分词器导致隐蔽成本：英文和代码 Token 膨胀 27-42%，账单比预期高出不少 -
中文硬核推理无优势：与国产模型拉不开分差，成本却贵数倍 -
过度安全对齐影响实用性：网络安全类任务被过度限制，白帽子工程师反馈工具价值受损
适用人群
优点缺点都摆在这了，这东西到底最适合谁。
-
软件开发者（Claude Code/Cursor 用户）：日常修 bug、补测试、小范围重构，medium-high Effort 档位最合适。如果是架构级决策或关键代码审查，仍建议用 Opus 4.8。 -
企业自动化团队：CRM 同步、文档处理、数据汇总这类”中高复杂度但高频”的执行任务，Sonnet 5 的可靠性比前代有明显提升。注意先做 Token 消耗基准测试再批量部署。 -
AI 产品开发者：适合作为 Agent 系统的云端执行层。本地用小模型做前置路由和轻任务，Sonnet 5 处理复杂执行，控制好 Effort 档位能显著压缩成本。 -
预算敏感的个人开发者：首发优惠期内（至 8 月底）值得尝试，但必须先用典型负载做 Token 基准测试，别只看单价。9 月起涨到 $3/$15 后，性价比将进一步下降。 -
中文为主的重度用户：不太建议。在中文逻辑推理和性价比上，Qwen3.7-Plus 和 DeepSeek V4 Pro 是更强的选择，价差可达数倍。
定价方案
聊完人群匹配，最现实的问题来了：花多少钱。
| 版本 | 月费 | 输入价（$/M Token） | 输出价（$/M Token） | 备注 |
|---|---|---|---|---|
| 免费版 | $0 | — | — | 默认 Sonnet 5，有限额 |
| Pro 版 | $20/月 | — | — | 默认 Sonnet 5，额度更高 |
| API（首发优惠） | 按量 | $2 | $10 | 截至 2026 年 8 月 31 日 |
| API（标准定价） | 按量 | $3 | $15 | 2026 年 9 月 1 日起 |
| Team / Enterprise | 定制 | 批量折扣 | 批量折扣 | 联系 Anthropic 销售 |
注：价格来源 Anthropic 官网，截至 2026 年 7 月 6 日。
表面看，首发价 $2/$10 比 Opus 4.8 的 $5/$25 便宜了六成，比 GPT-5.6 Sol 的 $5/$15 也低不少。但实际成本不能只看单价。新分词器让英文和代码场景的 Token 消耗增加 27-42%，Anthropic 自己在脚注里也承认优惠价的目的是”让过渡期大致保持成本中性”。简单说，那几美元的降价，有一部分被 Token 膨胀吃掉了。
Max 模式更是一个隐形的账单刺客。花费更多 Token 却拿到跟 Opus 4.8 相当甚至更差的结果，这在中文技术圈引发了大量吐槽。如果你主要用 base 到 high 档，性价比是 OK 的。一旦开到 Max 档，不如直接用 Opus 4.8。
常见问题
分数和价格都说完了，你可能还有些纠结的地方。
Q1：Sonnet 5 跟 Opus 4.8 到底怎么选？
A1：日常编码和 Agent 任务选 Sonnet 5，关键任务选 Opus 4.8。 Sonnet 5 在默认到 high Effort 档位的性价比远超 Opus，适合 80% 的日常工作。但架构决策、困难 bug 定位、网络安全等高精度场景，Opus 4.8 仍然是天花板。
Q2：Sonnet 5 支持中文吗？效果怎么样？
A2：支持中文，但性价比不如国产模型。 中文文本的 Token 消耗与 4.6 基本持平，日常对话和文档生成没问题。但在硬核中文逻辑推理上，Qwen3.7-Plus 和 DeepSeek V4 Pro 分数持平或更高，成本却低 6-50 倍。
Q3：API 怎么接入？需要什么权限？
A3：模型 ID 为 claude-sonnet-5，有 API Key 即可调用。 支持 Anthropic 原生 API、AWS Bedrock、Google Vertex AI、GitHub Copilot。国内用户因网络限制，通常需要通过中转服务或云平台间接调用。
Q4：Token 消耗为什么会比 4.6 多？
A4：Anthropic 换了一版新分词器，同内容映射出的 Token 更多。 英文膨胀约 35%，代码膨胀约 27%，中文基本不变。这不是 bug，是换分词器带来的代价。建议切换前先用自己的典型负载做 Token 评估。
Q5：Max 模式到底值不值得用？
A5：多数情况下不值得。 Max 模式完成同样任务的成本比 Opus 4.8 Max 还贵 15%，效果却不更优。只有在需要极致质量且对成本不敏感的场景下才考虑。
Q6：免费版和 Pro 版现在默认是 Sonnet 5 吗？
A6：是的，6 月 30 日起所有 Claude 用户默认使用 Sonnet 5。 Free 用户有每日额度限制，Pro 用户额度更高。如果更喜欢旧模型，可以在设置中手动切换。
Q7：Sonnet 5 能商用吗？有什么限制？
A7：API 调用可以商用，遵守 Anthropic 的使用政策即可。 通过官方 API、AWS Bedrock、Google Vertex AI 接入均可商用。需注意 Sonnet 5 的网络安全能力被有意限制，相关场景建议换用 Opus 4.8。
Q8：和 GPT-5.6 Sol 比谁更好？
A8：Agent 编码任务 Sonnet 5 更稳，终端操作互有胜负。 SWE-bench Pro 上 Sonnet 5 领先近 5 个百分点，Terminal-Bench 上 GPT-5.6 Sol 小胜 3 个百分点。选哪个取决于你的主要任务类型。
Q9：首发优惠结束后还值得用吗？
A9：取决于你的 Effort 档位和负载类型。 如果主要用 medium-high 档处理英文和代码，9 月涨价后性价比会明显下降。中文场景和 low Effort 轻任务，影响相对较小。
Q10：适合国内开发者吗？有哪些坑？
A10：网络和成本是两大门槛。 Anthropic 官网在国内无法直连，通常需要中转 API。英文代码场景 Token 消耗高，中文推理性价比被国产模型碾压。建议先小规模测试再决定。
总结与建议
Sonnet 5 是一个产品定位极其聪明的模型。它没有追求”最强”，而是追求”最实用”，把 Agent 执行能力做到了中端价位能做到的极限。对于每天在 Claude Code 和 Cursor 里写代码的开发者来说，从 4.6 升级到 5 的体感提升是实实在在的。
但它的定价策略玩了一个非常巧妙的数字游戏。降价 60% 换一个分词器让 Token 膨胀 30%，实际省下来的钱远没有看上去那么多。Max 模式更是直接把自己的性价比送进了尴尬区。
如果你日常用 Claude Code 做开发，首发期内切到 Sonnet 5，Effort 锁在 medium-high，大概率会觉得钱花得值。中文需求为主或极度在意成本的用户，不妨等国内模型再卷几轮。