Sonnet 4.6 ：Anthropic 最卷的模型，不惜“逼死”自家 Opus

在最近的模型混戰中，不只是中國廠商們在卷，Anthropic 也在半個月連續發布了兩款模型。而其中，最近發布的 Sonnet 4.6 有些特殊，它不是旗艦，卻在多個維度追平甚至超過了旗艦?？雌饋硭?Opus 1/3 的價格，就追上了它 99% 的性能。

在這個各家模型都要干掉 Opus 的時刻，它自己用性價比款的 Sonnet" 干掉 "Opus，給各位演示了一下，什么才是最卷的模型。

而且，這款模型非常值得關注的地方是，它讓 AI 操作電腦這件事第一次接近了 " 真的能用 " 的臨界點。而恰好在同一個月，一個叫 OpenClaw 的開源項目用 17 萬 GitHub 星標證明了一件事，人手一個的，能替自己干活的 AI Agent，可能成為一個新的趨勢。Sonnet 4.6 是模型，OpenClaw 是框架，但它們指向同一個方向。

便宜的再一次打贏了貴的

在 Anthropic 的產品線中，Opus 是最強最貴的旗艦，Sonnet 是平衡性能和成本的中端款，Haiku 是最快最便宜的輕量款。長期以來，Sonnet 的角色是 " 性價比之選 "，干不了最難的活但勝在便宜。Sonnet 4.6 打破了這個格局。

編碼方面，它在 SWE-bench Verified 上得分 79.6%，逼近 Opus 4.6 的 80.8%。Claude Code 的內部測試中，用戶 70% 的時間更偏好 Sonnet 4.6（對比 Sonnet 4.5），甚至有 59% 的時間比去年 11 月發布的旗艦 Opus 4.5 更受歡迎。用戶反饋集中在幾個方面，" 更少過度工程 "" 更少偷懶 "" 指令遵循明顯更好 "，以及更少出現 " 明明沒干完卻說干完了 " 的情況。

辦公任務是更大的驚喜。在 GDPval-AA 這個衡量真實辦公場景的評測中，Sonnet 4.6 拿到 1633 Elo，直接超過了 Opus 4.6 的 1606。便宜的在實際工作場景中打贏了貴的。類似的事正在行業里反復發生，Google 的 Gemini 3 Flash 也在逼近 Pro 的表現，DeepSeek 用遠低于美國公司的成本訓練出競爭力相當的模型。" 低端逆襲高端 " 已經不再是新聞，而是 2026 年 AI 行業的結構性趨勢。

不過獨立 AI 評測機構 Artificial Analysis 注意到了一個有意思的細節，Sonnet 4.6 在 GDPval-AA 上使用的 token 數量是 Sonnet 4.5 的約 4.5 倍。AI 媒體 Latent Space 據此指出，某些任務的總成本可能比 Opus 還高。這和價格表上的數字講的是兩個故事。

軟件工程師、AI 技術博主 Joe Njenga 在 Medium 上第一時間做了測試，他的感受是，" 發布才幾天，但 Sonnet 4.6 已經感覺比 Opus 更好用了。"Cosmic 平臺做了一個控制實驗，用完全相同的一句話提示詞讓 4.5 和 4.6 各生成一個博客應用，結論是 4.6 在設計品味和代碼架構上有質的提升，" 需要更少的手把手指導 "。編程工具 Kilo Code 直接把 Sonnet 4.6 設為默認推薦模型。當然也有負面聲音，發布當天就有用戶報告了函數名幻覺的問題。

價格跟上一代 Sonnet 4.5 完全一樣，每百萬輸入 token 3 美元，輸出 token 15 美元。同時它成了 Free 和 Pro 用戶的默認模型，免費用戶還新增了文件創建、skills 等功能。但正如上面提到的，" 同樣的錢買到更強的模型 " 不等于 " 用 AI 更便宜了 "。Extended thinking 的 token 按輸出價格計費，超過 200K 的長上下文有額外溢價，而 Agent 場景下動輒成千上萬次工具調用，實際使用成本可能反而在增加。

16 個月，Computer Use 從玩具變工具

Sonnet 4.6 還有一個值得單獨拿出來說的進步，就是 Computer Use，也就是 AI 操作電腦的能力。

2024 年 10 月，Anthropic 是第一個推出通用計算機操作 AI 的公司。當時他們自己都承認這個功能 " 還很實驗性，有時笨拙且容易出錯 "，發布時搭載的 Claude 3.5 Sonnet 在 OSWorld 評測上只拿到 14.9%。能做的事很有限，移動鼠標、點擊按鈕、輸入文字，基本是個勉強能用的遙控器。

之后的每一代 Sonnet 都在這個維度上進步。到了 2025 年 9 月的 Sonnet 4.5，成績已經大幅提升。但 Sonnet 4.6 才是真正讓這項能力從 " 技術 demo" 走向 " 可用工具 " 的節點。在 OSWorld-Verified 上，它拿到 72.5%，幾乎追平 Opus 4.6 的 72.7%，比 16 個月前的起點提升了近 5 倍。

數字背后對應的是質的變化。早期用戶報告說，Sonnet 4.6 在操作復雜電子表格、填寫多步驟網頁表單方面已接近人類水平，而且能跨多個瀏覽器標簽頁協同完成任務。在保險行業的基準測試中，Computer Use 拿到 94% 的準確率，是他們測試過的所有模型中最高的。更關鍵的一個改進是可靠性，在他們內部的瀏覽器自動化場景中，Sonnet 4.6 產生的幻覺鏈接數量為零，而此前的版本大約三個鏈接中就有一個是假的。

Claude Sonnet 在 OSWorld 基準上的得分持續提升。

這意味著什么？幾乎每家企業都有一些 " 前 API 時代 " 遺留下來的老舊系統，沒有現代接口，無法自動化。以前要讓 AI 操作這些軟件，就得給每個系統寫專門的連接器。而一個能像人一樣使用電腦的模型，直接改變了這個等式。科技圈評論者 Trung Phan 調侃說，Anthropic 的 demo 演示了 Claude 幫人在 DMV 網站上續車牌的過程，" 但 AI 還是沒法修好 DMV 本身。"

當人人都有一個 JARVIS

Computer Use 讓模型能操作電腦，但要變成一個真正幫人干活的 AI 助手，還需要一層編排框架把模型和現實世界的工具連接起來。這正是過去兩個月 AI 行業最火熱的戰場。

2 月份最熱門的 AI 項目不是某個大模型，而是 OpenClaw。它原名 Clawdbot（名字來自 Claude 和龍蝦鉗的雙關，后因 Anthropic 商標投訴兩度改名），由奧地利開發者 Peter Steinberger 從一個 WhatsApp 機器人做起，幾個月內暴漲到 17.9 萬 GitHub 星標。OpenClaw 能常駐在用戶的電腦后臺，通過 WhatsApp、Slack、iMessage 接收指令，幫你管郵件、排日程、訂機票、跑腳本，是目前最接近 " 鋼鐵俠里的 J.A.R.V.I.S." 的有著消費級的愿景和使用場景的產品。IBM 研究員 Kaoutar El Maghraoui 的評價是，OpenClaw 證明了自主 AI Agent" 不限于大企業，可以是社區驅動的 "。

OpenClaw 火爆的原因，不只是它本身做得好，更因為它戳中了一個被壓抑已久的需求。過去一年，AI 聊天機器人已經證明了自己在回答問題和生成內容上的能力，但用戶真正想要的是一個能替自己 " 做事 " 的助手，不只是聊天，而是能操作軟件、執行任務、跨應用協調。OpenClaw 讓這個需求第一次有了一個具體的、可以跑起來的產品形態。

但 OpenClaw 也暴露了個人 AI Agent 面臨的核心矛盾。安全研究人員發現超過 13.5 萬個暴露在公網上的實例；Cisco 檢測了其技能市場排名第一的插件，發現能悄悄將用戶數據發送到攻擊者服務器。Andrej Karpathy 最初稱基于 OpenClaw 開發的 Moltbook 是 " 我見過的最科幻的東西 "，幾天后說 " 不建議任何人在自己的電腦上運行它 "。一個足夠有用的 AI Agent 必須擁有足夠大的權限，而足夠大的權限天然帶來足夠大的風險。這個矛盾目前沒有人真正解決。

更值得關注的是 OpenClaw 對 AI 行業商業格局的潛在沖擊。OpenClaw 是模型無關的，它能跑 Claude，也能跑 ChatGPT，也能跑開源的 Minimax 和 Kimi。當 Agent 框架層成為用戶接觸 AI 的主要入口，底層模型就有被 " 商品化 " 的風險，就像 Android 讓手機硬件品牌競爭變得殘酷一樣。有評論者已經在問，"OpenClaw 會不會成為 AI 時代的 Android？"

2 月 15 日，Peter Steinberger 加入了 OpenAI，Altman 親口說 "the future is going to be extremely multi-agent"（未來一定是極度多 Agent 的）。OpenClaw 轉型為基金會項目，但它引發的這場關于 " 誰擁有 Agent 層 " 的爭奪才剛開始。

這也是理解 Sonnet 4.6 的另一把鑰匙。Anthropic 的應對策略不是等著被別人的 Agent 框架調用，而是把 Agent 能力直接做進模型里。Computer Use、Claude Code、Cowork，都是在構建一個 " 模型 + 工具鏈 " 的捆綁生態。Sonnet 4.6 把這些能力下放到中端價格，本質上是在說，你不需要一個第三方框架來讓 AI 替你干活，用 Claude 就行。

當然，能力越強意味著風險也越集中。Anthropic 在 system card 中坦承，Sonnet 4.6 在 GUI 操作場景中表現出 " 過度主動 " 的行為，比如未經授權發送郵件、過于激進地獲取 token，而且這種行為無法通過提示詞完全避免。獨立評測機構 Andon Labs 在 Vending-Bench 測試中發現，Sonnet 4.6 展現出與 Opus 4.6 類似的戰略復雜度，包括自發的價格操縱和對競爭對手的欺騙行為。他們的評價是，" 幾乎一樣令人印象深刻，也幾乎一樣令人擔憂，而且只要三分之一的價格。"

Anthropic 路線

把視角拉回 Anthropic 本身，Sonnet 4.6 只是它 2 月份密集動作的一部分。

2 月初，Anthropic 在超級碗投放了一組系列廣告，共四條片子，分別叫 "Betrayal""Deception""Treachery""Violation"，賽前和賽中各播一條，另兩條在線上流通，直指 OpenAI 在 ChatGPT 中加入廣告的決定，slogan 是 "Ads are coming to AI. But not to Claude." 效果顯著，網站訪問量漲了 6.5%，日活用戶增長 11%，Claude App 沖進了 Apple App Store 前十。

緊接著，Anthropic 宣布完成了 300 億美元融資，估值達到 3800 億美元，半年翻了一倍多。年化收入攀升至 140 億美元，其中 Claude Code 的年化收入就有 25 億美元，企業訂閱今年翻了四倍。

OpenAI 的 CEO Altman 對此不太高興，批評 Anthropic 的超級碗廣告 " 明顯不誠實 "，說它是 " 把昂貴產品賣給有錢人 "。Anthropic CEO Dario Amodei 的稍早一點在達沃斯論壇說自己不需要 " 跟某個大玩家進行十億免費用戶的死亡競賽 "。

這或許暴露了兩家公司在路線上的某種分歧。從公開信息來看，OpenAI 更傾向用戶規模路線，免費用戶盡可能多，再通過廣告和增值服務探索變現；它收編 OpenClaw 創始人，也是在搶占 Agent 編排層的入口。Anthropic 走的看上去更像是生產力工具路線，80% 的收入來自企業客戶，核心賣點是 coding 和 agent 能力，不做圖片生成，不太追求 C 端 DAU，而是把 Agent 能力內建到模型本身。Sonnet 4.6 讓免費用戶也能使用旗艦級能力，本身就是對 " 只服務有錢人 " 這個批評的無聲回應。

有一個數字或許能說明 AI Agent 能力提升帶來的沖擊，自 Anthropic 和 OpenAI 密集發布新模型以來，軟件股已經蒸發了約 2 萬億美元的市值。投資者正在 price in 一個可能性，AI Agent 對傳統 SaaS 軟件的替代，可能比所有人預想的都快。

12 天兩個模型，兩周三次頭條。這可能會成為 2026 年 AI 行業的默認節奏。