Anthropic Claude Sonnet 5 vs Sonnet 4.6 vs Opus 4.8: Agentic Coding Benchmarks, API Pricing, and Cost-Performance Tradeoffs Compared

Anthropic 近日正式推出 Claude Sonnet 5，號稱是該公司目前為止「最具代理能力」的中階模型。這款新模型不僅能自主規劃任務、操控瀏覽器與終端機，還能長時間獨立執行複雜工作鏈，在自主性與可靠度上均有顯著提升。即日起，免費方案與 Pro 方案的預設模型已切換為 Sonnet 5，Max、Team 及 Enterprise 用戶也可自行選用；此外，該模型也已同步上線 Claude Code 與 Claude 平台。 Sonnet 系列在 Anthropic 產品線中定位於中間層級，低於旗艦款的 Opus 4.8，但高於主打平價的 Haiku 4.5。此次推出的 Sonnet 5 是 2026 年 2 月發布之 Sonnet 4.6 的直接升級版本。Anthropic 強調這次更新並非只追求單一指標的突破，而是著力於代理能力的整體可靠性。具體而言，Sonnet 5 能在更長的任務鏈中穩定維持上下文，當工具呼叫失敗時也能更有效地自我修正，並在 Claude Code 或 Cowork 等環境中展現更一致的行為。 在公開評測數據上，Sonnet 5 全面超越前代 Sonnet 4.6。根據 Anthropic 官方數據，在 SWE-bench Pro（代理編碼評測）中，Sonnet 5 達到 63.2%，遠高於 Sonnet 4.6 的 58.1%；在 OSWorld-Verified（電腦使用能力評測）中獲得 81.2%，對比前代的 78.5%；在 Humanity’s Last Exam（HLE）工具使用評測中則拿下 57.4%，相較 Sonnet 4.6 的 46.8% 有大幅提升。值得注意的是，Sonnet 5 在知識工作評測 GDPval-AA v2 上取得 1,618 分，甚至微幅超越 Opus 4.8 的 1,615 分，顯示其在某些知識密集型任務中已具備接近旗艦的水準。 不過，若與旗艦 Opus 4.8 相比，Sonnet 5 仍有一段距離。Opus 4.8 在 SWE-bench Pro 上達到 69.2%，HLE 則為 57.9%，與 Sonnet 5 接近但略高。Anthropic 指出，對於精確度要求極高的任務，Opus 4.8 仍是首選，因為 Sonnet 5 在網路安全相關能力上被刻意壓低，以符合安全性設計。 定價方面，Sonnet 5 採用了全新的計費結構。在 2026 年 8 月 31 日前的上市推廣期內，輸入價格為每百萬 token 2 美元，輸出為每百萬 token 10 美元；推廣期結束後將恢復為常規價格：輸入 3 美元、輸出 15 美元。相比之下，旗艦 Opus 4.8 的定價為輸入 5 美元、輸出 25 美元；前代 Sonnet 4.6 則為輸入 3 美元、輸出 15 美元。需要注意的是，Sonnet 5 採用了與 Opus 4.7 相同的新版 tokenizer，同樣的文字在 Sonnet 5 中可能轉換為 1.0 到 1.35 倍的 token 數量，因此實際使用時成本需乘上這個倍數。 為讓用戶更彈性控制成本與品質，Sonnet 5 引入了「努力層級」（effort levels）機制，分為 low、medium、high 與 xhigh（extra high）。當選擇更高努力層級時，模型會花費更多 token 進行推理，結果品質隨之提升，但成本也同步增加。這項設計讓開發者可以根據任務需求精細調配開支。初步分析顯示，在低至中等努力層級下，Sonnet 5 的性價比優於 Opus 4.8；但在 xhigh 層級下，為達到近似品質所需花費可能比直接使用 Opus 4.8 更高，使用者需自行權衡。 安全性方面，Anthropic 表示 Sonnet 5 比 Sonnet 4.6 更為安全，尤其刻意降低了網路攻擊相關能力，以減少被惡意利用的風險。這也呼應了該公司在負責任 AI 發展上的一貫立場。對於需要高準確度與強健安全性的企業應用，Opus 4.8 仍是最適合的選擇。 整體而言，Claude Sonnet 5 的問世大幅縮小了中階模型與旗艦模型之間在代理任務上的差距。它不僅在基準測試中全面勝過前代，更以更具競爭力的價格與彈性努力層級，為開發者提供了兼顧成本與效能的實用選項。隨著該模型成為免費與 Pro 方案的預設模型，一般用戶也能立即體驗到更強大的自主操作能力。