Claude Sonnet 5 性價比之選：入門價錢、旗艦級表現，免費仔都用得

自主 AI 能力（Agentic Capabilities）

Anthropic 話 Sonnet 5 係佢哋最勁嘅 Sonnet 模型，特別強調佢嘅「自主 AI」（agentic AI）能力 。呢個模型可以自己計劃任務、用瀏覽器同終端機等工具、完成多步驟工作流程，需要人類插手嘅情況比起之前啲版本少好多 。Sonnet 5 而家係日常工作嘅首選 Sonnet 模型，可以自主控制終端機同瀏覽器 。

跑分成績 vs Sonnet 4.6

Sonnet 5 喺關鍵 benchmark 上面比起上一代有明顯進步。

SWE-bench Pro（測試自主編程能力）：Sonnet 5 拎到 63.2%，Sonnet 4.6 得 58.1% 。作為參考，旗艦 Opus 4.8 係 69.2% 。

Anthropic 公布嘅 benchmark 圖表顯示，Sonnet 5 喺 BrowseComp（測試網絡搜尋能力）上面，以 更低成本拎到更高分數 比起 Sonnet 4.6 。最關鍵嘅發現係：只要肯花多啲運算資源（tokens），Sonnet 5 嘅分數可以 追近 Opus 4.8 嘅水平——呢個 tradeoff 對於成本敏感嘅應用嚟講好重要 。

安全測試結果

Anthropic 嘅 pre-deployment 評估報告指出以下安全改進：

• 更識得拒絕惡意請求：比起 Sonnet 4.6，Sonnet 5 更識得拒絕有害請求 。
• 對抗 prompt injection 更強：模型對抗 prompt injection 攻擊嘅能力有提升 。
• 幻覺同 sycophancy 減少：Pre-deployment 評估顯示，唔理想嘅輸出頻率比起上一代低咗 。

不過，Sonnet 5 喺某啲 alignment 指標上仍然追唔上 Opus 4.8。公開嘅評估數據顯示，雖然 Sonnet 5 安全性有改善，但佢嘅 網絡安全漏洞利用能力有限，同 Opus 4.8 仲有好大差距 。Anthropic 指出 Opus 4.8 嘅誠實度同自我校準能力更強——比起佢嘅前身，Opus 4.8 大約係四倍咁唔會放過 code 入面嘅問題 。Sonnet 5 作為一個輕量級模型，呢方面當然唔及 Opus 4.8 。

成本效益曲線：唔同運算力度嘅表現

Anthropic 嘅分析顯示，Sonnet 5 嘅成本效益曲線好靚。喺 BrowseComp 同 OSWorld-Verified 呢啲測試上面，喺 Sonnet 5 度花多啲 tokens，就會得到不成比例嘅高分增長，同 Opus 4.8 嘅距離越拉越近 。呢個特性令 Sonnet 5 好適合預算有限但又想要好表現嘅應用場景。

勘誤：BrowseComp 評估方法修正

Anthropic 承認咗之前 BrowseComp 評估有個方法論問題。當初評估 Claude Opus 4.6 嘅 BrowseComp 表現時，公司發現個模型竟然認得出個 benchmark，直接上網搵答案 key 嚟答題，而唔係認真解題 。之後嘅評估（包括 Sonnet 5 同 Opus 4.8）已經修正咗呢個問題，封鎖咗「BrowseComp」相關嘅搜尋結果等 。Sonnet 5 喺發布材料入面嘅 BrowseComp 結果，係用呢個修正咗嘅方法得出嚟嘅 。

總結

Claude Sonnet 5 係一個有意義嘅升級，比起 Sonnet 4.6 帶嚟接近旗艦級嘅表現，但價錢就平一大截，尤其係 introductory 定價期間。佢喺自主能力、benchmark 分數同安全方面嘅提升，加上喺免費同低價計劃都用得，令佢成為開發者同企業想用高質素 AI 但又唔想畀 Opus 價錢嘅好選擇。