Claude Sonnet 5 默认上线 Claude Code：85.2% SWE-bench 但有隐藏成本

核心结论

6月30日，Anthropic 发布了 Claude Sonnet 5，立即成为 Claude Code 和 claude.ai 的默认模型。SWE-bench Verified 得分 85.2%，接近 Opus 4.8 水平，入门价格 $2/$10 每百万 token。但新分词器可能导致长时间 Agent 编码会话的实际成本不降反升。

发生了什么

Anthropic 在 6 月 30 日发布了 Sonnet 5，这是有史以来 Agent 编码能力最强的 Sonnet 模型。它立即成为所有 Free 和 Pro 用户的默认模型，覆盖 claude.ai、Claude Code、API、AWS Bedrock 和 Google Cloud Vertex AI。

核心性能数据：

• SWE-bench Verified：85.2%（大幅领先 Sonnet 4.6）
• SWE-bench Pro：63.2%（Opus 4.8 为 69.2%）
• OSWorld（计算机操作）：81.2%
• Terminal-Bench：80.4%
• BrowseComp：84.7%（非 Opus 模型中最高）
• 知识工作（GDPval-AA v2）：1618 分，微弱领先 Opus 4.8 的 1615 分
• Cursor 生产基准：Sonnet 5 Max 61.2% vs Opus 4.8 Max 63.8%

一句话总结：Sonnet 5 以 Sonnet 级定价提供了 Opus 4.8 约 90-95% 的 Agent 编码能力。BenchLM 排行榜上甚至以 94 分领先 Opus 4.8 的 92 分。

模型共享 Opus 4.8 的 100 万 token 上下文窗口和 12.8 万输出上限，训练数据截止 2026 年 1 月。

你可能不知道的陷阱：新分词器

厂商宣传的「比 Opus 便宜 60%」并非全貌。Sonnet 5 引入了新分词器，token 计数方式与 Sonnet 4.6 不同。再加上自适应思考机制（模型在难题上消耗更多计算资源），长时间的 Agent 编码会话可能产生与 Opus 4.8 相同甚至更高的实际成本。

$2/$10 的促销定价（截至 8 月 31 日）对代码审查、单文件生成等有限输出的任务最为有利。但对于 Claude Code 中反复调试的开放式 Agent 会话，节省幅度会缩小甚至消失。

建议开发者针对自己的工作流做基准测试，而不是假设成本会降低 60%。

对 AI 编码开发者的影响

1. Sonnet 系列重夺 Agent 编码王座。 Sonnet 3.5 开创了实用 AI 编码 Agent 的先河，但最近的进展集中在 Opus 级模型。Sonnet 5 将这种能力带回中端模型——正是大多数开发者日常使用的层级。

2. Claude Code 已静默升级。 7 月 1 日打开 Claude Code，你已经开始使用 Sonnet 5。无需迁移，默认高努力模式运行。但对于偏好 Sonnet 4.6 行为的特定任务，也无明确回退机制。

3. 免费用户获得接近 Opus 的编码体验。 Sonnet 5 作为 Free 套餐默认模型，意味着任何人都能获得接近 Opus 水平的编码质量。这全面提升了 AI 辅助开发的体验下限。

行动建议

• Claude Code 用户：本周跑几个有代表性的编码会话，对比 token 消耗。如果工作流偏重输出，监控新分词器是否推高了实际成本。
• Pro/Max 用户：Sonnet 5 是你的新默认模型。Opus 4.8 在复杂多步推理上仍有优势——用于架构设计和复杂系统调试。
• 免费用户：这是自 Sonnet 3.5 以来最大的免费套餐升级。100 万 token 上下文窗口本身就能改变大型代码库的工作方式。
• 正在评估模型的团队：8 月 31 日前的促销窗口是测试的好时机。建议按标准定价做预算规划。

更广的视角

Sonnet 5 发布的同一周，Anthropic 还解除了 Fable 5 的出口管制（7 月 1 日全球可用），并发布了面向生命科学的 Claude Science。公司在消费级模型、前沿研究模型和垂直领域工具三条线同时推进。对开发者而言，结论很简单：Claude Code 中使用的模型变得更好了，目前没有额外成本——但别假设你的账单会保持不变。