Claude 4 / Sonnet 4 系列：编码 + Agent 双核心

为什么这是分水岭

Claude 4 / Sonnet 4 系列是 Anthropic 把 Claude 从”通用 chatbot” 转变为**“代码 + Agent 双核心产品”**的关键代际。

意义：

• Claude Code 6 个月 → $1B ARR、9 个月 →$2.5B ARR
• 工程师社区把 Sonnet 4 当默认编码模型
• 推动 Cursor / Cline / Continue 等所有 AI IDE 后端切到 Sonnet
• “Long-horizon Agent” 成为可工程化的能力

关键模型版本

Anthropic 不发”完整技术报告 PDF”——而是分散在 blog / system card / model card 里。

三个核心能力跃升

1. Extended Thinking（扩展思考）

类似 OpenAI o1，但实现细节不同：

response = client.messages.create(
    model="claude-sonnet-4",
    thinking={"type": "enabled", "budget_tokens": 5000},
    messages=[...]
)

特点：

• 用户可控：手动设 thinking budget（vs OpenAI 自动决定）
• 可见：API 返回 thinking 内容（vs OpenAI o1 默认隐藏）
• 混合：同一对话可在不同 turn 选择是否启用 thinking

意义：

• 工程师可针对复杂任务精细控制思考深度
• 调 budget 是新的”成本 / 质量”权衡维度

2. Long-horizon Agentic Coding

Claude Sonnet 4 在 SWE-bench Verified 上跳升：

• Claude 3.5 Sonnet：~50%
• Claude 4 Sonnet：~72% （2025-Q2）
• Claude 4.6 Sonnet：~80% （2026-Q1）

Note: SWE-bench 不是唯一指标，真实生产复杂度更高。

但关键能力：

• 30+ step Agent 流程仍能保持连贯
• 工具使用稳定性（少卡死、少忘 / 重复）
• 自我修正：写测试 → 跑失败 → 改代码 → 再跑

这是 Claude Code 能 work 的底层基础—— 模型不是写一段代码，是参与一个开发流程。

3. Computer Use 集成

Claude 4 起，Computer Use 成为内置能力（不再是 beta）：

• 截图理解准确率提升
• 操作步数减少（更聪明的 plan）
• OSWorld 得分从 22% → ~50%+

这让 Claude 系列在 GUI agent 赛道继续领先。

工程化亮点

1. Prompt Caching 全面成熟

Claude 4 时期 prompt caching 从 beta 转 GA：

• 缓存读取：原价的 10%（90% off）
• TTL 5 分钟（ephemeral）或 1 小时（可买）
• 最多 4 个 cache breakpoint

这让长 system prompt（KB-MB 级）在重度使用下不再昂贵。

2. Tool Use 稳定性

Anthropic 2025 数据：Sonnet 4 在 100-step Agent 任务中保持工具调用正确率 > 95%。 对比 Sonnet 3.5：~85%。 看似不大，但100 步 × 0.95 vs × 0.85 = 60× 完成率差距（指数衰减）。

3. 超长上下文

• Claude 3.5 Sonnet：200K
• Claude 4 Opus：200K（同）
• Claude 4 Sonnet 6 Pro：1M+（针对 Claude Code 长仓库场景）

Anthropic 没有走 Gemini 的 10M 路线—— 而是把 200K-1M 区间的实际可用质量做扎实。 “haystack” 之外的复杂检索任务 Claude 系列长期领先。

4. Constitutional AI 升级

Anthropic 持续迭代 CAI：

• 更细的”原则集”
• “宪法学习”（meta-learning constitutional principles）
• 减少”过度拒绝”——以前 Claude 容易拒绝合理请求

商业意义

人类工程师圈的口碑迁移：

• 2023 默认推荐 Copilot
• 2024 默认推荐 Cursor + GPT-4
• 2025-2026 默认推荐 Cursor / Claude Code + Sonnet 4.x

这个迁移背后是 Sonnet 4 在编码上的真实质量优势。

它的局限

1. 多模态没领跑

和 GPT-5o / Gemini 比，Claude 4 的图像 / 视频理解仍弱一档。 Anthropic 战略上似乎也不押多模态主线。

2. 价格不便宜

Sonnet 4.6 input $3 / output$15 per M tokens—— 比 DeepSeek V3 贵 10×、比 Gemini Flash 贵 10×。 靠”质量溢价”，但价格压力持续。

3. 生态封闭性

Claude Code 工具栈强绑定 Anthropic API—— 不像 Cursor 那样多模型路由。

4. 没有公开”技术报告 PDF”

Anthropic 把所有信息分散—— 研究者无法像看 Llama 3 那样系统理解 Claude 4 训练细节。 透明度低于 Meta / DeepSeek。

推荐配套阅读

• HelloAI L4-04 Agent 构建详解
• HelloAI L4-15 Prompt Caching 工程实战
• HelloAI L4-08 LLM 评估
• HelloAI 案例研究：Anthropic
• 论文：Constitutional AI（基础方法）
• Claude 4 Sonnet 模型卡