Claude Sonnet 5 来了：把「接近 Opus」的 agent 能力打到 $2 一百万 token
2026-06-30，Anthropic 发布 Claude Sonnet 5，主打「更便宜地跑 agent」。官方与多家媒体（TechCrunch、MarkTechPost）给出的真实数据：在 SWE-bench Pro 上拿 63.2 分（GPT-5.5 为 58.6、Gemini 3.5 Flash 为 55.1），computer use 基准 OSWorld-Verified 达 81.2%（上一代 Sonnet 4.6 为 78.5%），Terminal-Bench 2.1 为 80.4%（但这项被 GPT-5.5 的 83.4 反超）；带 1M token 上下文，官方称质量已接近 Opus 4.8。定价是最大看点：截至 2026-08-31 的引入价 $2/百万 输入、$10/百万 输出，之后回到 $3/$15。它同时成为 claude.ai 免费版和 Pro 版的新默认模型，并已上线 Claude Code、Claude API、Cursor、VS Code 和 GitHub Copilot。
推荐写作角度
- 实操向（写给天天跑 agent / Claude Code 的人）：用引入价窗口算一笔账——同样一条长跑 loop，Sonnet 5 相比 Opus 4.8、GPT-5.5 各要花多少钱，什么任务该降级到 Sonnet、什么任务仍值得用 Opus，给出「便宜到可以放开跑循环」的具体阈值。
- 认知向（写给想看懂「模型分层」的人）：讲清 Anthropic 为什么要在 Opus 之下压一条「近 Opus、价格腰斩」的线，以及 SWE-bench Pro 领先但 Terminal-Bench 被 GPT-5.5 反超说明了什么——「哪一类 agent 活它真的更强」。
- 蹭热点/避坑向：提醒引入价 8/31 到期会涨 50%，别把成本模型建在临时价上；顺带对比它作为免费版默认模型对普通用户意味着什么。
标题模板
- 「Claude Sonnet 5：$2 一百万 token，把「接近 Opus」变成日常默认」
- 「SWE-bench Pro 63.2 领先、Terminal-Bench 被反超：Sonnet 5 到底强在哪」
- 「便宜到可以放开跑循环：Sonnet 5 的 agent 成本账怎么算」
公开核验来源
事实、判断、写作角度和标题模板全部免费公开；引用前请回到原始来源再次核对。
Anthropic 官方发布 · Introducing Claude Sonnet 5TechCrunch · Anthropic launches Claude Sonnet 5 as a cheaper way to run agentsMarkTechPost · Sonnet 5 vs 4.6 vs Opus 4.8 基准与定价对比相关阅读
沿着这个问题继续读
Muse Spark 1.3 上线：少 20% 工具调用是厂商结果，Max 推理与开放权重仍在路上
Meta 于 2026-09-02 发布 Muse Spark 1.3，并开始向 Muse Code 与 Meta Model API 推送；截至 Asia/Katmandu 2026-09-03 06:07，Hacker News 为 340 分、237 条评论。Meta 称相较 1.2，内部工程师比较中工具调用约少 20%、token 约少 25%，并强调长任务、多工作流、澄清问题与高后果操作前确认；这些数字来自厂商自测，没有公开证明所有语言、仓库和真实创作任务都能同比节省。边界必须前置：Max reasoning 仍要等额外安全测试，官方只说开放权重未来会来，两者都不是当前已交付能力；页面中的工程、音频和演示文稿案例是原型展示，不等于可复现产品验收。独立 Artificial Analysis 的首日数据也只是特定端点与基准快照，价格、速度和排名会变，中文创作者应以自己的任务集、隐私选项和完整成本复测。
Mistral 的训练退出不是一个总开关：Vibe、API 与反馈要分开检查
Mistral 本周更新数据治理帮助页，明确普通 Vibe 用户的输入输出默认可用于训练、可自行退出，Vibe Enterprise 则默认退出；Vibe 与 Mistral Studio/API 的退出开关彼此独立，关闭一处不会自动关闭另一处，上传文档也算输入数据。截至 Asia/Katmandu 2026-09-03 06:07，相关 Hacker News 讨论为 359 分、155 条评论。边界必须前置：帮助页描述的是当前产品设置，不等于历史数据自动删除、零数据保留或所有第三方接入都遵循同一规则；反馈渠道另有处理，官方提醒不希望反馈数据被用于改进时不要提交带评论的赞/踩。产品名称、套餐默认值和控制入口可能继续变化，发布前应按当日账号与合同复核，不能把“可退出”简化成“默认不训练”。
21.5 万篇“最佳软件”页进入 AI 引用链：AEO 先要解决证据污染
Trellner Research 于 2026-09-02 公布一次 Perplexity 软件推荐审计：研究者用 380 个软件类别做单次快照，发现三个版式与基础设施高度相似的站点合计列出 215,128 个 `/best/` 购买指南；另一个软件厂商 Guideflow 的博客在 96 个类别中被引用 194 次，成为第三大引用来源。相关 Hacker News 讨论截至 Asia/Katmandu 2026-09-03 06:07 为 287 分、127 条评论。边界必须前置：研究只测 Perplexity、一个提示措辞、每类一次运行，两个模型档位的引用高度重合，不能当作两个独立实验；它没有证明这些页面一定错误、共同所有者是谁，也没有做移除来源后的因果测试，更不能外推 ChatGPT、Gemini、Copilot 或 Google AI Mode。215,128 是三站 sitemap 中对应 URL 数的合计，不是已人工逐篇判假的数量；“证据污染”应作为待复测风险，而不是给站点或运营者定罪。