Claude3.5 Sonnet重磅升级：30小时连续编码能力实测

划重点：

当地时间9月29日，人工智能初创公司Anthropic正式推出新一代AI模型Claude Sonnet 4.5，宣称其为全球最先进、最安全的编码及复杂软件智能体构建模型。

该模型在长周期任务处理上有所改进，可独立运行30小时完成从开发到安全审计的全流程工作，在SWE-bench Verified等权威测试中达到最优水平。同时，Anthropic 升级开发者生态，推出Claude Agent SDK等工具，并为Max订阅用户开放 “用 Claude 想象” 临时预览功能，支持实时生成软件演示。

Claude Sonnet 4.5定价延续前代标准，每百万输入Tokens 3美元，每百万输出Tokens 15美元，开发者无需额外成本即可升级。

当前AI编码领域竞争已进入白热化阶段，Anthropic面临多强并立的竞争态势：OpenAI已推出专注智能体编码的GPT-5-Codex，谷歌Gemini则凭借出色的问题解决能力站稳脚跟。Anthropic在今年8月刚推出Claude Opus 4.1，在5月推出Claude Sonnet 4，如此快速的迭代节奏，既凸显了当前AI领域的激烈竞争态势，也意味着没有任何一家企业能长期占据绝对领先地位，技术迭代与创新将成为行业持续发展的核心驱动力。

01.30小时自主开发成新亮点

Claude Sonnet 4.5在各项测试中的表现

Anthropic表示，Claude Sonnet 4.5在多项指标上超越了OpenAI的GPT-5和谷歌的Gemini等主要竞争对手。Claude Sonnet 4.5在SWE-bench Verified基准测试中表现突出，得分达到82.0%，该测试用于评估AI解决GitHub仓库中真实世界软件工程问题的能力。相比较而言，Claude Opus 4.1在该项测试中的得分为79.4%；Claude Sonnet 4的得分为80.2%；GPT-5的得分为72.8%；Gemini 2.5 Pro的得分为67.2%。

此外，该模型在OSWorld测试中创下新纪录，取得了61.4%的得分。相比较而言，四个月前发布的Sonnet 4得分为42.2%。

此次升级的性能提升不仅体现在分数上，更在于模型自主工作耐力方面。Anthropic研究员大卫・赫尔希（David Hershey）在接受TechCrunch采访时透露，在与部分企业客户进行的早期试用中，Claude Sonnet 4.5能够自主编码长达30小时，编写了一款类似Slack或Teams的聊天应用，共生成约 1.1 万行代码，直至任务完成才停止运行。这远超其前代Claude 4 Opus约7小时的能力。

赫尔希观察到，该模型不仅能自主构建应用程序，还能自行搭建数据库服务、购买域名，甚至完成SOC 2安全审计。这标志着其能力已从孤立的编码任务扩展至全周期的项目执行，展现出前所未有的实用长周期智能体能力。

Anthropic表示，该模型能生成更高质量的代码，更善于识别代码改进点，并能更可靠地遵循指令。该公司联合创始人、首席科学官贾里德・卡普兰（Jared Kaplan）在接受CNBC采访时表示：“Claude Sonnet 4.5更智能、更像一位同事，在遇到问题并解决它们时，与它合作会很有趣。”

此外，Claude Sonnet 4.5在金融、法律、医学和STEM（科学、技术、工程与数学）等领域的专业知识与推理能力也有所增强，得到了早期专家的正面反馈。其在数学和推理能力评估中的优异表现进一步印证了其智能广度的提升。

02.多工具解决开发痛点，Agent SDK助力定制智能体

Claude Sonnet 4.5的聊天框界面

Claude Sonnet 4.5发布的同时，Anthropic对开发者生态进行了重大扩展，推出系列工具解决核心开发需求。

编码工具Claude Code新增checkpoints功能，可自动保存代码更改状态供即时回溯，并推出测试阶段的原生VS Code扩展，将能力无缝集成至IDE，提供直观图形化体验。针对长周期智能体的上下文限制，Anthropic引入高级管理工具：“上下文编辑” 可清除过时内容，“记忆工具” 能跨会话存储关键信息，二者结合使智能体复杂任务性能提升 39%，Tokens消耗减少 84%。

面向高级用户的Claude Agent SDK开放了Claude Code核心基础设施权限，支持开发者构建金融合规、网络安全等领域的定制智能体，助力实现 “人类管理多智能体” 的愿景。同时，Anthropic开放虚拟机访问权限并提供内存管理、多智能体支持等功能，相当于打包核心技术模块供开发者打造专属前沿智能体。

03.Claude Sonnet 4.5 抗攻击能力升级，降低不良行为发生率

Anthropic强调，Claude Sonnet 4.5是其“迄今为止最对齐的前沿模型”。该公司在新闻稿中详细介绍了广泛的安全训练，显著降低了谄媚、欺骗和寻求权力等不良行为的发生率。Claude Sonnet 4.5在严格的ASL-3（人工智能安全等级 3）框架下发布，部署了过滤器以检测并防止生成潜在危险输出，特别是在化学、生物、放射和核（CBRN）武器相关内容方面。

卡普兰表示：“我认为，这是我们在一两年内看到的最大安全飞跃。” 这一对安全的坚定承诺是对行业普遍关切的直接回应，旨在与企业客户建立信任。Anthropic表示，Claude Sonnet 4.5在抵御提示注入攻击及其他前代模型常见漏洞方面表现更佳。

免责声明

游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。

同类文章