评测背景

2026 年 6 月 30 日，Anthropic 发布 Claude Sonnet 5。

如果只看定位，它仍然不是 Claude 家族里最顶配的模型；但如果把能力、速度、Token 消耗和推理成本放在一起看，Sonnet 5 的角色就变得很有意思：

它不是能力天花板，却正在成为 Claude 家族里更适合高频调用的主力模型。

本次我们沿用晓天衡宇大语言模型榜单评测体系，从 Agentic、Coding、General、Reasoning 四个一级维度，以及 20+ 主流评测集，对 Claude Sonnet 5 进行了补测，并重点对比 Claude Fable 5、Claude Opus 4.8 与 Claude Opus 4.7。

这篇解读不只看 Sonnet 5 排第几，更关注三个问题：

• 它与 Claude 家族最强 Fable 5、旗舰高配 Opus 4.8 的差距主要在哪里？

• 它为什么能以 0.19 分微弱反超前代高阶模型 Opus 4.7？

• 当能力、速度、Token 消耗和成本放在一起看时，Sonnet 5 到底适合承担什么角色？

榜单概览

欢迎前往晓天衡宇评测社区，查看大语言模型7月榜单完整结果。

核心结论

结论一：Sonnet 5 已进入旗舰竞争区，但不是能力天花板

从一级维度看，Sonnet 5 相比 Fable 5 在四项能力上均有差距：

具体来看，Sonnet 5 与 Fable 5 的差距首先体现在知识密集类任务、长上下文处理类任务上。面对需要广泛知识储备的问答、跨语言软件工程场景中的代码调试与修复、以及长文档中多轮信息回溯与整合，Fable 5 的表现无疑是更完整的。

科学推理这类强调逻辑推导的任务，当前 Sonnet 5 也延续了 Claude 系列共同优势，与天花板 Fable 5 差值较小，表现相对接近。

Sonnet 5 实现反超的点在于指令遵循。面对结构明确、约束清晰的 prompt，它反而比 Fable 5 更擅长准确理解，稳定输出。

结论二：反超 Opus 4.7 的关键不是全面变强，而是长板更贴近日常任务

Sonnet 5 总分反超 Opus 4.7 0.19 分，虽然分差很小，但足以说明一个变化：Sonnet 系列已经不再只是“低一档的轻量版”，而是可以在部分高频能力上追平甚至超过前代高阶模型。

Sonnet 5 对 Opus 4.7 的优势，集中在用户更容易感知的任务上：

• 指令遵循：Sonnet 5 得分 66.90，领先 Opus 4.7 7.90 分。

• 数学推理：Sonnet 5 得分 83.27，领先 Opus 4.7 9.70 分。

• 幻觉控制：Sonnet 5 得分 70.00，领先 Opus 4.7 3.85 分。

• SWE-Multilingual：Sonnet 5 得分 77.96，领先 Opus 4.7 3.29 分。

• Terminal-Bench-Pro：Sonnet 5 得分 60.60，领先 Opus 4.7 2.00 分。

这几个能力点并不“炫技”，但很实用。

它们对应的是日常工作里最常见的任务：按要求输出内容、处理结构化问题、做数据分析、修代码、跑终端任务、连续调用工具。

换句话说，Sonnet 5 的升级不是为了把能力上限拉到最高，而是为了让一个模型在更常见的工作流里表现得更稳、更快、更省。

结论三：Sonnet 5 最大价值在效率，而不是绝对能力突破

仅从能力维度来看，Sonnet 5 仅微弱领先 Opus 4.7，但如果看效率，差异会被迅速放大：

Sonnet 5 的推理速度为 83.7 Tokens/S，高于 Fable 5 的 64 Tokens/S、Opus 4.8 的 60 Tokens/S，也明显高于 Opus 4.7 的 45 Tokens/S。

在推理成本上，Sonnet 5 仅为 25200 RMB，低于 Opus 4.7 的约 56000 RMB，也低于 Opus 4.8 的61250 RMB。

这意味着，Sonnet 5 的关键卖点不是“我比所有模型都强”，而是用更低成本，提供了接近高阶模型的能力。

评测体系

本榜单基于智能体、代码、通用、推理四大能力维度进行综合评估，基于加权分数计算模型的平均得分进行排序。

其中， 智能体占比最高为 35%，代码与推理各占 25%，通用占 15%。

完整评测体系及方法解读可点击查看👉🏻大语言模型榜单评测体系详解

深度解读

Claude 家族重新分工

从总分看，Claude 家族形成了比较清晰的四层结构：

Fable 5 位于第一层，代表当前家族的能力天花板；

Opus 4.8 位于第二层，是更均衡、更完整的现役高阶旗舰；

Sonnet 5 位于第三层，已经进入旗舰竞争区间，但更强调效率与高频使用；

Opus 4.7 则更像被新一代模型追平的前代高阶版本。

从差值看，Sonnet 5 与排在其下位的 Opus 4.7 的差距只有 0.19 分。这不是断层式领先，说明两者尚处同一个能力区间。

真正值得看的是，在总分接近的情况下，Sonnet 5 的能力优势主要体现在哪些板块，以及相对于先代模型，它更适配哪些应用场景。

下面我们直接对比四个模型在四大能力维度上的表现，看看它们各自的能力结构，厘清 Sonnet 5 的优劣势。

Agentic：规划有亮点，开放式自主任务仍是短板

Agentic 是本榜单权重最高的维度，也是最能检验模型“能不能自己把事做完”的部分。

Sonnet 5 的 Agentic 得分为 52.76，在四款模型中排名末位——Fable 5 为 57.38，Opus 4.8 为 54.36，Opus 4.7 为 53.17。

看起来，Sonnet 5 在 Agentic 上并不占优。但从二级维度拆解，会发现它并非全面落后。它在多步骤任务拆解与路径规划上已经能够反超 Opus 4.7，甚至微弱领先 Opus 4.8，说明其在结构化 Agent 流程中的思路组织能力已达到较高水平。

但在网页浏览、跨页面信息抽取以及高难度开放式自主执行任务上，Sonnet 5 仍是四款模型中相对最弱的一档。

从二级维度看：

DeepPlanning 是 Sonnet 5 的优势所在，单项得分 50.80，大幅领先 Opus 4.7。这项能力说明它在实际使用场景中，更擅长的是：

• 复杂任务拆解；

• 多步骤工作流规划；

• 长任务执行方案设计；

• 需要明确目标和路径的 Agent 任务。

TAU3-Bench 上 Sonnet 5 得分 83.25，排名最低，但与 Opus 4.8、Opus 4.7 等高阶模型差距有限。在工具调用、API 交互、固定流程自动化等任务中，Sonnet 5 已具备较稳定的 Agent 执行能力，并未明显掉队。

开放式自主执行是 Sonnet 5 在 Agentic 维度中的主要短板。这说明，当模型需要自己探索环境、主动获取信息并动态调整策略时，它的表现会相对逊色。

具体来看，BrowseComp-ZH 得分 47.78，Seal-Hard 得分仅 29.20，均为家族末位，这些差距会体现在如下场景：

• 需要从多个网页中检索、比对和整合信息；

• 任务依赖外部搜索结果进行多步推理判断；

• 在高难度开放环境中自主规划并完成执行闭环。

Coding： 生成与工程执行更强，代码理解仍偏弱

Coding 维度上，Sonnet 5 得分 73.06，与 Opus 4.7 的 73.05 几乎持平，距离 Opus 4.8 的 74.34 也只差 1.28 分。这说明 Sonnet 5 的代码能力已经进入 Claude 家族高阶区间，尤其与 Opus 4.7 几乎同一水平。

从能力结构看，Sonnet 5 在多个细分代码场景中呈现出相对竞争力：在代码生成、工程修复、跨语言处理和终端执行等真实开发任务上，它已经具备和高阶模型相当的实战水平，而代码理解和分析类任务上则落后于高阶版本。

从二级维度看：

代码生成是 Sonnet 5 在 Coding 维度中的核心优势。LiveCode-Bench 上，Sonnet 5 得分 92.32，与当前高阶模型差距较小，说明 Sonnet 5 在代码生成、编程问题求解等场景中已经具备较强实战能力。

具体到实际使用场景，这一优势更加适用于：

• 快速完成常规开发需求；

• 辅助开发者进行代码编写与迭代；

• 将自然语言需求转化为可执行代码。

SWE-Multilingual 上，Sonnet 5 得分 77.96，虽超过 Opus 4.7，但仍落后于 Opus 4.8 和 Fable 5。这项能力差距在以下任务中会更加明显：

• 接手陌生项目时快速理解代码背景；

• 对复杂线上问题进行根因分析；

• 对已有系统进行大范围调整和优化。

短板体现在 ClawEval 上，Sonnet 5 得分 80.80，排名末位，落后 Fable 5 达 5.18 分。给它明确需求让它写代码，它会做得很好；但如果让它自己理解需求、拆解任务、独立完成一个完整代码项目，高阶模型仍然更强。

General：指令遵循形成核心优势，知识储备是主要短板

General 是 Sonnet 5 对 Opus 4.7 提升最明显的一级能力维度。在此维度上，Sonnet 5 得分 68.46，领先 Opus 4.7 达 1.29 分，但低于 Opus 4.8 的 71.54 和 Fable 5 的 75.92。

从能力结构来看，Sonnet 5 在 General 上的核心优势并不来自知识储备，而主要来自于更强的指令遵循和稳定输出性。

在日常对话、内容创作及办公等需要准确响应需求、遵循复杂要求、保持输出一致性的场景中，Sonnet 5 可以提供更稳定的交互体验。但在知识广度等更依赖基础信息储备的能力上，高阶模型的优势仍未被打破。

从二级维度看：

在指令遵循上，Sonnet 5 得分 66.90，以 7.90 分领先 Opus 4.7。按当前榜单明细，它也领先 Opus 4.8 与 Fable 5。

这项能力看起来不如复杂推理吸睛，但在真实使用中非常关键。

用户最常遇到的问题，往往不是模型完全不会回答，而是：

• 格式没有按要求来；

• 约束条件漏掉了；

• 让它不要做的事它又做了；

• 复杂指令执行到一半跑偏了。

指令遵循提升，意味着 Sonnet 5 更适合处理有格式、有约束、有流程的任务。

在幻觉控制上，Sonnet 5 得分 70.00，领先 Opus 4.7 3.85 分。这意味着它在减少事实捏造、降低不可靠生成方面，也比 Opus 4.7 更稳。

但短板同样清楚：知识项上，Sonnet 5 得分 43.20，低于 Opus 4.8 的 45.70 和 Fable 5 的 55.30。

这说明，在高知识密度、专业事实判断、复杂背景分析场景中，Sonnet 5 仍不是最优选择。

Reasoning：数学推理拉动反超，开放场景推理偏弱

Sonnet 5 在 Reasoning 一级维度上得分 74.18，排家族第 3，Fable 5（78.29）和 Opus 4.8（76.22）持续领先，Opus 4.7（73.61）位列第 4。

从能力结构来看，Sonnet 5 的推理表现呈现出“强形式化、弱场景化”的特点：在规则明确、答案可验证的推理任务中，它已超越上一代高阶模型水平。但在需要结合复杂现实情景、进行多因素判断的开放式推理任务中，它与更高阶模型之间仍存在明显差距。

其中，数学推理是 Sonnet 5 实现能力提升的关键所在。

从二级维度看：

数学推理 上，Sonnet 5 得分 83.27，落后 Fable 5（86.90）仅 3.63 分，落后 Opus 4.8（85.73）仅 2.46 分，领先 Opus 4.7（73.57）达 9.70 分。这说明它在规则明确、答案可验证、路径可优化的任务中表现很好。

对应到真实场景，就是：

• 数学计算；

• 数据分析；

• 结构化推理；

• 量化判断；

• 逻辑密集型任务。

场景推理 是 Sonnet 5 在推理维度中最主要的短板。Sonnet 5 得分 47.50，领先 Opus 4.7（46.90）仅 0.60 分，落后 Opus 4.8（50.60） 3.10 分，落后 Fable 5（53.90）达 6.40 分。这类任务往往没有标准解，需要综合常识、上下文、隐含约束和现实情境。Sonnet 5 在这里还没有出现明显跃升。

效率分析

为什么 Sonnet 5 更适合当主力

能力分数只能回答“谁更强”。

但真正落到产品和业务里，还要回答另一个问题：

谁更适合被大量使用？

这里，Sonnet 5 的优势开始变得明显。

推理速度差异：四款里最快

Sonnet 5 的推理速度达到 83.7 Tokens/S，是四款模型中最快的，在整个榜单中也处于领先位置。Fable 5 为 64 Tokens/S，Opus 4.8 为 60 Tokens/S，两者处于中间水平；Opus 4.7 最慢，仅为 45 Tokens/S，不到 Sonnet 5 的六成。

高并发、实时交互和连续 Agent 调用等场景中，Sonnet 5 能带来最直观的体验优势。

相较之下，Fable 5 更适合质量优先、复杂推理和对结果准确性要求极高的任务；Opus 4.8 则在速度与能力之间取得了相对均衡。而 Opus 4.7 的问题则在于速度最慢，却没有换来对应的能力优势。

API价格差异：比 Opus 更轻

Claude Fable 5 的 API 价格最高，达到 140 RMB，几乎是 Opus 系列的两倍。Opus 4.8 和 Opus 4.7 同为70 RMB，处于同一价格档位。但 Opus 4.8 的能力（67.39）高出 Opus 4.7（65.35）2.04 分，同价之下能力更强。

Sonnet 5 为 42 RMB，仅为 Opus 系列价格的六成。却在能力总榜上以 0.19 分的微弱优势反超 Opus 4.7，所以 Opus 4.7 的处境会比较尴尬：同价位有更强的 Opus 4.8，更低价位有能力接近甚至反超的 Sonnet 5。

模型能力× Token 消耗差异：更适合规模化部署

在模型能力与 Token 消耗的交叉对比中，更值得关注的不是“谁更省”，而是 Claude 家族的效率分层。

Sonnet 5 以最低的 Token 消耗，换来了接近高阶模型的能力表现。

这对单次调用来说可能只是成本差异；但对平台、企业内部工具、Agent 工作流来说，就意味着：

• 同样预算下可以支持更多调用；

• 长链路任务的总成本更低；

• 高频交互的响应体验更好；

• 大规模部署更容易成立。

这也是 Sonnet 5 “性价比主力”定位成立的关键。

模型能力×推理速度：效率优势进一步拉开

在推理速度上，Sonnet 5 具备绝对优势。它的推理速度比 Opus 4.8 快 23.7 Tokens/S（快近 40%），比 Opus 4.7 快 38.7 Tokens/S（快近 86%），比 Fable 5 快 19.7 Tokens/S。

从模型能力与推理速度的组合来看，四款模型呈现出较为清晰的定位差异：

• Sonnet 5 适合高并发、实时交互、高频调用场景；

• Fable 5 适合质量优先、复杂推理和对结果准确性要求极高的场景；

• Opus 4.8 在速度与能力之间取得相对均衡；

• Opus 4.7 没有用更慢速度换来对应能力优势。

模型能力×推理成本：Sonnet 5 的优势被放大

在模型能力与推理成本的对比中，四款模型的分化进一步清晰。

Sonnet 5 的推理成本仅为 25200 RMB，远低于 Opus 4.7 的约 56000 RMB和 Opus 4.8 的 61250 RMB，更明显低于 Fable 5 的高成本投入。

这说明，Sonnet 5 在保持接近高阶模型能力的同时，把实际使用成本压到了最低，更适合作为高频调用的主力模型。

Opus 4.8 作为现役高阶旗舰，承担的是 Claude 家族的中高端付费吸引力：它需要让用户相信，额外投入是值得的，因为能换来更完整、更稳定的综合能力。

Fable 5 则进一步代表能力天花板。它的存在不是为了效率或普适性，而是为那些必须追求极限结果的任务提供“上限付费”的理由。

而 Opus 4.7 相对于 Opus 4.8 和 Sonnet 5 而言，最容易陷入“成本不低、优势不明”的尴尬位置。

四款 Claude，该怎么选？

如果只问“谁最强”，答案是 Fable 5。

但真实业务里，很少只问这个问题。

更常见的问题是：

• 这个任务值不值得上最贵模型？

• 高频调用时成本能不能撑住？

• 用户是否真的能感知到能力差异？

• 速度慢一点会不会影响体验？

• 这个模型适不适合做默认版本？

从本期结果看，四款模型的分工可以这样理解：

Sonnet 5 最适合的不是“最难的任务”，而是“最多的任务”。

这点很重要。

在模型产品里，真正撑起使用量的，往往不是极少数高难任务，而是每天大量发生的日常任务：写作、总结、改稿、分析、代码辅助、工具调用、数据处理。

如果一个模型能在这些任务上做到足够稳，同时更快、更省，那么它的产品价值会非常高。

综合判断

从产品定位看，四款 Claude 模型形成清晰分工：Fable 5 代表 Claude 家族当前的能力上限，适用于追求极限性能的复杂任务；Opus 4.8 作为高阶旗舰，在综合能力与使用成本之间取得平衡；Sonnet 5 聚焦高频调用与规模化应用，以更低成本提供接近旗舰的综合能力；Opus 4.7 作为前代旗舰，其定位已被 Sonnet 5 和 Opus 4.8 进一步覆盖，适用空间相对收窄。

从能力结构看，Sonnet 5 进入旗舰模型竞争区间。相比 Opus 4.7，它在指令遵循、数学推理、幻觉控制以及多语言软件工程等能力上实现了明显提升。与此同时，在知识储备、自主 Agent 能力以及开放场景推理等更高阶能力上，与 Opus 4.8 和 Fable 5 仍存在一定差距。

从效率维度看，Sonnet 5 在四款模型中表现最亮眼。它具备更快的推理速度、更低的 API 成本和更少的 Token 消耗。在保持接近旗舰模型能力的同时，大幅降低了使用成本。因此，对于需要长期、高频调用模型的产品和业务而言，Sonnet 5 更容易兼顾使用体验与部署成本。

从实际选型看，日常对话、内容创作、代码开发、数据分析以及高频 Agent 调用等场景下，Sonnet 5 是最值得优先考虑的 Claude 模型。对于复杂多步自主规划、跨页面信息抽取，以及对知识覆盖和综合能力要求极高的任务，Fable 5 仍是天花板代表，Opus 4.8 可作为介于两者之间的高端选择，在综合能力与成本之间提供更均衡的方案。

注：本文结论基于晓天衡宇本期评测体系与样本，反映模型在该评测框架下的相对表现，不代表所有业务场景中的绝对优劣。实际选型仍建议结合具体任务、成本预算与业务验证结果综合判断。

写在最后

最新大语言模型评测榜单已同步上线至晓天衡宇•评测社区官网，欢迎大家访问查看更详细的评测数据：晓天衡宇

👇关注晓天衡宇•评测社区官方账号，获取更多大模型相关知识~