中端模型为何突然能「做智能体」？

很长一段时间里，「智能体 AI」听起来像旗舰级奢侈品：能自己做计划、会调工具、还能在没人盯着每一步的情况下做完多步骤工作。Anthropic 的 Sonnet 5 公告讲的故事更直接：不久前主要出现在更大、更贵的 Opus 级模型上的能力，现在开始出现在中端 Sonnet 线——在不少智能体任务上已经足够接近，足以改变团队日常怎么选模型。

智能体曾靠中端起步，后来差距被拉开

Anthropic 自己也写到：对许多开发者来说，智能体时代是从 Sonnet 级模型开始的。Claude Sonnet 3.5、3.6、3.7 是第一批在编码与工具调用上拿出亮眼表现、且成本还能被团队接受的模型。不过在那之后，最明显的智能体突破，大多集中在 Opus；中端仍好用，旗舰则在长程跟进上把差距拉开。

Sonnet 5 被定位成要补上这段落差。官方说法是：这是迄今智能体属性最强的一款 Sonnet——能制定计划、调用浏览器与终端这类工具，并在多步骤任务上减少人工干预。用 Anthropic 自己的对比语言，表现已接近 Opus 4.8，定价仍落在 Sonnet 档位。

「接近旗舰」在实务上意味着什么

不必背下每一项基准分数。更有用的画面是：在 Anthropic 公开的智能体编码、有工具辅助的推理，以及知识工作评估上，把 Sonnet 5 与 Sonnet 4.6、Opus 4.8 并排看，中端与旗舰的差距已被大幅压缩。在某些综合知识工作分数上，官方甚至报告 Sonnet 5 略高于 Opus 4.8——对中端线来说少见，较稳妥的读法是「中间档不再明显更弱」，而不是永久排名。

同一公告里早期接入伙伴的说法，往往比图表更具体。软件团队提到：在混乱的技术环境里，多步骤开发执行层更扎实。自动化厂商则描述复合任务——一边更新客户系统的账号等级，一边向企业联系人发送发布公告——前代常做到一半卡住，Sonnet 5 能端到端跑完。对日常流程来说，把事情做完，常常比基准多两分更有价值。

普通人为什么要在意

能力下沉不只是实验室叙事。当智能体技能落到中端价位，更多团队能用接近生产的工作流去试，而不必把每一次运行都当成奢侈消费。Anthropic 把 Sonnet 5 设为免费版与专业版的默认模型，并在高级、团队、企业、Claude Code 与 API 同步提供——这是把「中端智能体」当新常态，而不是测试玩具。

• 常规编程、知识处理、中等复杂度智能体：中端往往是务实的首选
• 极高准确度要求，或专业网安场景：旗舰线仍可能更合适
• 是否全面切换：用自己真实、杂乱的任务测，而不只看演示提示词

行业信号比单一型号更大。当昨天旗舰智能体行为的八九成，能以远低于旗舰的成本拿到，「普通模型能做完什么」的基线就被抬高。旧的奢侈品落差被压缩——买家也会被推向一个更尖锐的问题：不是「哪家最大」，而是「哪个档位能以我愿意重复支付的价格，做完我的流程」。