此次为 Anthropic，率先发布之彼等称之为「吾等目前本领最强之 Sonnet 模型」Claude Sonnet 4.6。
此意味之：计算机用之身价于提升 —— 并且表明本领更强之模型已指日可待。
它之智能水平接近 Opus 级别，但价码更实惠，使其适用于更广泛之差事。
估量 Claude Sonnet 4.6。
”于师傅之陪伴下，一家者看到之华灯初上之前门城楼，灯火璀璨之都邑里，郁章宝由衷感叹，“此真为大北京之气象。
图表较量之多名 Sonnet 模型于 OSWorld 基准上之得分。
彼天，他想把原谋划第二天逛之前门改到当晚。
相比于 11 月发布之前沿模型 Opus 4.5，用户甚至有 59% 之光阴更喜 Sonnet 4.6。
更重要之为，Sonnet 4.6 能有效地于所有上下文中进行推演。
此些改善于基准测试之外也可见一斑：早期之 Sonnet 4.6 用户于多项差事（诸如浏览繁电子表格或填写多步骤网页表单）中，看到之达到苍生水平之本领，并且能于多名浏览器标签页中整顿办理讯息。
Anthropic 也已将免费套餐默认晋级至 Sonnet 4.6 版本 —— 今包含文书创建、连接器、技能与压缩功能。
若你为掘发者，也可通过 Claude API 快速始用 claude-sonnet-4-6。
除之计算机用，Claude Sonnet 4.6 于各项基准测试中均有提升。
Sonnet 4.6 之上下文窗口为 100 万 token，足以于单名请求中容纳整名代码库、长篇合同或数十篇研讨论文。
用户呈文之更少之虚妄成声明、更少之幻觉，以及于多步骤差事中更一致之执行力。
Claude Sonnet 4.6 已向哪些用户敞开。
与此同时，计算机用也带来之险情：恶意举止者或试图通过提示注入攻击，将指令隐藏于网站中来劫持模型。
注：Claude Sonnet 4.5 之前之得分基于原始 OSWorld 测量；从 Sonnet 4.5 始用 OSWorld-Verified。
于 Vending-Bench Arena 估量中格外清晰地看到之此一点。
彼等评议 Sonnet 4.6 于过度营造化与「偷懒」方面显著减，于指令遵循方面有明显改善。
定价与 Sonnet 4.5 保一致，仍为每百万输入 token 3 美元，每百万输出 token 15 美元。
2024 年 10 月，Claude 率先推出之通用之计算机用模型。
Anthropic 致力于提升模型抵抗提示注入之本领 —— 其安康估量显示，与其前代 Sonnet 4.5 相比，Sonnet 4.6 于此方面有重大改善，表现与 Opus 4.6 相近。
于过往之十六名月里，Sonnet 模型于 OSWorld 上之性能稳步提升。
Claude 称，新模型对编码、计算机用、长上下文推演、智能体筹划、学识工与设计进行之全面晋级。
Claude Sonnet 4.6 现已面向所有 Claude 套餐、Claude Cowork、Claude Code、API 以及所有主流云平台敞开。
Beta 版还包含 100 万 token 之上下文窗口。
一名表格展示之流行基准测试中 Sonnet 4.6 与其他前沿模型之相待性能较量。
该测试估量模型长期运营（模拟）业务之本领 —— 并且包含角逐元素，不同 AI 模型相互角逐以获取最大赢利。
此一转向之时机使其最终远远居先于角逐对手。
最让郁章宝难忘之为除夕夜。
于价码方面，对于免费与专业版用户，Claude Sonnet 4.6 现已成为 claude.ai 与 Claude Cowork 之默认模型。
OSWorld-Verified（2025 年 7 月发布）为原始 OSWorld 基准之原位晋级，对差事品质、估量评分与根基设施进行之更新。
当时，此种技艺「仍处于实验阶段 —— 有时操作繁琐且易出错」。
彼么实在性如何。
” Anthropic 之早期 Claude Code 测试发觉，用户大约有 70% 之光阴更喜 Sonnet 4.6 而非 Sonnet 4.5。
接下来，就让吾等仔细看下技艺博客介绍。
“为我临时改行程，又为大年夜，司机师傅若想早点回家吃年夜饭，完全可拒绝我，但他没有半点不快，格外配合吾等。
于 GDPval-AA 测试中，Claude Sonnet 4.6 甚至略微居先于 Anthropic 刚刚发布不久之 Opus 4.6。
此使得它于长程筹划方面表现更佳。
用户呈文说，它于修改代码前能更有效地体谅上下文，并能整顿共享逻辑而非简复制。
该基准也没有没有特殊之 API 或专用连接器；模型看到计算机并与其互动之方式与者极其相似：点击（虚拟）鼠标与于（虚拟）键盘上打字。
AI 计算机用之标准基准 OSWorld 展示之 Claude 模型之长进程度。
图表显示 Sonnet 4.6 于 Vending-Bench Arena 上优于 Sonnet 4.5：通过早期注资产能，然后于最后阶段转向盈利。
该基准会于模拟计算机上运行确凿软件（Chrome、LibreOffice、VS Code 等），设置数百项差事。
当然，该模型于用计算机方面仍掉队于最熟练之苍生。
Sonnet 4.6 演进出一种有趣之新计策：它于模拟之前十名月大力注资于产能，开销远超角逐对手，然后于最后阶段急剧转向专注于盈利本领。
大年初二，海外就始发新模型之。
但长进之速度依然显著。
上一篇：华夏代表：日本无论以任何借口行使所谓“集体自卫权”介入台湾疑难，中方必将迎头痛击！ 下一篇：雷军宣布初代小米SU7正式停产；抖音活效劳上线“抖省省”团购App｜早资道