一、引言：越级不是偶然，是节奏#

Claude 4 时代”Sonnet 反超 Opus”还是新闻，到 4.5 家族，这已经是 Anthropic 的固定操作。2025 年 9 月 29 日 Sonnet 4.5 登场，官方原话：“全球最好的编程模型”；16 天后（10 月 15 日）Haiku 4.5 补位，官方文案：“五个月前还是 SOTA 的东西，今天更便宜更快。“两句话拼起来，就是 4.5 家族的产品哲学——让每个价位的人，都能买到上一档旗舰的性能。

二、Sonnet 4.5：中档越级，这次直接反超旗舰#

Sonnet 4.5 定价没动，还是 $3/$15，但 SWE-bench Verified 冲到 77.2%。这个数字有多扎眼？它压过了自家旗舰 Opus 4.1 的 74.5%——中档反超旗舰，而且反超的不是上上代，是三个月前刚发布的同一代旗舰。“直逼 Opus 4.1”说轻了，这是明晃晃的越位。

编码之外，agent 能力同步升级：TAU-bench 航空和零售两个场景都拿下第一，OSWorld 61.4%（电脑操作，3.5 Sonnet 时代是 44.4%），复杂 agent 任务能连续专注 30 小时以上。官方还强调它作为**编排者（orchestrator）**指挥子 agent 的能力——这是后来多 agent 系统的伏笔。

产品侧也有配套动作：Claude Code 新增检查点（checkpoint）和回滚、VS Code 原生扩展、Agent SDK 放出——模型和工具绑在一起发，是 4.5 家族一贯的节奏。

三、Haiku 4.5：近旗舰级的”小钢炮”#

Haiku 4.5 是这一年的惊喜。定价 $1/$5——比 Sonnet 4.5 便宜三分之二，SWE-bench Verified 却拿下 73.3%，官方给的对照很直接：接近 Sonnet 4 的编码能力，速度是 Sonnet 4 的 2 倍以上，价格只有三分之一。“五个月前还是 SOTA”这句话的完整含义，就在这组数字里。

几个容易漏掉的点：

首个带扩展思考（extended thinking）的 Haiku。 此前 Haiku 一直”快而平”，不会长考；4.5 破例，小模型也能分步推理——对多 agent 系统里跑子任务的场景，这是刚需。

输出上限翻 8 倍。 Haiku 3.5 最大输出 8192 token，4.5 直接到 64K，长文件、长报告一次生成成为可能。

电脑操作也能干。 Computer Use 在 $1/$5 的价位开放，某些任务甚至反超 Sonnet 4。低成本批量跑 GUI 自动化，从这代开始才谈得上经济。

安全性是另一个看点。 官方自动化对齐评估里，Haiku 4.5 的失范行为率显著低于 Sonnet 4.5 和 Opus 4.1，被评为”迄今最安全的模型”，因而拿到 ASL-2（比 Opus/Sonnet 4.5 的 ASL-3 低一级）——能力没那么强，反而可以放宽部署。

四、产品哲学：全价位覆盖#

把 2025 年秋天的 Claude 产品线排开看：

• $1/$5 Haiku 4.5：73.3% SWE-bench，接近 Sonnet 4
• $3/$15 Sonnet 4.5：77.2%，反超 Opus 4.1
• $15/$75 Opus 4.1：74.5%，当时的旗舰

每个价位段，都有一款”接近上一档旗舰”的模型。 这跟”三档各卖各的”是两码事——Anthropic 的做法是让每一档都越级，把”便宜没好货”的刻板印象打掉。官方甚至直接建议组合用法：Sonnet 4.5 当大脑拆任务，一排 Haiku 4.5 当手脚并行干活——越级模型之间的协同，比单买一款旗舰更划算。

收尾：我的一点看法#

Sonnet 4.5 反超 Opus 4.1 这件事，我把它看成 Anthropic 定价策略的公开宣示：档位不是能力天花板，只是成本标签。 如果中档永远追着旗舰跑，那”旗舰”二字靠什么撑？答案是长程可靠性、极端任务的上限，以及品牌溢价——这在 2026 年回头看，依然是 Claude 的定价逻辑。

Haiku 4.5 则让我想起 3.5 Sonnet 的越级，但这次更狠：越级的不再是”小一号的中档”，而是最小的那款。小模型追平大模型，靠的不是参数，是训练数据的质量和后训练的功夫。“便宜”和”强”不再是单选题。

一个隐患也值得说：既然 Haiku 4.5 在不少任务上已经摸到 Sonnet 4，Sonnet 的定位就被挤压了。Anthropic 的解法是让 Sonnet 4.5 继续往上越级，保持错位竞争——产品线内部互相蚕食，被”每一档都越级”的策略化解成互相接力。 这套玩法在 Opus 4.5 发布之前，撑住了 Claude 的整个秋冬。

附：核心数据速查#

Claude 4.5 家族基本盘

关键 benchmark（官方）

• Sonnet 4.5：SWE-bench Verified 77.2%（反超 Opus 4.1 的 74.5%）；TAU-bench 航空/零售双第一；OSWorld 61.4%
• Haiku 4.5：SWE-bench Verified 73.3%（近 Sonnet 4 级）；速度是 Sonnet 4 的 2 倍以上、价格约三分之一

配套产品更新

• Claude Code：检查点与回滚、VS Code 原生扩展、Agent SDK
• Haiku 4.5：ASL-2 安全分级（自动化对齐评估中”最安全”）

关键概念清单

• 中档越级 = 中端型号在部分能力上追平或反超旗舰的产品策略
• orchestrator = 编排者（拆解任务、指挥子 agent 的角色）
• sub-agent = 子智能体（执行局部任务的小模型）
• extended thinking = 扩展思考（分步推理模式，Haiku 首次支持）
• Computer Use = 计算机使用（操作 GUI 的 agent 能力）
• ASL-2 / ASL-3 = AI 安全分级（能力与部署限制挂钩）
• SWE-bench Verified = 用真实 GitHub issue 评测修代码能力的基准
• TAU-bench = 多轮真实交互的 agent 工具调用基准
• OSWorld = 电脑操作（GUI）能力基准
• checkpoint = 检查点（允许回退的工作状态快照）