30 小时不眠不休写代码，Claude 4.5 的三个“最佳”

Anthropic 发布了 Claude Sonnet 4.5，并且宣称：

“世界上最好的编码模型”，“构建复杂代理的最强模型”，甚至是“使用计算机的最佳模型”。

三个“最佳”，底气从哪里来？

在 SWE-bench Verified 的行业标准测试里，Claude Sonnet 4.5 拿到了 82% 的准确率。之前的记录保持者是 Claude 4.1 Opus，成绩是 79.4%。

官方称，Claude Sonnet 4.5 能一口气处理一个复杂的任务，持续专注超过 30 小时。

Claude Sonnet 4.5 在训练方法上，沿用了 Anthropic 自家的看家本领——Constitutional AI（基于原则的AI）。

这套方法的核心，就是给 AI 设定一套“原则”，让它在学习和输出的时候，自己监督自己，确保说的话、做的事都安全、靠谱，不会跑偏。

这次的技术突破，主要体现在几个方面。

长时任务处理能力，能扛住三十多个小时的高强度工作。这背后是模型在记忆管理和上下文理解上的巨大进步。

在一个叫 OSWorld 的计算机使用能力基准测试里，得分从四个月前 Sonnet 4 的 42.2% 飙升到了 61.4%。这个测试模拟的是真实的人机交互，比如让 AI 自己去浏览网站、填个电子表格、整理一下电脑里的文件。分数越高，说明它越像一个能熟练操作电脑的真人。

Claude Sonnet 4.5 还学会了并行工具执行。在一个指令里，它可以同时做好几件事，比如一边下载文件，一边解压缩，再一边运行好几个命令行脚本，大大提升了效率。

在一些更复杂的代理能力测试里，比如 Agentic Coding（代理编码）和 Agentic Tool Use（代理工具使用），Claude Sonnet 4.5 的表现甚至超过了像 GPT-5、Gemini 2.5 Pro 这些价格更贵的竞品模型。

Claude Sonnet 4.5 在金融、法律、医学和科学工程领域等专业知识和推理能力上，比之前的所有模型，都有了明显的进步。

Claude Sonnet 4.5 的性能全面超越了自家的大哥 Claude 4.1 Opus，但是价格只有大哥的五分之一。输入一百万个 token，它只收 3 美元，输出一百万个 token 收 15 美元。而 Opus 4.1 的价格分别是15美元和75美元。

开发者们炸锅了

模型发布后，X 上立刻成了大型测试现场。全球各地的开发者第一时间就上手把玩了起来。

一个叫“歸藏”的用户总结得很到位：

一位叫 Dmitry Zhomir 的开发者，试着让 Claude 4.5 Sonnet 用一个叫 Three.js 的技术库做了个简单的3D射击游戏。

这个案例展示了模型强大的综合能力。它不再是只能写逻辑代码的工具，还能自己创造游戏需要的图片、声音这些素材，几乎把一个小型游戏开发的流程给包圆了。

一个叫 Vas 的开发者，让 Claude 4.5 Sonnet 去重构他的整个代码库。

“Claude 4.5 Sonnet 一次调用就重构了我的整个代码库。调用了25个工具，新增了3000多行代码，创建了12个全新文件。它把所有东西模块化，拆分了巨型单体结构，整理了凌乱的代码。”

这个案例可以说是非常真实了。它一方面证明了 Claude 4.5 Sonnet 处理大型、复杂代码的能力，它能理解软件架构，进行漂亮的模块化设计。

有开发者测试发现，用它来做网页游戏，整个过程不超过一分钟。而且你给的指令可以非常模糊，比如“给我做一个好玩的射击游戏”，它第一轮对话就能给你一个可以立刻运行的游戏原型。这种快速原型开发的能力，对于需要不断试错和快速迭代的前端领域来说，价值巨大。

能力越大，责任越大

在安全方面，Claude Sonnet 4.5 是按照他们内部的 AI 安全级别3（ASL-3）标准发布的。

他们声称，Claude Sonnet 4.5 也是到目前为止最“对齐”的模型。“对齐”，就是确保 AI 的行为和目标符合人类的价值观和意图。

显著减少了一些令人担忧的行为，比如谄媚（为了讨好用户而说假话）、欺骗、权力寻求（试图获得超出其权限的控制权）以及鼓励用户的妄想思维。

增强了模型对“提示注入攻击”的防御能力。这种攻击是目前 AI 代理面临的最严重的风险之一，攻击者通过巧妙的指令，诱骗 AI 去执行一些危险或未授权的操作。

还使用自动化的行为审计工具来给模型“体检”，分数越低代表越安全。根据他们公布的数据，在所有主流大模型中，Claude Sonnet 4.5 的不当行为评分是最低的。

具体的防护措施上，模型内置了一套叫做“分类器”（classifier）的过滤器。这套系统专门用来检测和拦截潜在的危险内容，特别是那些涉及化学、生物、放射性和核武器（CBRN）的敏感信息。

当然，这种过滤器有时候会“误伤友军”，把一些正常的内容也给拦了。Anthropic 也承认这一点。

Anthropic 还发布了一份详细的 Claude Sonnet 4.5 系统卡（system card），里面包含了完整的安全和对齐评估报告。

不只是模型，更是一套生态

Anthropic 这次发布，不只是一个更强的模型，而是一整套升级后的开发工具和生态系统。他们花了六个多月的时间，把Claude Code 的开发工具链给彻底翻新。

他们推出了一个原生的 VS Code 插件。开发者现在可以直接在自己熟悉的编辑器里使用 Claude Code，通过一个专门的侧边栏面板，实时看到 Claude 对代码的修改建议，甚至还能以内联差异对比（inline diffs）的形式清晰展示改动。

一个呼声很高的功能也终于上线了：Checkpoint（检查点）。

复杂的开发任务往往需要反复试错。新的 Checkpoint 功能会在 Claude 每次修改代码前，自动保存一个快照。如果开发者觉得 AI 的修改不满意，或者想回到上一步重新开始，只需要双击 Esc 键或者输入 /rewind 命令，就能瞬间把代码、对话或者两者都恢复到之前的状态。

这个功能让开发者可以更大胆地去尝试一些复杂的、大规模的代码重构，反正随时都有后悔药吃。

Anthropic 还把构建 Claude Code 的核心模块打包成了一个名为 Claude Agent SDK 的东西，开放给了所有开发者。

这套 SDK 解决了开发者在构建自己的 AI 代理时普遍会遇到的几个头疼问题：比如如何让代理在长时间运行中有效管理记忆，如何设计权限系统来平衡代理的自主性和用户的控制权，以及如何协调多个子代理一起合作完成一个大目标。

用他们自己的话说：“当初开发 Claude Code，是因为市面上没有合适的工具；现在，Agent SDK 让开发者也能用同样的基础打造强大工具，解决各自的业务问题。”

API 也得到了一些关键的功能增强。比如新增的上下文编辑能力，让 AI 可以更精确地修改长文档或代码库里的某一部分，而不是每次都得把整个文件重写一遍。还有新增的记忆工具，让 AI 可以在多次交互之间保持状态和信息，从而能处理更耗时、更复杂的连续任务。

他们甚至还搞了一个限时实验，叫“Imagine with Claude”。在这个实验里，Claude 会根据用户的实时指令，动态地生成软件界面和功能，没有预设，没有预写代码，一切都是即时创造。

https://claude.ai/imagine/

Anthropic 正在构建一个围绕 Claude 的、完整的开发生态。

参考资料：

https://www.anthropic.com/news/claude-sonnet-4-5

https://www.anthropic.com/news/claude-opus-4-1

https://docs.anthropic.com/claude/docs

END