Claude Sonnet 5

資料來源#

• Claude Opus 5 System Card
• Introducing Claude Sonnet 5
• Patterns and problems in multiagent systems
• The price is wrong: AI cost calculation has to consider task completion rates, not just token costs

摘要#

Claude Sonnet 5 是 Anthropic「迄今最具代理能力的 Sonnet」（2026 年 7 月 2 日公布），是 Sonnet 4.6 的直接升級版，能擬定計畫、使用工具（瀏覽器、終端機），並以「幾個月前還需要更大型、更昂貴模型才能達到的水準」自主運作。Anthropic 的定位是：Sonnet 系列開啟了代理時代（3.5 / 3.6 / 3.7 是首批具備強大程式設計與工具使用能力的模型），但近期代理能力的進展大多集中在 Opus 系列——Sonnet 5 縮小了這段差距，以較低價格達到接近 Opus 4.8 的表現。 API 模型 ID：claude-sonnet-5。這是第一方發布公告，因此屬於 vendor-claim 來源；以下基準測試差異由 Anthropic 自行提供，完整評估請見 Claude Sonnet 5 System Card。

價格與身分#

• **優惠價格（至 2026 年 8 月 31 日）：**每百萬個輸入 token $2，每百萬個輸出 token $10。
• **標準價格（自 2026 年 9 月 1 日起）：**每百萬個輸入 token $3、輸出 token $15；相較之下，Opus 4.8 為 $5 / $25。
• API 模型 ID 為 claude-sonnet-5；是 Free 與 Pro 方案的預設模型，也提供給 Max、Team、Enterprise 使用，並可在 Claude Code 和 Claude Platform 上使用。
• Chat、Cowork、Claude Code 與 Claude Platform 的速率限制均已提高，以支援更高推理力度所需的 token 用量。

能力概況#

核心主張是成本效能範圍，而非單一巔峰表現。Anthropic 以兩項代理能力評估——BrowseComp（代理式搜尋）和 OSWorld-Verified（電腦操作）——將 Sonnet 5 與前代 Sonnet 4.6，以及能力更強的參照模型 Opus 4.8 比較：

• 在推理、工具使用、程式設計和知識工作方面，全面勝過 Sonnet 4.6。
• 成本效能範圍比 Opus 4.8 更廣，可透過 effort 參數調整（最高可達 xhigh）：在 medium 推理力度下，成本效益顯著較佳；以較高推理力度執行時，「在某些任務上可媲美 Opus 4.8」。這項主張是：使用者可在 Sonnet 5 與 Opus 4.8 之間調整推理力度，找出合適的成本與效能平衡；這是 Client-Side Agent Optimization 中推理力度／預算槓桿的第一方實例。
• 早期測試夥伴表示，Sonnet 5「能完成先前 Sonnet 模型做不到的複雜任務」，而且**「不必明確要求，就會檢查自己的輸出」**——也就是自發進行自我驗證。這項能力符合精簡代理程式 harness的論點：原本由 harness 提供的驗證支架，正轉移到模型本身。

（原始來源僅以圖片發布與 Sonnet 4.6 和 Opus 4.8 對比的基準測試表，此處未轉錄。）

**基準測試勘誤（方法論，而非模型）：**2026 年 6 月 30 日的更新修正了 BrowseComp 成本效能圖表，改採標準代理式搜尋方法（1,000 萬 token 預算，搭配壓縮與程式化工具呼叫）；先前的方法低估了 Sonnet 5。Sonnet 4.6 的基準數據也重新列出：Humanity's Last Exam 在重新評分後為 34.6%（不使用工具）／46.8%（使用工具），OSWorld-Verified 則為 78.5%；這些修訂源於評估方法變更，因此與 Sonnet 4.6 發布部落格中的數字不同。

Token 經濟學（遷移風險）#

Sonnet 5 採用更新後的 tokenizer——與 Opus 4.7 引入的變更類似——因此相同輸入依內容類型不同，會轉換為約 1.0–1.35 倍的 token 數量。Anthropic 設定優惠價格時，目標是讓從 Sonnet 4.6 轉換過來「大致維持成本中性」。與 Opus 4.7 一樣，實際流量的 token 膨脹程度取決於內容，值得實際測量，而非直接假設；可參照 Claude Code Best Practices 中「上下文視窗是主要限制」的主題。

首次第三方單任務測量（Databricks，2026 年 7 月）#

Databricks 的內部程式設計基準測試以其數百萬行程式碼庫中的真實工程任務進行評估，由 The Register 報導（2026-07-13，case-study，二手報導），是本文資料集中首個在相同真實工作上比較 Sonnet 5 與 Opus 4.8 成本的非 Anthropic 測量：

• 每項任務 $2.09，任務成功率 81%；相較之下，Opus 4.8 每項任務 $1.94、成功率 87%，但 token「約便宜 1.7 倍」（與上述牌價相符：$3/$15 對 $5/$25 = 1.67 倍）。
• CTO Matei Zaharia 的解讀是：Sonnet 5「每個 token 的成本低於 Opus 4.8，但使用的 token 更多，因此總成本較高、品質也較低。」

因此，在這項工作負載上，Sonnet 5 的成本效能範圍沒有達到 Opus 4.8——每項任務多花 8% 的成本，完成率卻少了 6 個百分點。這次測試採用的 Sonnet 5 推理力度沒有公布，這項缺漏讓下方的交叉點問題仍無定論；harness 也未公布，而同一基準測試顯示，每項任務的上下文用量會因 harness 不同而相差 3 倍（Orchestration Sets Token Economics）。Anthropic 和 Databricks 都沒有銷售對方的產品，但這篇新聞報導轉述的是廠商部落格，未提供樣本數、變異數或各組方法細節。

安全與對齊概況#

Anthropic 的部署前評估顯示，Sonnet 5 整體優於 Sonnet 4.6：

• 代理安全性：更能拒絕惡意請求，並在提示注入攻擊中抵抗劫持嘗試。
• **誠實性：**幻覺和諂媚的比率都低於 Sonnet 4.6。
• 自動化行為稽核（在多種情境中測量配合濫用、欺瞞及其他錯誤對齊行為）：Sonnet 5 的整體分數低於 Sonnet 4.6——也就是更安全；但高於能力更強的 Opus 4.8 和 Claude Mythos Preview，也就是更不安全。這與常見的擔憂正好相反：在這裡，能力較強的模型在稽核中的對齊表現更好；Sonnet 5 殘留的錯誤對齊是中階能力模型的現象，而非前沿模型的現象。

唯一在此指標勝過所有 Opus 和 Mythos 模型的系列（2026-08）#

Anthropic 的 Frontier Red Team 多代理研究（Patterns and problems in multiagent systems，empirical，第一方）讓 10–80 個代理組成的群體運作 12 小時，共同建立一個程式碼庫，並追蹤兩項指標——合併的 PR 比例，以及每個代理撰寫的檔案中有多少內容是由其他代理撰寫。歷經五個世代，**只有 Sonnet 5 能在維持高合併率的同時真正共享程式碼。**4.6 世代的代理會互相衝突並放棄有衝突的 PR；Opus 4.8 和 Mythos Preview 則藉由幾乎完全保有各自檔案的所有權來維持合併率——也就是避免合作。詳情和指標定義請見 Parallel Agent Orchestration。

系統卡中沒有呈現這種能力概況：在此測量的單一面向上，中階模型是最佳協作夥伴，而前沿模型則靠避免協作來「解決」協調問題。應將此結果視為單一任務、單一 harness、第一方測試，數據則是從圖表讀取。

網路安全能力與防護措施#

Sonnet 5 並未刻意針對網路安全任務進行訓練（對照 Opus 4.7，其網路安全能力在訓練期間被差異化降低）。它能處理例行且無害的網路安全工作，但在漏洞利用開發等危險任務上的表現「顯著較差」，不如 Opus 4.8 和 Mythos 5。

• Firefox 漏洞利用評估（與 Mozilla 合作建立；所有漏洞都已在 Firefox 148 修補）：兩個 Sonnet 模型開發出可用漏洞利用的得分都是 0.0%。Sonnet 5 的部分成功率略高於 Sonnet 4.6；Anthropic 將此歸因於一般智慧能力提升，而非網路安全專項訓練。
• 預設啟用防護措施。由於 Sonnet 5 在此方面略強於 4.6，因此發布時採用與 Opus 4.7 和 4.8 相同的即時網路安全防護（在推論時偵測並封鎖遭禁止或高風險的網路安全使用）。這些防護措施被判定為低風險，嚴格程度低於 Fable 5 發布時採用的防護措施（後者會封鎖範圍更廣的網路安全任務，並改用較弱的模型）。合法的安全研究人員可透過Cyber Verification Program申請使用；Anthropic 建議需要較少防護限制的網路安全工作使用 Opus 4.8。

這讓 Sonnet 5 成為 Capability-Gated Model Fallback 所繪製防護光譜上的一個獨特位置：沒有刻意降低訓練能力（網路安全能力較低是模型原生特性），推論時以 Opus 4.7／4.8 等級的嚴格程度偵測並封鎖，且不會在失敗時切換模型。由於底層能力提升風險被判定較低，因此其防護範圍比 Fable 5 的分類器加回退機制更窄。

提供方式#

自發布日起（2026 年 7 月 2 日）即可全面使用：Free／Pro 方案預設使用，可供 Max／Team／Enterprise 使用，也可在 Claude Code 和 Claude Platform 上使用（原生版本、AWS、Microsoft Foundry；Google Vertex 將「很快」支援 Cyber Verification Program）。API ID 為 claude-sonnet-5。

相關文章#

• Claude Opus 5 — 2026 年 7 月發布的 Opus；在未啟用防護措施的原始瀏覽器操作提示注入測試中，Sonnet 5 仍比它更能抵禦攻擊（啟用思考時為 0.93% 對 3.70%）
• Claude Opus 4.8 — 衡量 Sonnet 5 能力上限的參照：Sonnet 5「以較低價格接近 Opus 4.8」，在某些任務上以較高推理力度達到相近表現，而且在行為稽核中比 Sonnet 5 安全；Anthropic 建議需要較少防護限制的網路安全工作使用這個模型
• Claude Opus 4.7 — 兩項與遷移相關變更的先例：tokenizer 膨脹 1.0–1.35 倍，以及 Sonnet 5 繼承的預設即時網路安全防護
• Claude Fable 5 — 防護光譜上限制更嚴的一端；Sonnet 5 的網路安全防護明確「比 Fable 5 發布時採用的防護措施寬鬆」
• Claude Mythos 5 — 網路安全能力的參照模型，Sonnet 5 遠不及它
• Mythos Model — Mythos Preview 是行為稽核中對齊表現最佳的參照模型，Sonnet 5 落後於它
• Anthropic — 廠商
• Claude Code — 主要代理執行環境；Sonnet 5 發布時即作為可用模型提供
• Capability-Gated Model Fallback — Sonnet 5 為防護光譜增添一個低風險、沒有回退機制的位置
• Client-Side Agent Optimization — Sonnet 5 依推理力度調整成本效能，是模型角色、預算與路由槓桿的第一方實例
• Cost-per-Task Over Cost-per-Token — Anthropic 將 Sonnet 系列定位為「多代理編排中的高流量子代理」，而 Sonnet 5 是已發布顧問策略結果中的執行者：搭配 Fable 5 顧問時，其 SWE-bench Pro 分數落在 Fable 5 的 10% 以內，而費用僅為全程使用 Fable 5 的 63%。Sonnet 5 也是該頁面中最清楚體現其自身論點的實測案例，從失利的一方來看：token 較便宜，任務反而較貴
• Harness Shrinkage as Models Improve — 「不必要求就會檢查自己的輸出」展現驗證支架如何從 harness 轉移到模型內
• Agentic Prompt Injection — 抵抗劫持能力提升，是代理安全性的主要進展
• Automated Behavioral Audit — Sonnet 5 的對齊評估項目（比 4.6 安全，但不如 Opus 4.8／Mythos Preview）
• LLM-Driven Vulnerability Research — Sonnet 5 刻意維持較弱表現的網路安全能力面向；Firefox 漏洞利用評估是具體案例
• Responsible Scaling Policy Evaluations — Sonnet 5 的部署前安全與能力評估，以及低風險網路安全判定

尚待解答的問題#

• 與 Sonnet 4.6 和 Opus 4.8 正面比較的基準測試數字僅以圖片形式出現在來源中；System Card 收錄完整數據。
• 一般 Sonnet 5 流量的實際 token 膨脹倍率是多少（1.0–1.35 倍取決於內容）？隨著推理力度提高，「大致維持成本中性」是否仍成立？
• 為什麼中階模型在行為稽核中的錯誤對齊程度高於能力更強的 Opus 4.8 和 Mythos Preview？這是能力與對齊之間的關聯，還是 Sonnet 系列與 Opus／Mythos 系列的訓練配方不同？
• Sonnet 5 到了什麼推理力度才會真正媲美 Opus 4.8？這個交叉點的成本，與直接執行 Opus 4.8 相比如何？#oq/source **部分已有答案：**Anthropic 的模型選擇指南將交叉點重新描述為拓撲選擇，而非推理力度轉盤上的一個點——Sonnet 5 搭配 Fable 5 顧問時，SWE-bench Pro 分數可達 Fable 5 的 10% 以內，成本則是其 63%。這是不同的組合（Fable，而非 Opus 4.8），採用的機制也不同（選擇性指導，而非提高推理力度），因此推理力度轉盤上的交叉點仍未經測量。**後半部分已有答案（2026-08-04）：**在 Databricks 的內部程式設計基準測試中，交叉點的成本表現不利——每項任務 $2.09、成功率 81%，而 Opus 4.8 為 $1.94、成功率 87%；因此在該工作負載上，使用 Opus 4.8 更便宜、表現也更好。測試未公布推理力度，所以前半部分——Sonnet 5 要到什麼推理力度才媲美 Opus 4.8——仍未經測量；而且單一公司程式碼庫上的單一基準測試無法推廣至其他情境。

資料來源#

• Introducing Claude Sonnet 5 — Anthropic，〈Introducing Claude Sonnet 5〉（2026 年 7 月 2 日；更新於 2026 年 6 月 30 日）。evidence: vendor-claim
• The price is wrong: AI cost calculation has to consider task completion rates, not just token costs — Thomas Claburn、The Register，2026-07-13（case-study，對 Databricks 內部基準測試部落格文章及 CTO Matei Zaharia 社群貼文的二手報導；資料集中未收錄第一手來源）：相較 Opus 4.8 的 $1.94 與 87%，Sonnet 5 每項任務 $2.09、成功率 81%，token 約便宜 1.7 倍。未公布推理力度、harness、任務數量或變異數
• Claude Opus 5 System Card — Anthropic，2026 年 7 月 24 日（empirical）：全文都將 Sonnet 5 作為比較組，包括上文引用的瀏覽器操作注入測試數據（表 5.2.2.3.A）。解析風險：這份 PDF 的原始 Markdown 會移動表格列——在 §4 防護措施表（4.1.1.A、4.2.B、4.3.1.B、4.3.2.A、4.4.2.B、4.4.3.B）、§5.1 代理安全表（5.1.1.A–5.1.3.A）及表 8.13.6.A 中，模型名稱會落在數值欄位內，照字面讀取表格可能會把一個模型的分數錯配給另一個模型。此處引用的數據已在 2026-08-03 對照 PDF 核對；引用原始 Markdown 的表格列前，務必先確認內容