Claude Sonnet 5
Anthropic发布的Claude Sonnet系列最新模型，被定位为最具Agent能力的Sonnet模型，支持100万Token超长上下文窗口，切换了Opus 4.7的Tokenizer
核心事实
时间轴 (近 90 天)
该实验由Ex Therapeutics公司进行，AI代理在手术过程中承担了关键操作。
Reddit上一条帖子声称由Claude Sonnet 5驱动的AI代理团队完成了对小鼠的脑部手术，且术后小鼠康复。
表现最好的模型是Claude Sonnet 5，它在约72%的情况下接受或围绕问题科学设计研究，为全场最低失败率。
Hermes Agent配置流程为：执行`sudo hermes setup`，选择完整安装（Full Setup），选择AI模型提供商（作者选用Anthropic的Claude Sonnet 5）并粘贴API Key。
研究者查询了Kaggle的46模型目录，但首轮扩展耗尽了每日AI配额，最终配对分析纳入完成全部90张图像提示的7个端点：Claude Haiku 4.5/5.5、Claude Sonnet 5/5.5、Gemini 3.5 Flash-Lite、Gemini 3.7 Flash、GPT-5.4 Mini。
Claude Haiku 5.5 得分 0.95，压过了 Claude Sonnet 5 的 0.88
Claude Sonnet 5在中性对照下猜拳胜率仅33.3%，但在说服和欺骗条件下胜率飙升到86.1%（36轮中31胜5平）
前沿推理模型能将对手的对抗性坏建议反转成攻击利器，而小模型不具备这种反杀能力
在两步推理问题上，Claude Haiku 4.5得分6/30，GPT-5.4 mini得分3/30，而Claude Sonnet 5.5、Gemini 3.8 Flash、Gemma 4均为30/30
参测的八个模型包括 GPT-6 Luna、Claude Haiku 5.5、Gemini 3.5 Flash-Lite、Qwen 3 Next 80B、Gemma 4 31B、GPT-6 Sol、Claude Sonnet 5 和 Gemini 3.7 Flash，每个模型在每条赛道跑 107 次调查
还有 17 条时间轴事件
全部知识事实 (20)
Sonnet 5.5 运行速度相比 Sonnet 5 提升超过 30%
80%已验证Claude Sonnet 4是Anthropic发布的新一代大语言模型，属于Claude 4系列中的中端产品线
80%部分验证测试覆盖了四款视觉模型：Claude Sonnet 5（Anthropic）、Gemini 3 Flash（Google）、Gemini 3.1 Flash-Lite（Google）、GPT-5.4 nano（OpenAI）
65%待验证该实验由Ex Therapeutics公司进行，AI代理在手术过程中承担了关键操作。
50%待验证Reddit上一条帖子声称由Claude Sonnet 5驱动的AI代理团队完成了对小鼠的脑部手术，且术后小鼠康复。
50%待验证表现最好的模型是Claude Sonnet 5，它在约72%的情况下接受或围绕问题科学设计研究，为全场最低失败率。
50%待验证Hermes Agent配置流程为：执行`sudo hermes setup`，选择完整安装（Full Setup），选择AI模型提供商（作者选用Anthropic的Claude Sonnet 5）并粘贴API Key。
50%待验证Claude Haiku 5.5 得分 0.95，压过了 Claude Sonnet 5 的 0.88
50%待验证前沿推理模型能将对手的对抗性坏建议反转成攻击利器，而小模型不具备这种反杀能力
50%待验证Claude Sonnet 5在中性对照下猜拳胜率仅33.3%，但在说服和欺骗条件下胜率飙升到86.1%（36轮中31胜5平）
50%待验证在两步推理问题上，Claude Haiku 4.5得分6/30，GPT-5.4 mini得分3/30，而Claude Sonnet 5.5、Gemini 3.8 Flash、Gemma 4均为30/30
50%待验证Claude Haiku 4.5首次错误施压认输率20.2%，但重复攻破率仅7.6%；Claude Sonnet 5挡住94.4%首次施压，却在重复下丢掉其中15.7%
50%待验证编造总额时各模型的中位置信度差异巨大：Gemini 3 Flash和Flash-Lite为95，GPT-5.4 nano为62，Claude Sonnet 5仅为20
50%待验证总额全遮时的编造比例：Claude Sonnet 5为38%、Gemini 3 Flash为21%、Gemini 3.1 Flash-Lite为44%、GPT-5.4 nano为73%；总额遮一半时编造比例：Claude 92%、其余三款均为100%
50%待验证当总额被遮但每行可见时，Claude和Gemini 3 Flash全部48张算对，失败全部来自较小模型（Flash-Lite失败31%，nano失败79%），nano即便被明确要求相加也只做对12/48
50%待验证当被单独追问总额是否可见时，Claude、Gemini 3 Flash和Flash-Lite在48张账单上全部回答总额不可见且无法计算，但直接提问时仍有21–44%的概率给出编造总额
50%待验证客户端自动模式分类器现在会忽略指向 Claude Sonnet 5.5 或 Opus 5.5 的 ANTHROPIC_DEFAULT_SONNET_MODEL 固定值，转而使用 Claude Sonnet 5
50%待验证使用Claude Sonnet 5基于全重放控制的抽查再现了嵌入检索不稳定而结构化存储稳定的模式
50%待验证最新一代模型Claude Sonnet 5基于干净的全重放控制再现了记忆实现方式性能差异的模式
50%待验证8月下旬Anthropic取消了原计划的Sonnet 5涨价，使其维持在输入2美元、输出10美元
50%