核心论断：Claude Sonnet 4.6 是 Anthropic 对中端模型的一次重大迭代——在保持 Sonnet 系列高性价比定位的同时，编码偏好率达到 70%（相比 Sonnet 4.5），甚至在 59% 的情况下被用户偏好于 Opus 4.5。1M 上下文窗口、上下文压缩 Beta、自适应思考等特性使其成为日常开发和 Agent 场景的理想选择。
Sonnet 4.6 延续了 Anthropic"以中端模型驱动主流采用"的战略。它并非简单的版本号递增——在多个核心基准上实现了显著提升，同时引入了上下文压缩（context compaction）等面向 Agent 长时运行场景的关键特性。[1]
本报告从四个维度解析 Sonnet 4.6：核心能力（编码、指令遵循、设计改进）、基准测试（与 Sonnet 4.5 / Opus 4.5 / GPT 系列的对比）、安全与定价（安全评级与成本分析）、对开发者的意义（API 迁移、最佳实践）。[1]
§1
核心能力：编码、指令遵循与设计改进
Sonnet 4.6 在开发者最关注的维度上实现全面提升
Sonnet 4.6 的核心设计目标是成为开发者日常工作的首选模型。Anthropic 在编码质量、指令精确性和输出格式三个方面进行了集中优化。[1]
- 编码能力：70% 偏好率在 A/B 对比测试中，70% 的用户偏好 Sonnet 4.6 的代码输出（相比 Sonnet 4.5）。更值得注意的是，59% 的用户甚至偏好它超过更昂贵的 Opus 4.5。这意味着在大多数编码场景下，Sonnet 4.6 提供了更好的性价比。[1]
- 指令遵循：更精确的响应Sonnet 4.6 在格式要求、约束条件和多步骤指令的遵循上有显著改进。对开发者而言，这意味着 API 调用返回的结果更可靠，减少了因格式错误导致的重试。[1]
- 设计改进：更优的输出格式在 HTML/CSS 生成、Markdown 排版、结构化数据输出等方面，Sonnet 4.6 产出的内容更加美观和符合预期。Anthropic 针对常见的前端开发场景进行了专门优化。[1]
- 自适应思考（Adaptive Thinking）Sonnet 4.6 支持自适应思考模式——模型根据任务复杂度自动调整推理深度。简单问题快速响应，复杂问题深入推理。开发者无需手动切换模式，模型自动判断何时需要更多思考。[1]
- 上下文压缩 Beta（Context Compaction）面向 Agent 长时运行场景的关键特性。当对话上下文过长时，模型可以自动压缩历史信息，保留关键内容，释放上下文窗口空间。这对于需要持续运行数小时的 Agent 任务至关重要。[1]
1M 上下文窗口：Sonnet 4.6 支持 100 万 token 的上下文窗口，可以一次性处理大型代码库、长文档或复杂的多轮对话。结合上下文压缩功能，Agent 可以在超长任务中保持连贯性而不丢失关键信息。[1]
§2
基准测试：全面对比与关键指标
Sonnet 4.6 在多项基准上超越前代，部分指标追平旗舰模型
Anthropic 公布了 Sonnet 4.6 在多个标准基准上的表现。以下是与 Sonnet 4.5 和竞品模型的关键对比。[1]
70%
编码偏好率 vs Sonnet 4.5
59%
编码偏好率 vs Opus 4.5
94%
OSWorld 保险基准
1M
上下文窗口 (tokens)
Computer Use：OSWorld 稳步提升
Sonnet 4.6 在 Computer Use（计算机操作）任务上延续了 Sonnet 系列的稳步进展。在 OSWorld 基准测试中，保险类任务达到 94% 的准确率，展示了模型在 GUI 交互、表单填写和流程操作方面的成熟度。[1]
| 基准 | Sonnet 4.5 | Sonnet 4.6 | 变化 |
|---|---|---|---|
| 编码偏好率（vs 前代） | 基线 | 70% | 显著提升 |
| 编码偏好率（vs Opus 4.5） | — | 59% | 超越旗舰 |
| OSWorld 保险基准 | — | 94% | 稳步提升 |
| 上下文窗口 | 200K | 1M | 5x 扩展 |
| 输入定价 | $3/MTok | $3/MTok | 持平 |
| 输出定价 | $15/MTok | $15/MTok | 持平 |
关键发现：Sonnet 4.6 在编码任务上的表现已经超过了部分使用场景下的 Opus 4.5，而价格仅为后者的 60%（$3/$15 vs $5/$25）。对于编码为主的工作流，Sonnet 4.6 是目前性价比最高的选择。[1]