什么是 Claude Sonnet 5？
Claude Sonnet 5 是 Anthropic 于 2026 年 6 月 30 日推出、最具代理能力的中阶模型。它能规划、使用浏览器与终端等工具，并以过去需要更大模型才能达到的水准自主执行任务，而成本远低于旗舰级的 Opus 4.8。
如果你在 Claude、ChatGPT 与 Gemini 之间来回，却总是不确定哪项工作该开哪个，这次发布改变了这道算式。Sonnet 5 的定位是预设主力，而非折衷选择。
简短版本：接近顶级的能力、中阶的价格，且自适应思考一律开启。本文其余部分要谈的，就是这笔交易何时值得。
Claude Sonnet 5 到底有什么新功能？
三点最突出。Sonnet 5 配备 100 万 token 的上下文窗口、最高 128k token 的输出，以及一律开启的自适应思考，在 API 与 Claude Code 中预设为高强度。Anthropic 同时指出，它的不良行为比率低于 Sonnet 4.6。
100 万 token 的上下文窗口，代表你可以把整个项目、一份长报告，或数个月的笔记一次丢进同一段对话，不必再切割。
一律开启的自适应思考，代表模型会自行决定每次请求要推理到什么程度，而不再由你手动切换设定。对实务工作者而言，这省去了一个过去要亲手管理的步骤。
Anthropic 官方发布页指出，Sonnet 5 的整体不良行为比率低于 Sonnet 4.6，这在你让模型自主调用工具时格外重要。
Claude Sonnet 5 与 Opus 4.8、Sonnet 4.6 相比如何？
在代理式编程上，Sonnet 5 得分 63.2%，高于 Sonnet 4.6 的 58.1%，但低于 Opus 4.8 的 69.2%。在 Terminal-Bench 2.1 上，它达到 80.4%，反而胜过 Opus 4.8 的 74.6%。在知识工作基准上，Sonnet 5 更略胜 Opus 4.8。
这点要仔细看。Sonnet 5 并非单纯是「较弱的 Opus」。它在部分编程任务落后，却在终端工作与知识任务上领先。
根据 MarkTechPost 于 2026 年 7 月 13 日的比较，其他公布数字包括 OSWorld-Verified 的 81.2%，接近 Opus 4.8 的 83.4%，以及 BrowseComp 代理式搜索的 84.7%。
实务结论是：对于绝大多数日常知识与浏览工作，Sonnet 5 已达到或接近 Opus 水准。只有当一项艰难编程任务值得多付溢价时，才动用 Opus 4.8。
Claude Sonnet 5 收费多少？
Sonnet 5 以优惠价推出：每百万输入 token 2 美元、每百万输出 token 10 美元，优惠至 2026 年 8 月 31 日。之后转为标准价：每百万输入 3 美元、每百万输出 15 美元。此为 Anthropic 官方定价。
有一个值得知道的陷阱。Sonnet 5 采用新的 tokenizer，同一段文字对应的 token 数，可能是旧模型的 1.0 至 1.35 倍。
因此表面价格看似更便宜，但你的实际账单取决于可能更高的 token 数。请以真实任务比较，而非只看单位 token 价格。
对市场或运营人员而言，诚实的做法是先跑一个具代表性的任务，读出实际 token 用量，再决定是否把工作流程交给 Sonnet 5。
何时该用 Sonnet 5，而非其他模型？
把 Sonnet 5 当成代理式与多步骤工作的预设：浏览、工具调用、终端任务，以及长文件分析，这些正是它 100 万上下文与强劲终端分数发光的场合。只在最艰难的编程任务升级到 Opus 4.8，并保留一个快速廉价的模型处理琐碎查询。
以下是一段可复制提示，用你自己的真实任务来实测 Sonnet 5：
你正在接受我工作流程中一项重复任务的评估。
任务：{贴上一个你每周实际会做的任务，附真实输入}
请：
1. 以正式生产质量完成任务。
2. 最后列出你用了哪些工具或步骤。
3. 指出一件能让任务更轻松或更可靠的事。
除非缺了信息就无法完成，否则不要反问。
把同一段内容在 Sonnet 5 和你目前使用的模型上各跑一次。先比输出质量，再比各自回报的 token 用量。这种以你自身工作为基础的并排对照，胜过任何基准表。
有哪些需要留意的陷阱？
最大的是 tokenizer 的改变：若沿用旧的单位 token 直觉来编列预算，你的实际支出可能被低估达三分之一。把 Sonnet 5 纳入经常性工作流程前，务必在真实任务上量测实际 token 数。
优惠价于 2026 年 8 月 31 日结束。你现在建立的任何成本评估，都应同时以标准价 3 美元与 15 美元试算一遍。
一律开启的自适应思考预设为高强度，这对质量有利，却可能在简单请求上增加延迟与成本。处理琐碎查询时，较轻量的模型仍是更聪明的选择。
在 UD，我们懂 AI，更懂你；UD 相伴，AI 不冷。为每项工作挑对模型，不再是靠猜，而是一个你真正说得出理由的决定。
为每项工作挑对模型
新模型几乎每月都在推出，为每项任务挑对模型本身就是一门技术。UD 团队会手把手带你完成每一步，从在你的真实工作流程上实测各个模型，到建立一套全团队都能遵循的简单决策框架。