Anthropic 发布了 Claude 模型的第四代系列：Claude Opus 4 和 Claude Sonnet 4，这不仅是对原有模型的升级，更是面向未来 AI 应用场景的系统性进化。

无论是代码生成、复杂推理、长时间任务处理，还是智能代理构建，它们都展现出显著优势。

Claude 4 使用介绍

✅  Claude 4 使用网站：xsimple

在 Claude 4 的发布会上 Anthropic CPO Mike Krieger 详细阐述了 Agent 底层的三大能力：

• 情境智能（Contextual Intelligence）：不再是简单的指令执行，而是理解"为什么"和"如何做"。你与 Agent 的第 100 次任务应该比第 1 次好得多，就像新员工的第 100 天应该比第 1 天表现更好；
  
  Claude 4 展示了这种能力的极致。在测试中，它会主动创建"记忆文件"保存关键信息。玩 Pokemon 时，它甚至会写导航笔记："尝试 5 次相同方法后卡住；如果卡住，尝试相反方向；室内导航时走到房间另一边。" 这种自主学习和知识积累，正是人类员工的核心价值。

• 长时间执行（Long-running Execution）：处理需要数小时甚至数天的复杂任务，协调其他 Agent 和人类。这不仅是耐力问题，更是保持目标一致性和上下文连贯性的能力；

• 真正的协作（Genuine Collaboration）：透明的推理过程，适应人类工作风格。关键是"智能自主"与"人类监督"的平衡 —— AI 处理繁琐细节，人类把控大方向。

Claude 4 核心模型介绍

✅ Claude Opus 4 — 强大且持久的高级模型

• 主打：专业级编程能力、持续任务执行力

• 在两个权威代码基准测试中表现领先：

  • SWE-bench 得分：72.5%

  • Terminal-bench 得分：43.2%

• 能够连续运行数小时，处理成百上千个推理步骤，特别适合 AI 代理类任务和长周期研发场景。

应用反馈（真实用户验证）：

• Cursor：认为是“代码理解能力的重大飞跃”。

• Replit：多文件代码修改更精准。

• Block：“在代码编辑与调试中显著提升质量和稳定性”。

• Rakuten：其代理能独立运行7小时，性能稳定。

• Cognition：成功应对过去模型无法处理的复杂决策。

✅ Claude Sonnet 4 — 平衡高效的通用模型

• 主打：日常任务中高性能与高效率并存

• SWE-bench 得分为 72.7%，略高于 Opus 4，特别擅长代码自动化和合理推理。

• 虽整体性能不及 Opus 4，但更加高效、响应更快，适合产品内嵌或即时响应型任务。

应用反馈：

• GitHub Copilot：将以 Sonnet 4 为新引擎，部署到新版智能编程助手。

• iGent：用于多功能自主开发任务，代码导航误差几乎为零。

• Sourcegraph：认为 Sonnet 4 提升了代码质量和任务持续性。

新功能亮点

• 支持“工具使用+长期思考”（beta 版）：

  • 模型可调用搜索等工具进行交替推理，提高回答质量。

  • 支持并行使用多个工具，效率提升

  • 

• 记忆能力大幅提升：

  • 可通过访问本地文件建立“长期记忆”，提取并保留关键事实

示例：Opus 4 在玩宝可梦时，会自动写笔记来记录策略，这些是模型自主生成的真实笔记。

💾 新增“记忆”功能

• 模型可创建“记忆文件”，用于储存任务关键数据。

• 应用于 AI 代理任务时表现尤为出色，能在连续会话中保持上下文一致性。

🧮 任务简化与可控思维展示

• 引入“思维摘要器”，在推理链过长时进行精炼，仅对约 5% 情况使用。

• 开发者可申请“Developer Mode”，查看完整推理轨迹，用于高级 prompt 调试。

---

性能对比与实际验证

📈 基准测试领先

• Opus 4 和 Sonnet 4 均在真实软件工程基准（SWE-bench Verified）中居首。

• Opus 4 在多个长时间、多回合推理基准中表现优异，显著超越 Claude 3.7。

• Sonnet 4 虽略逊于 Opus 4，但比 3.7 稳定性与精度大幅提升

• 

🧪 用户反馈验证

• Cursor：最先进的代码模型，深度理解大型代码库。

• Replit：多文件修改精度和一致性大幅提升。

• GitHub Copilot：将采用 Sonnet 4 驱动其新一代代码代理。

• iGent / Sourcegraph：多功能自主开发、错误率接近 0，代码质量提升明显。