江蘇
看起來10月又是一個大月，DeepSeek用v3.2開場，Anthropic，谷歌，OpenAI都有大動作
剛剛，Anthropic發布了其最新前沿模型——Claude Sonnet 4.5
官方稱，這是目前全球最強的代碼模型、最強的復雜智能體構建模型、以及最擅長使用計算機的模型，并且在推理和數學能力上取得了顯著進步
伴隨新模型發布的，還有一系列產品全家桶的升級，Anthropic還首次開放了構建Claude Code的同款工具，最后還發布了一個比較科幻的東西叫Imagine with Claude，可以實時動態生成軟件，不過目前還是研究預覽
Claude Sonnet 4.5現已全面可用，通過API調用claude-sonnet-4-5即可。價格與上一代Sonnet 4保持不變，為每百萬token輸入3美元/輸出15美元
新模型性能有多強？
Anthropic表示，Claude Sonnet 4.5在衡量真實世界軟件編碼能力的SWE-bench Verified評估中達到了業界頂尖（SOTA）水平。在實際測試中，該模型能在復雜的多步驟任務上保持超過30小時的專注
在計算機使用能力方面，Sonnet 4.5也實現了巨大飛躍。在測試AI模型真實世界計算機任務的OSWorld基準上，Sonnet 4.5以61.4%的得分領先。就在四個月前，Sonnet 4還以42.2%的成績保持領先
此外，該模型在一系列廣泛的評估中也展示了更強的能力，包括推理和數學：
來自金融、法律、醫學和STEM領域的專家發現，與包括Opus 4.1在內的舊模型相比，Sonnet 4.5在特定領域的知識和推理能力上表現出了顯著的提升
產品全家桶重大升級
Claude Code新增了“檢查點”（checkpoints）功能，可以保存進度并即時回滾到之前的狀態。同時，終端界面也進行了更新，并推出了原生的VS Code擴展
Claude API增加了新的上下文編輯功能和記憶工具，使智能體能夠運行更長時間并處理更復雜的任務。
Claude App中，代碼執行和文件創建（電子表格、幻燈片和文檔）功能被直接整合到對話中
Claude for Chrome擴展已向所有上個月加入等待名單的Max用戶開放
首次開放Claude Agent SDK
Anthropic此次還開放了他們用于構建Claude Code的基石——Claude Agent SDK
官方表示，他們解決了構建AI智能體過程中的多個難題：智能體如何在長時間任務中管理記憶、如何平衡自主性與用戶控制的權限系統、以及如何協調多個子智能體以實現共同目標
現在，這套為Anthropic前沿產品提供動力的基礎設施正式向所有開發者開放，可用于構建自己的智能體
地址：
https://www.anthropic.com/engineering/building-agents-with-the-claude-agent-sdk（使用 Claude Agent SDK 構建 Agent）
史上最對齊模型
Anthropic稱，Claude Sonnet 4.5是其迄今為止最對齊的前沿模型
通過提升模型能力和進行廣泛的安全訓練，模型的行為得到了顯著改善，減少了逢迎、欺騙、權力尋求和鼓勵妄想等不良行為。針對智能體和計算機使用能力，模型在抵御提示注入攻擊方面也取得了長足進步
Claude Sonnet 4.5在AI安全等級3（ASL-3）的保護下發布。這些保護措施包括旨在檢測潛在危險輸入和輸出的分類器，特別是與化學、生物、放射性和核（CBRN）武器相關的內容
如果分類器意外標記了正常內容，用戶可以方便地切換到CBRN風險較低的Sonnet 4模型繼續對話。Anthropic表示，自最初引入分類器以來，他們已將誤報率降低了十倍
one more thing
與Sonnet 4.5一同發布的還有一個名為“Imagine with Claude”的限時研究預覽
在這個實驗中，Claude能夠實時動態地生成軟件，沒有任何預定功能或預寫代碼。用戶可以看到Claude根據交互請求進行實時創建和調整
該功能向Max訂閱用戶開放，為期五天
上手小測試
我用之前測試新模型前端能力的提示詞測了一下，并且至少進行了5次抽卡，沒有一次成功，感覺Claude Sonnet 4.5代碼能力提升貌似不大，提示詞如下：
模擬，一個由彈力球組成的正方體漂浮在半空中，從正方體最下一層慢慢塌方，注意是，一層一層塌方，小球落在桌子上彈起來，直到靜止，模擬整個塌方過程，整個過程符合物理規律，效果要酷炫，整個環境要盡量逼近真實，在單個HTML中實現
實現效果：一次掉落了兩層后，小球就不往下掉落了，核心的邏輯沒有實現
完整的技術細節和評估結果，可參閱官方發布的系統卡、模型頁面和文檔
https://assets.anthropic.com/m/12f214efcc2f457a/original/Claude-Sonnet-4-5-System-Card.pdf（整整148頁）
https://www.anthropic.com/claude/sonnet
https://docs.claude.com/en/docs/about-claude/models/overview
https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents（這篇也很重要，講如何為Agent構建的上下文工程context engineering，詳細請看下一篇文章）
官方測試方法說明
SWE-bench Verified: 所有Claude結果均使用一個包含bash和文件編輯兩個工具的簡單框架報告。在完整的500個問題的SWE-bench Verified數據集上，通過10次試驗平均，無測試時計算，200K思考預算，得分為77.2%
OSWorld: 所有分數均使用官方OSWorld-Verified框架報告，最大步數為100，4次運行取平均值
MMMLU: 所有分數均為在14種非英語語言上進行5次運行的平均值，并使用了擴展思考（最高128K）。
其他模型的得分均引用自OpenAI和Google發布的官方文章或排行榜
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
