Claude 4.5 Sonnet实测：一条指令构建完整AI视觉应用

李博！你看到Anthropic发新模型了吧，我昨天刷到的时候差点从椅子上跳起来。 哈哈你说Sonnet 4.5是吧，看到了看到了。我当天就上手试了。 等等，你已经试了？我还在排队呢……先说说，官方那个基准测试数据你怎么看？说是超越了Opus？ 对，这个是真的有意思。你知道之前Opus是什么定位吗？那是200美金档的旗舰模型。现在Sonnet 4.5用20到100美金的订阅价格，直接把Opus按在地上摩擦。 性价比直接拉满了属于是。 不止。他们还说在编码任务上超过了GPT-5。虽然没明确说是跟GPT-5的哪个级别比，但这个声明本身就够大胆的。 但是吧，基准测试嘛……我们产品经理有句话叫'PPT都是美好的'。实际用起来到底行不行？ 嘿，这次我还真服了。你知道我测了什么吗？我就给它一条指令，让它从零搭一个YOLO实时目标检测应用。 一条指令？就一条？ 就一条。我跟它说：用YOLO 11做实时目标检测，只检测人，用OpenCV处理视频流，结果保存到本地。就这么多。 然后呢？它不会直接给你一坨跑不起来的代码吧？ 这就是关键了。我先让它进Plan模式加Thinking模式，它自己规划了完整架构——导入依赖、初始化模型、设置摄像头、检测循环、过滤类别、绘制边界框、资源清理，逻辑清清楚楚。 然后切到执行模式，一次性生成完整Python脚本。我跑了一下python yolo.py，模型自动下载，摄像头打开，实时检测人员，视频同步保存。一气呵成。 等会儿……这也太离谱了吧。以前这种事我们团队至少得让工程师折腾半天，还得调各种依赖冲突。 所以我说这不是传统的AI辅助编码了。这是智能体编码，Agentic Coding。模型自己规划、执行、调试，形成闭环。 你给我解释一下这跟以前Copilot那种补全有啥本质区别？我感觉很多人还停留在那个认知上。 打个比方吧。以前的Copilot就像你写作文，它帮你接下一句。但智能体编码是你跟它说'帮我写一篇关于XX的论文'，它自己列大纲、写初稿、检查逻辑、修改错误，全程不用你管。 懂了懂了。那SWE-bench就是专门测这个能力的？ 对，SWE-bench从真实的GitHub Issue出发，让模型自己定位bug然后提交修复。这才是真正考验模型实战能力的赛道。 行，那你后来还做了什么？我猜你肯定不满足于一个命令行脚本。 你太了解我了。我直接跟它说，把这个检测管道扩展成Streamlit Web应用。 它自己知道加什么功能？ 它自动加了启动停止按钮、置信度阈值滑块、实时人员计数、FPS显示，还集成了WebRTC做浏览器端视频流。我什么都没提，它全想到了。 这个技术选型能力……说实话比我见过的一些初级工程师强。 哈哈你们产品经理终于承认AI比人强了？ 得了吧，我说的是初级！而且你别忘了，谁来写那条指令的？还不是得人来拆解需求。 这倒是真的。其实这就引出一个很重要的点——开发者的价值正在转移。 从写代码转向什么？ 三个方向。第一是问题分解能力，怎么把复杂需求拆成清晰指令。第二是领域专业知识。第三是工具链整合。 拿计算机视觉来说，AI能秒生检测代码，但怎么设计训练策略、构建高质量数据集、处理标注规范和边界情况——这些还得靠人。目前没有AI能自动搞定数据标注全流程。 嗯，这个我有体感。我们之前做图像识别产品，光标注规范就讨论了两周，各种边界情况吵得不可开交。 对啊，类别平衡、数据增强、分布偏移这些问题，每一个都需要深度的统计学判断。这才是决定模型性能上限的关键。 还有一个我好奇的——Anthropic搞的那个MCP协议是什么？我看到连OpenAI和Google都支持了。 MCP你可以理解成AI工具调用领域的USB接口。以前每个AI应用接每个外部工具都得写定制代码，现在有了统一标准，工具方实现一次就能被所有AI调用。 所以Anthropic不只是在做模型，是在搭生态。SDK、VS Code扩展、MCP协议……这盘棋下得挺大的。 没错。而且他们还有个Research Preview叫Imagine with Claude，能让Agent自主工作二三十个小时，搭建操作系统、复刻Slack这种级别的项目。 二三十个小时？！这已经不是工具了，这是数字员工啊。 所以我说，现在是开发者适应这些工具的最佳时机。不是被替代，是把精力集中到更高价值的事情上。 嗯，说得好。最后一个问题——你觉得普通开发者现在应该追新模型吗？每隔几周就出一个。 我的建议是，找到适合自己的工具深度使用，比追逐每一个新发布更有价值。每个模型都有自己的脾性，深入用一个反而能发现很多非显而易见的最佳实践。 好，核心原则不变——理解底层原理、积累领域知识、培养系统性思维。这些AI替代不了。 对，这才是能力基石。工具会变，这些不会变。