Anthropic发布Claude Sonnet 4.5：SWE-bench 77.2%创新高，官方称「全球最强编程模型」
Anthropic于2025年9月29日发布Claude Sonnet 4.5，官方称其为全球最强编程模型，SWE-bench Verified达77.2%创新高，能保持专注30小时以上，定价维持不变。
2025年9月29日，Anthropic正式发布新一代模型Claude Sonnet 4.5，官方公告称其为“全球最强的编程模型”（the best coding model in the world）。这是Claude Sonnet系列自今年5月推出4.0版本后的最新迭代，模型代号为claude-sonnet-4-5-20250929，已可通过Anthropic API直接调用使用。
根据官方公布的基准测试数据，Claude Sonnet 4.5在SWE-bench Verified（软件工程任务测试集，用于评估模型解决真实GitHub代码问题的能力）中取得77.2%的成绩，为目前公开纪录中的新高分。在电脑操作能力测试OSWorld（评估模型操作电脑图形界面、完成多步骤任务的能力）中，得分为61.4%。Anthropic特别强调，这款模型能在复杂、多步骤的任务中保持专注长达30小时以上，不中断、不偏离目标。值得注意的是，尽管性能提升，此次定价并未调整——每百万token输入3美元、输出15美元，与前代Claude Sonnet 4完全相同。
技术意义：从“回答问题”到“长时间自主执行”
过去一年AI模型的竞争焦点，逐渐从单次问答的准确度，转向能否在无人监督下完成长时间、多步骤的任务。Claude Sonnet 4.5所强调的长时间专注能力，指向的正是这个方向：模型不只是回答一个代码问题，而是能像工程师一样持续规划、调试、测试、修正，直到任务完成。这也是SWE-bench Verified这类“真实世界代码修复”测试分数持续攀升的原因——测的不是模型知不知道语法，而是能不能像人类工程师一样拆解问题、动手解决。
定价策略：性能提升，价格不变
此次Claude Sonnet 4.5维持与前代Sonnet 4相同的每百万token输入3美元、输出15美元定价，并未因性能提升而涨价。这种“同价格、更高性能”的策略，延续了近一年AI模型市场的常见走势：各家厂商通过持续迭代，在既有定价结构下提供更高性价比，借此巩固企业客户与开发者社群的黏着度。
业界反应：代码协作工具的潜在洗牌
Claude系列模型，尤其是Sonnet，长期是市场上多数AI辅助编程工具（如代码协作平台、IDE整合插件）的底层引擎选项之一。SWE-bench Verified成绩的持续刷新，往往直接影响开发者社群对“该用哪个模型接入工作流程”的选择。随着Claude Sonnet 4.5在自主调试与长时间任务执行上的能力提升，依赖AI模型完成代码撰写、重构、测试自动化的产品与团队，预期将重新评估现有的模型供应商配置。
对管理者的意义
Claude Sonnet 4.5展现的“长时间自主执行力”，代表AI工具正逐渐从“辅助员工完成单一小任务”，走向“能被交付一段完整项目、自行规划执行”的阶段。对非技术部门的管理者而言，这则新闻真正该留意的不是代码分数本身，而是“AI能不能被信任独立完成一段完整工作”这个趋势——未来评估团队导入AI工具时，除了看模型答得准不准，也该开始关注它能不能自己把一件事从头做到尾。