<mark id="oztn4"></mark>
0
| 本文作者： 高允毅 | 2026-07-02 19:22 |
作者丨高允毅
編輯丨馬曉寧
Claude Sonnet 5才發(fā)布了一天，網(wǎng)上已經(jīng)吵翻天——幾乎全是差評。
Anthropic把它定位為“迄今最具 Agent 能力的 Sonnet”，甚至直接說它在大量智能體任務上已經(jīng)接近旗艦 Opus 4.8，價格只有Opus 的四折。
聽起來，這就是來給開發(fā)者送溫暖的：更強的Agent、更便宜的API、更長的上下文、更穩(wěn)的安全對齊。
但劇情沒有按官方劇本走。
發(fā)布不到 24 小時，一張來自 GitHub 的跑分截圖開始在中文技術圈瘋傳。這個項目叫LLM Benchmark Dashboard，是個人私有題庫，主要在邏輯、數(shù)學、編程、人類直覺等高難度硬核推理問題上，測模型在深度思考、長思維鏈（Reasoning）模式下的表現(xiàn)。
在這場考核中，被寄予厚望的 Sonnet 5 不僅沒能碾壓全場，反而暴露出一個致命弱點：極度拉胯的性價比。
經(jīng)過仔細對比，我們可以看到三個關鍵事實：
第一，極限分數(shù)上 Sonnet 5 丟掉了絕對統(tǒng)治力。 在這套硬核邏輯題里，MiniMax-M3 跑出了 61.95 的高分拔得頭籌，而 Qwen3.7-Plus 也在極限分上與 Sonnet 5 死死打平。這意味著國產(chǎn)推理大模型在純邏輯的較量上，已經(jīng)有能力和硅谷頂流平起平坐。
第二，測試成本完全不在一個量級。 這是對比中最刺眼的地方。Sonnet 5 跑完同一套測試花了 71.96 元，而 Qwen 只要 11.71 元，MiniMax 只要 11.64 元。Sonnet 5 的賬單是國產(chǎn)模型的 6 倍還多。 如果真按這個比例大規(guī)模調(diào)用，企業(yè)的商業(yè)落地成本根本難以承受。
第三，耗時最短，但在這里可能并不是好事。 Sonnet 5 平均耗時僅 404 秒，遠快于 Qwen 的 1156 秒和 MiniMax 的 887 秒。這說明它的 Token 吐出速度確實快。
但在面對極難邏輯題時，“快”往往意味著思考不夠深。顯然，Sonnet 5 的思維鏈（CoT）堆疊得不夠厚，自我糾錯預算受限，導致它在真正需要“絞盡腦汁”的地方，沒能靠算力把極限分拉開。
也難怪網(wǎng)友看完第一反應如此真實：
“這不是能力不行，這是性價比不行?！?/span>
不過也要說明，這畢竟是一家個人維護的私有題庫，覆蓋面和命題風格都有特定偏向。它不能代表 Sonnet 5 的全部能力，但在中文開發(fā)者關心的“純邏輯攻堅”場景下，確實暴露了一個問題：在越來越卷的推理賽道里，Sonnet 5 不再是那個“閉眼選”的答案。
01
Anthropic 給 Sonnet 5 設定的官方敘事，原本非常清晰：Agent 能力大升級，價格卻只要旗艦的四折。
為了拉攏開發(fā)者，官方甚至直接“發(fā)糖”：2026 年 8 月 31 日前限時特惠，API 輸入只要 2 美元 / 百萬 token。（活動結(jié)束后恢復 3 美元 ）
面對這波瘋狂暗示，全球社區(qū)的反饋卻分成了“三派”。
▎“吹爆派”表示，Sonnet 5 在多步 Agent 和工程編程能力上，確實頂?shù)搅颂旎ò?/span>
在 Reddit 的開發(fā)者社區(qū)里，大量高強度手搓代碼的程序員發(fā)來賀電，驚嘆于它在復雜后端開發(fā)、多文件重構(gòu)上的統(tǒng)治力。
有開發(fā)者在體驗后留下了這樣一句高贊評價：“它只用了一會兒，就修復了一個把最新旗艦 Opus 4.8 卡了好幾天的嚴重 Bug。拿到了 Opus 的智商，卻只收 Sonnet 的價格?！?/span>
這種強大的自主行動力本就是它的強項。在Claude Code 終端工具全新升級后，Sonnet 5 能夠自主進行工作流規(guī)劃、輸出自檢，并能熟練調(diào)用終端和瀏覽器。
在極具含金量的 SWE-bench Pro 官方跑分中，Sonnet 5拿下了63.2%，直逼Opus 4.8 的 69.2%；而在主力編程工具 Cursor 發(fā)布的真實測試里，Sonnet 5 在 CursorBench 上的得分從前代 Sonnet 4.6 的 49% 一路暴漲到了 57%。
這意味著在實際研發(fā)場景中，它已經(jīng)有能力在沒有人類實時干預的情況下，獨立搞定超過一半的多文件復雜重構(gòu)任務。
還有一位中文開發(fā)者實測了三個任務，分別是跨文件配置遷移、寫 API 中間件和重構(gòu) 200 行工具函數(shù)。
結(jié)果前兩個任務完美通關， Sonnet 5還會主動跑測試，但在第三個任務“重構(gòu) 200 行工具函數(shù)”上卻翻了車。但根本原因并不是代碼能力不行，而是項目沒寫測試框架版本，模型只好“憑感覺盲開”。
當然，它離“全能”還差得遠。技術大佬 Simon Willison 吐槽，Sonnet 5在組合工具調(diào)用時經(jīng)常卡殼，冷知識問答也全憑運氣。最逗的是代碼渲染翻車現(xiàn)場，本想讓它畫一只“騎自行車的鵜鶘”，它硬是給“指鳥為鵝”，畫了只大白鵝出來。
▎吐槽派則認為Sonnet 5的Max 推理模式是個“賬單刺客”
如果說Sonnet 5基礎能力讓人驚喜，那它特意設計的Max 推理模式，直接把開發(fā)者看傻了。 官方初衷原本是希望模型進行更深度的推理。但實測發(fā)現(xiàn)，這玩意兒極度容易陷入高成本的“過度思考”。 有個網(wǎng)友神評論：“它思考了整整一個世紀，燒光了我的額度，最后就吐出那么短一句話?！?/span>
在 Agent 自主規(guī)劃場景下，Sonnet 5 的調(diào)用輪次比上一代翻了 3 倍，輸出 Token 膨脹了 40%。
有網(wǎng)友掏出計算器一算，如果按標準定價，用 Sonnet 5 完成一個長程智能任務要花 2.29 美元；而用上一代的Opus 4.8，只要 1.80 美元，直接貴了 15%。
而且，Anthropic 這次玩了個“暗度陳倉”，悄悄換了新的分詞器（Tokenizer）。導致同樣一段文本，現(xiàn)在的 Token 數(shù)量會直接膨脹最高 35%。有網(wǎng)友總結(jié)，“價格看著沒變，賬單直接漲飛了”。
當“話癆模型”遇上“計費通脹”，直接讓 ToB 企業(yè)大破防。
Uber剛給 5000 名工程師開通 Claude Code 試用，結(jié)果重度用戶的人均月度賬單直接飆到了 500–2000 美元。短短四個月，全年的 AI 編程預算被硬生生燒光，逼得 Uber CTO 緊急踩剎車，宣布重新評估財務模型。
無獨有偶，微軟最核心的 Windows 與 M365 團隊也扛不住了。據(jù)曝他們將在 2026 年 6 月全員停用 Claude Code，全面遷回自家的 GitHub Copilot，只為了控住那極其離譜的 Token 成本。
▎觀望派表示，不如國產(chǎn)模型，建議跳過
在中文技術圈和 X 上，不少網(wǎng)友直接把它跟 GLM-5.2、MiniMax-M3、DeepSeek V4 Pro 對比。
比能力？兩者幾乎持平。拼價格？價差最高 56 倍。
專注 AI 基準測試的 LisanBench 創(chuàng)始人直接在 X 上辣評，帖子瀏覽量瞬間突破67萬：“Sonnet 5 應該被扔進垃圾桶，它比 DeepSeek貴了整整 57 倍?！?/span>
更夸張的是一組來自國內(nèi)開發(fā)者的真實跑賬對比：有人用國產(chǎn) DeepSeek 跑一整天工作流，Token 消耗超過 2400 萬，賬單僅 11.73 元人民幣；而同一天用中轉(zhuǎn)站調(diào) Claude，花了 1700 元人民幣。
11 塊 vs 1700 塊，差了 145 倍。 這已經(jīng)不是“性價比”層面的較量了，這根本就是兩個世界的定價體系。
02
在這些爭議的核心，Sonnet 5的推理能力是另一個值得關注的話題。 一方面，它在Agent場景中表現(xiàn)出色，展現(xiàn)了極強的自主規(guī)劃、工具調(diào)用及多文件協(xié)作能力。它更像是能自主解決問題的“虛擬程序員”，場景越復雜，它的價值越高，展現(xiàn)了它在“慢思考”的真正實力。
但另一方面，它在邏輯推理和考試型任務上，無論是極限能力，還是性價比，不如國產(chǎn)模型。
歸根結(jié)底，也是因為它的Max 推理模式“用力過猛”。 在追求最高性能時，高延遲和高成本使得在該模式下進行簡單推理往往得不償失。
Hacker News 的技術大佬 doctoboggan去扒出了 Anthropic 官方的“成本-性能散點圖”后，證實了一個結(jié)論：
“在同等花銷下，Opus 4.8 的表現(xiàn)反而更好！”
03
除性能與定價爭議外，Sonnet 5 過度保守，也成為開發(fā)者集中吐槽的一大短板。
官方不僅自曝家丑，表示為了防止?jié)撛跒E用，模型被硬生生塞進了一個“道德審查器”。面對一些技術請求，它有時不僅不幫忙，還加大了對用戶的“說教”。
Anthropic還在發(fā)布會大肆宣傳：看！Sonnet 5 在“編寫 Firefox 漏洞利用代碼（Exploit Development）”的測試中，考了零分！
結(jié)果直接把 Hacker News 上的極客工程師們看笑了，網(wǎng)友們紛紛無情嘲諷：
“這就像一家安全公司在驕傲地宣布：看，我們故意讓這個模型變笨、變殘廢了，這樣它就肯定不會惹麻煩?！?/span>
對于需要進行網(wǎng)絡安全攻防演練、黑盒測試的白帽子工程師來說，這種過度安全對齊不僅沒有保護任何人，反而直接讓工具失去了原本該有的實用價值。
太“乖”的 Claude，也是一種翻車。
04
Claude Sonnet 5 到底翻沒翻車？這取決于你拿它干什么，以及你愿不愿意為它高昂的賬單買單。
如果你的核心痛點是 Agent 智能體編程、復雜后端工程重構(gòu)、多文件長程協(xié)同，它大概率依然會讓你感到驚喜。
但如果你只是想跑一些中文硬核邏輯題、做日常知識問答、或者在預算有限的情況下追求極致性價比，那它的表現(xiàn)和瘋狂燃燒的 Token 賬單，可能完全對不起它的身價。
過去兩年，所有人比拼的都是“誰更聰明、誰的基準分更高”；而現(xiàn)在的技術圈與企業(yè)界，大家都在拿著算盤計算“誰更劃算、誰的商業(yè)落地成本更低”。
當國產(chǎn) DeepSeek 級別的高級推理任務綜合成本只要 0.04 美元，而 Sonnet 5 在 Max 模式下要花 2.29 美元時，跑分榜上那一兩分的微弱差距，已經(jīng)根本無法支撐起高達56倍的恐怖價差。
大模型賽場，已經(jīng)不再是Anthropic 想怎么定價，開發(fā)者就得怎么掏錢的時代了。
對于正處于算力與預算雙重焦慮中的普通開發(fā)者而言，或許最想問的是：我為 AI 燒進去的每一分真金白銀，真的都買到了對應價值的‘智能’嗎？
希望 Claude 能好好回答這個問題。
上車，雷峰網(wǎng)(公眾號：雷峰網(wǎng))帶你看遍全球 AI 頂會精華
可獨家暢覽：
專家演講PPT
大會報告全文
熱門論文解讀
學術新星訪談
掃描上方二維碼
或點擊「閱讀原文」關注專區(qū)。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
