2025 年 9 月 30 日，喺中國著名嘅 AI 公司 Deepseek 發佈 DeepSeek‑V3.2‑Exp 版本嘅翌日，喺代碼生成領域全球領先嘅人工智能公司 Anthropic 正式發佈其最新模型 Claude Sonnet 4.5，主打「長期自主執行 + 強化編碼 + 更強推理」為核心競爭力。相比其前代版本，4.5 喺編碼耐久性、工具協作、推理能力與系統生態整合方面有多重突破，被定位為其「最對齊」、最強大嘅邊界模型。
新突破與亮點
1. 長周期自主運行能力大幅提升
Anthropic 喺發佈中指出：喺內部測試中，一個客戶曾經令模型喺無人干預嘅情況下持續編碼 30 小時以上，構建一個完整嘅 Web 應用程式。呢個成績遠超之前版本（Opus 4 喺某啲實例中曾維持約 7 小時）。呢種長時運行能力增強咗 Claude 嘅長期任務執行潛力。
呢種能力代表模型喺面對跨小時、跨日嘅複雜任務（例如連續嘅數據處理、自動化腳本執行、機器人控制等）時具備更強耐力，唔容易因上下文斷裂、內部狀態衰減而失去連貫性。
2. 編碼能力與工具協作再進化
喺技術更新中，Anthropic 強調 Sonnet 4.5 係「世界上最強嘅編碼模型（best coding model）」，特別擅長構建複雜嘅 agent 系統與自動化工具。通告指出，喺 SWE‑bench Verified（衡量真實世界軟件工程能力嘅基準）上，4.5 取得頂尖表現。
- 「檢查點」（checkpoints）：用戶喺使用 Claude Code 時可以保存進度、回滾狀態，呢個係用戶長期編碼過程中非常實用嘅版本控制功能。 Anthropic
- VS Code 原生擴充與終端介面刷新：提升開發環境嘅無縫性同效率。
- Claude Agent SDK：Anthropic 開放其內部構建 agent 嘅框架與工具俾開發者，令構建可組合、具上下文智能嘅 agent 更加便捷。
呢啲改進令 Sonnet 4.5 喺「理解意圖 → 擬定策劃 → 工具調用 → 執行動作」呢條鏈上能更順暢協同工作。
3. 喺 OSWorld 與現實操作任務上嘅跨越式提升
Claude 4.5 喺 OSWorld 基準上嘅表現尤其突出：官方數據顯示，其喺執行真實計算機任務（例如介面操作、檔案操作、軟件使用等）嘅得分由 Sonnet 4 約 ~42.2% 跃升至 61.4%。呢個數據代表模型喺控制電腦環境、執行系統級操作方面嘅能力大幅增強。
喺操作系統同電腦使用能力上，4.5 被宣傳為「最強嘅模型」，可以喺瀏覽器中直接導航、填寫表格、執行腳本、操縱介面等。
4. 改進嘅推理、數學與對齊表現
Anthropic 喺通告中仲強調，Sonnet 4.5 喺推理（reasoning）同數學（math）任務上嘅表現都有顯著提升，係該公司迄今為止「最對齊」嘅 frontier 模型。相較於早期版本，佢喺行為對齊（alignment）方面做咗多項優化：減少諂媚行為 (sycophancy)、欺騙風險 (deception)、權力驅動 (power‑seeking) 同幻覺 (hallucination) 嘅傾向。
此外，喺系統安全方面，4.5 被納入 ASL‑3（Artificial Intelligence Safety Level 3） 保護框架，其輸出同輸入會被多層分類器檢測，特別針對化學/生物/核/放射性 (CBRN) 風險內容。Anthropic 表示其分類器誤報率已大幅降低。
5. 推出即享有無更改價格 / 向下兼容性
值得注意嘅係，Anthropic 宣稱 Sonnet 4.5 嘅 API 定價與 Sonnet 4 保持一致：$3 / $15（輸入 / 輸出 token）唔變。即係話，用戶可以升級到 4.5 而無需承擔更高成本。
此外，4.5 喺部署上具備向下兼容性：無論你係透過 Claude 應用、API 定係 Claude Code，都可以將 claude-sonnet-4-5 作為直接可用選項。Anthropic 將其視為對 Sonnet 系列嘅「無縫升級」版本。
背景與行業意義
此次發佈唔單止係例行版本更新，而係喺「AI 作為 agent / 自動化工具」戰場上嘅一次顯著佈局。近年來，構建能夠長期執行複雜任務嘅 AI 被視為下一階段競爭核心，而喺呢個方向上，持續運行能力 + 編碼 + 工具協作通常係瓶頸。Sonnet 4.5 喺多個維度同時發力，有望喺企業級 AI、智能編程助手、自动化 agent 等場景獲得更明確落地路徑。
喺市場競爭方面，Claude 4.5 嘅推出亦正值 AI 模型陣營加速迭代期。OpenAI、Google、Anthropic 等都喺加碼 agent 能力，爭奪編碼/自動化/agent 市場。從呢個角度睇，4.5 唔止係技術更新，亦係 Anthropic 鞏固喺企業與開發者陣地嘅策略一步。
小結
Claude Sonnet 4.5 嘅發佈帶來以下幾大突破：
- 自主執行能力提升至 30 小時以上
- 喺真實系統操作類任務（OSWorld）得分跳升至 ~61.4%
- 編碼能力強化，並開放開發者級工具（checkpoints、Agent SDK、VS Code 擴充）
- 推理、數學能力與對齊表現全面升級
- 保持不變嘅 API 定價與向下兼容設計，降低升級門檻
可以預見，喺未來幾個月內，隨住開發者、企業客戶嘅實際使用反饋與基準測試結果陸續浮現，Claude 4.5 將成為 AI 編程、agent 應用、任務自動化領域嘅重要比較標杆。