共计 2942 个字符，预计需要花费 8 分钟才能阅读完成。
在5月22日的开发者大会上，Anthropic正式发布了其全新一代Claude模型系列：Claude Opus 4与Claude Sonnet 4。公司在公告中自信地指出，Claude Opus 4是“全球最佳编程模型”，它在编程、高级推理以及AI智能体（AI agents）方面设立了新的标杆，特别适合处理复杂的长期任务和智能工作流程。同时，Claude Sonnet 4作为对Claude Sonnet 3.7的显著提升，亦在编程和推理能力上实现了重要进展。
根据Anthropic的说法，Claude Opus 4是迄今为止公司最为强大的模型，尤其在编码表现上尤为突出。根据其提供的数据，Opus 4在SWE-bench（用于评估真实软件工程任务的基准）上达到了72.5%的准确率（并行测试时可高达79.4%），而在Terminal-bench（测试AI模型在终端环境中编码能力的基准）上则达到了43.2%（并行测试时可达50.0%）。这些数据均超越了包括Gemini 2.5 Pro在内的其他竞争模型。Claude Sonnet 4的表现同样不容小觑，在SWE-bench上取得了72.7%的准确率（并行测试时可达80.2%），在某些特定配置下甚至略超Opus 4。
图丨基准测试结果（
一些早期的测试用户在社交平台上分享了他们的使用体验，进一步印证了Claude 4的强大性能。
例如，著名AI博主Ethan Mollick只用一句简洁的提示：“the book Piranesi as a p5js 3d space. do it for me”（将《皮拉内西》这本书转化为p5.js的3D空间，帮我实现），Claude 4便生成了一个令人印象深刻的3D空间演示，展示了鸟、水和光照效果，效果十分出众。
还有用户通过一次简单的提示就成功生成了复杂的双摆模拟系统，表现相当不俗。
另一位知名博主Peter Yang获得了早期的访问权限，他总结道：“1. 在写作和编辑方面，它依然是同类中的佼佼者。2. 它的编码能力与Gemini 2.5不相上下。”他还展示了Claude 4一次性构建了一个完整的俄罗斯方块游戏。
图丨相关推文（
Claude 4：打破智能体局限的新纪元
除了在编码领域表现出色，Claude 新一代模型在推理及 AI 智能体功能方面也取得了显著进展。Anthropic 最近推出了“工具使用下的扩展思考”测试版，这一新功能使得两个模型在扩展思考的过程中可以借助工具（例如网络搜索），从而在推理与工具使用之间灵活切换，以提升其响应的准确度。
此外，新模型还具备并行使用多个工具的能力，能够更精准地执行指令。当开发者授权访问本地文件时，该模型的记忆能力显著增强，能够提取和存储重要信息，以确保任务的连续性并逐步积累隐性知识。
Anthropic 特别强调，新版本模型在减少使用“捷径”或“漏洞”完成任务方面表现优异。与 Sonnet 3.7 相比，Opus 4 和 Sonnet 4 在这类易受影响的智能体任务中，这种行为的发生概率降低了 65%。
图丨Claude 4 Sonnet 消除了 Sonnet 3.7 过于冗长和过于热衷于实现功能的倾向（
Claude 4 系列的一大亮点就是其记忆能力的显著提升。Anthropic 的首席产品官 Mike Krieger 在接受 WIRED 采访时指出，Claude Opus 4 可以在《宝可梦》游戏中以智能体的身份持续工作长达 24 小时，而之前的模型最长只能运行 45 分钟。为了展示其能力，Anthropic 还进行了名为“Claude Plays Pokémon”的Twitch 直播，展示了 Claude 3.7 Sonnet 在游戏中的表现。
图丨Opus 4 在玩宝可梦时记下的真实笔记（
在此基础上，Claude 4 Opus 进一步提升了其在复杂任务中的导航能力。研究人员观察到该模型在游戏中执行复杂任务时，其长期记忆和规划能力得到了显著改善。例如，当 AI 发现自己需要特定技能才能继续时，它会花费两天的时间来提升这些技能，随后再重返游戏。这种无需即时反馈的多步骤推理能力，反映了模型在任务连贯性和目标跟踪方面的进步。
Anthropic 的研究员 David Hershey 解释道，这项研究意在探讨 Claude 如何作为智能体独立完成复杂任务。当开发者构建允许 Claude 访问本地文件的应用时，Opus 4 能够灵活地创建和维护“记忆文件”，以存储关键信息。这种能力促成了更好的长期任务感知、连贯性以及智能体的任务性能。就像 Opus 4 在玩《宝可梦》时创建的“导航指南”，这对于需要长时间保持上下文的 AI 智能体至关重要，无论是自动化数小时的工作流，还是进行大规模代码重构。Krieger 还提到，一位早期客户（日本乐天）曾让该模型连续工作 7 小时，顺利完成一项大型代码重构任务。
新一代Claude 4模型发布，推动智能体发展
在定价方面，Claude 4 模型与其前辈保持一致：Opus 4 的输入费用为每百万token 15美元，输出费用为每百万token 75美元；而Sonnet 4 的输入费用为每百万token 3美元，输出费用为每百万token 15美元。这两种模型均支持扩展思考模式的切换。值得一提的是，Sonnet 4 将继续向免费用户开放，而 Opus 4 则需要用户进行付费订阅。
随着新模型的推出，Anthropic还宣布Claude Code（于今年2月首次发布）经过几个月的预览测试后正式对外提供。Claude Code的目标是将Claude的强大功能更广泛地融入开发者的工作流程中，无论是在终端、喜爱的开发环境，还是通过Claude Code SDK在后台运行。针对VS Code和JetBrains的新测试版扩展能够将Claude Code直接集成到IDE中，Claude所提供的编辑建议会以内嵌的方式呈现在文件中，这大大简化了在熟悉的编辑器界面中的审查和跟踪流程。
此外，Anthropic还推出了一个可扩展的Claude Code SDK，允许开发者基于Claude Code的核心智能体构建他们自己的智能体和应用程序。
在Anthropic的API中，还新增了四项功能，旨在帮助开发者创建更强大的AI智能体，包括：代码执行工具、MCP连接器、文件API以及提示缓存最长可达一小时的能力。
Anthropic表示，“这些模型标志着向虚拟协作者迈出了重要一步——它们能保持完整的上下文，持续关注更长时间的项目，并产生深远的影响。”回顾近期谷歌、OpenAI和Anthropic等AI行业巨头的成果，大家都在为这一目标而努力。
参考资料：
1.https://www.anthropic.com/news/claude-4
2.https://igent.ai/sonnet4eval.pdf
3.https://www.wired.com/story/anthropic-new-model-launch-claude-4/
排版：溪树
