編程模型領域迎來新一輪技術突破——Anthropic推出的Claude Sonnet 4.5模型在多項關鍵指標上超越前代，成為當前性能最強的編程專用模型。這款新模型不僅在代碼生成效率上實現質的飛躍，更在安全性與專業領域應用方面展現出顯著優勢。
在編程能力驗證方面，Claude Sonnet 4.5在SWE-bench測試中取得1.8個百分點的提升，達到行業領先水平。更引人注目的是其持續工作能力——第三方測試顯示，該模型可自主完成長達30小時的編程任務，期間生成超過1.1萬行代碼，成功構建出具備完整功能的類Slack聊天應用。這一表現較前代Opus 4模型的7小時持續工作時長提升超4倍。
計算機系統操作測試（OSWorld）中，新模型以60.2分的成績刷新紀錄，較前代提升近50%。在終端編程（Terminal-Bench）和工具使用（τ2-bench）等專項測試中，同樣展現出顯著進步。數學能力驗證方面，該模型在AIME 2025試題中達到100%準確率（借助Python工具），純推理模式準確率也高達87%。
專業領域應用成為另一大亮點。在金融、醫療、法律及STEM四大領域，新模型相較前代對基準模型的勝率大幅提升，16K上下文環境下開啟深度思考模式時，準確率均突破60%閾值。某金融機構AI負責人評價稱，該模型已能提供投資級專業分析，顯著提升決策效率。
安全性方面，通過專項訓練，模型諂媚、欺騙等不良行為發生率大幅降低。在防御即時注入攻擊測試中，新模型展現出更強的魯棒性，正常請求誤拒率從0.15%降至0.02%。GitHub首席產品官Mario Rodriguez特別指出，該模型顯著提升了Copilot處理跨代碼庫復雜任務的能力。
技術生態同步升級，Anthropic發布的Claude Agent SDK將智能體開發框架從專用代碼工具擴展為通用開發平臺。新框架系統化構建"上下文收集-行動執行-結果驗證"開發循環，重點解決長任務內存管理、權限控制系統、多智能體協作三大技術難題。配套推出的Imagine with Claude功能支持實時需求轉化，用戶輸入構思即可自動生成可運行原型。
在商業策略上，新模型延續"提質不提價"原則，輸入/輸出token價格分別維持3美元和15美元每百萬單位。Cognition公司CEO Scott Wu透露，基于該模型開發的Devin工具在規劃能力和端到端評估中取得突破性進展。目前開發者已可通過官方渠道體驗新模型及開發工具。
