智东西

编译 | 王涵

编辑 | 漠影

智东西 9 月 30 日消息，今天，Claude Sonnet 4.5 正式发布，该模型能持续专注处理复杂多步骤任务超过 30 小时，在编程能力、计算机操作能力榜单中占据榜首，在推理、数学、智能体编程等多方面超越 GPT-5。

Claude Sonnet 4.5 计价标准与 Claude Sonnet 4 保持一致，即每百万 tokens 输入 3 美元（约合人民币 21.4 元），输出 15 美元（约合人民币 106.8 元）。

此外，Claude Code 新增了检查点功能，用户可保存进度并支持即时回滚，Anthropic 更新了其终端界面，发布了原生 VS Code 扩展插件。

Anthropic 还向开发者开放了 Claude Code 的核心组件—— Claude Agent SDK，用户能直接运用支撑其产品的底层架构，进行二次开发。

Claude API 也新增了情境编辑与记忆工具，能够助力智能体持续处理更复杂的任务。在 Claude 应用中，代码执行与文件生成（电子表格 / 幻灯片 / 文档）已无缝融入对话流程。

以上功能今日已在 Claude 开发者平台、Amazon Bedrock 及 Google Cloud Vertex AI 开放公测。

一、能处理超 30 小时的任务，Claude Sonnet 4.5 超越 GPT-5

在衡量真实编程能力的 SWE-bench Verified 评测中，Claude Sonnet 4.5 稳居榜首。实际测试表明，该模型能持续专注处理复杂多步骤任务超过 30 小时。

在测试 AI 模型真实计算机操作能力的 OSWorld 基准评估中，Claude Sonnet 4.5 以 61.4% 的得分率获得第一，而四个月前 Sonnet 4 的得分仅为 42.2%。如下方演示所示，Claude 可直接在浏览器环境中运行，实现网站导航、表格填写与任务执行的全流程自动化。

该模型在包括推理、数学、智能体编程等多项评估中超越 GPT-5：

来自法律、金融、医学及 STEM 领域的专家证实，相较于旧版模型（包括 Opus 4.1），Claude Sonnet 4.5 在专业领域知识掌握与推理能力方面取得显著进步。

Anthropic 称 Claude Sonnet 4.5 不仅是性能最强的模型，更是他们迄今最具价值观对齐性的前沿人工智能系统。借助模型能力提升与深入的安全训练，研究团队改善了 Claude Sonnet 4.5 的行为模式，有效减少了阿谀奉承、欺骗隐瞒、权力追逐及助长妄想思维等不良倾向。

自动化行为审计系统中的总体行为失当评分，数值越低越好。失当行为包括但不限于欺骗、谄媚、权力追逐、助长妄想、服从有害系统指令等。

二、推出原生 VS Code 扩展插件，Claude Code 智能体能力升级

Claude Code 也推出了多项升级：原生 VS Code 扩展插件、2.0 版本终端界面，以及支持自主运行的检查点功能。

原生 VS Code 测试版扩展可以将 Claude Code 直接嵌入用户的集成开发环境。通过专属侧边栏面板和行内差异对比，用户可以实时查看 Claude 所作的代码变更。这款扩展为偏好 IDE 开发的用户提供了比终端更丰富、更可视化的 Claude Code 体验。

Claude Code 的终端界面也迎来了更新，新版界面提升了状态可视化程度，并新增可搜索的指令历史功能。

针对需要构建定制化智能体流程的团队，Claude Agent SDK（原 Claude Code SDK）开放了驱动 Claude Code 的核心工具、情境管理系统与权限框架。Claude Agent SDK 新增加了对子智能体与钩子函数的 SDK 支持，开发者能更灵活地构建适配特定工作流的智能体。

随着 Claude Code 承担的任务日趋复杂，检查点功能可以让用户在保持控制权的同时，能更安心地将任务委托给 Claude Code。

全新检查点系统会在每次代码变更前自动保存状态，用户只需双击 Esc 键或使用 /rewind 命令即可瞬间回退至历史版本。

回退检查点时，用户可选择恢复代码、对话记录或两者同时还原（注：检查点仅记录 Claude 的编辑操作，不包含用户编辑或 bash 命令，建议配合版本控制系统共同使用）。

三、性能提升 39%，Token 节省 84%，Claude 开发者平台情境管理功能升级

Claude 开发者平台推出两项全新的情境管理功能：情境编辑与记忆工具。

当生产环境中的智能体处理日益复杂的任务并生成大量工具调用结果时，往往会耗尽有效情境窗口，这迫使开发者面临截断对话记录或牺牲性能的两难抉择。

情境编辑功能可在 token 容量接近上限时，自动清理情境窗口中的陈旧工具调用及结果。随着智能体持续执行任务并积累工具调用记录，该功能能在保持对话流完整性的同时移除过期内容，从而显著延长智能体的自主运行时长，该功能还能通过聚焦核心情境有效提升模型实际性能。

记忆工具则让 Claude 能通过基于文件的系统，在情境窗口之外存储并调用信息。Claude 可在用户的基础设施中专设的记忆目录中创建、读取、更新及删除文件，这些文件将在多次对话间持续保存。

该功能让智能体能够逐步构建知识库、跨会话维持项目状态、参考历史学习成果，而无需将所有内容都塞入情境窗口。

记忆工具完全通过客户端工具调用运行，开发者可以自主管理存储后端，从而全面掌控数据存储位置与持久化方式。

Claude Sonnet 4.5 凭借内置的情境感知能力，可以在全程对话中动态追踪可用 token 数量，通过自动清理情境中的陈旧工具结果，支撑更长时间对话；还可以将关键信息存入记忆库并跨会话传承，持续提升应答精准度。

Claude Sonnet 4.5 可以处理完整代码库、分析数百份文档、维护大量工具交互历史。情境管理在此基础上确保智能体既能高效利用扩展容量，又能处理超越固定限制的工作流。

在智能体搜索内部评估中，研究团队还测试了情境管理对复杂多步骤任务的提升效果。结果显示，记忆工具与情境编辑结合使用较基线性能提升 39%，单独使用情境编辑性能可以提升 29%。

在 100 轮网络搜索测试中，情境编辑使智能体成功完成了原本会因情境耗尽而失败的任务，同时降低了 84% 的 token 消耗。

结语：Anthropic 进一步完善其智能体开发生态

这次发布是 Anthropic 一次从底层模型到工具链的系列升级。

在模型层面，Claude Sonnet 4.5 能够持续专注处理超过 30 小时的复杂任务，这一能力为长周期、多步骤的自动化流程带来了更多可能性。

Anthropic 通过 Claude Code 的升级、Agent SDK 的开放，以及情境管理功能的引入，构建了一个智能体开发生态系统，共同解决了智能体开发中的一个痛点：如何在有限的窗口内处理复杂的现实任务。