Claude 4不是大模型，它是第一个能连续上班7小时的AI

在OpenAI 和 Google 接连发布大模型后，Anthropic终于也亮出了底牌。

5月22日，Anthropic在其首届开发者大会上发布了全新一代的Claude 4系列模型，包括旗舰级的 Opus 4、高性价比的 Sonnet 4，以及效率优先的 Haiku 4，同时推出了 Claude Code 开发工具包。它们背后的目标不再只是“更强大”，而是让 AI 成为真正“能干事”的工作搭档。

而这一次，Claude 不再只是对话模型，它开始接近一个具备自主任务执行能力、跨模态推理能力和高安全保障的 AI 系统雏形。

Claude Opus 4：不仅是更强，而是更“能干”

Claude Opus 4 是 Anthropic 目前能力最强的模型，甚至在多个维度上超越了 OpenAI Codex-1、o3 和 Gemini 2.5 Pro。

首先是推理深度和持续性。Anthropic 在内部测试中发现，Opus 4 可以在无需人类插手的情况下，连续执行一项编程任务超过 7小时，这对于构建长期自治智能体来说是里程碑式的进展。对比之下，GPT-4 通常只能持续几十分钟。

其次是编码能力。Opus 4 在代码基准测试 SWE-bench 中得分高达 72.5%，超过 OpenAI Codex-1（72.1%）和 Gemini 2.5 Pro（63.2%），成为目前已公开测试中 世界最强的代码大模型。不仅能写函数、改逻辑，它甚至可以理解跨文件结构，进行结构性重构，具备类似“工程意识”的表现。

图：Claude 4 模型在 SWE-bench Verified（真实软件工程任务性能基准测试）上领先

Claude Sonnet 4：高性价比版本，不输旗舰

如果说 Opus 4 是为了大企业和重度用户准备的，那 Sonnet 4 则是 Anthropic 为开发者和中小企业提供的“黄金版本”。

Sonnet 4 的 SWE-bench 编码得分达到 72.7%，甚至略高于 Opus。更重要的是，它在响应速度和成本上做了大量优化，非常适合用于部署到产品工作流中。对于大多数开发者来说，它几乎能满足你 90% 的需求。

图：Claude 4 模型在编码、推理、多模态能力和代理任务方面表现出色。

Claude 的模型也更加“听话”了。无论是长指令、结构化输入，还是格式化输出，Claude 4 系列在遵循复杂指令方面明显优于上一代模型，让它更像一个可靠的助理，而非只会答题的聊天机器人。

Claude Code 工具链：让 AI 真正进开发流程

为了配合 Claude 模型在工程场景的使用，Anthropic 还推出了完整的 Claude Code 工具链，包括 CLI 工具、VS Code 插件、GitHub 集成，未来还将开放 JetBrains 插件。

这意味着 Claude 不只是“能写代码”，更是“能和你一起工作”。它能识别项目结构、补全单元测试、改动多个文件并解释修改原因，逐步变成团队里那个永远在线的“万能实习生”。

引入 AI 安全等级制度，行业首次

当然，模型越强，安全挑战也越大。Anthropic 在发布会上宣布将 Claude Opus 4 定级为 AI 安全等级 3（ASL-3），是目前公开模型中最高的安全级别。

根据披露，Anthropic 在内部红队测试中发现 Opus 4 有能力生成复杂的合成生物设计方案，因而启动了公司级别的“责任扩展政策”，对模型能力进行限制、追踪与加密，并上线漏洞赏金计划与越狱检测机制。

这也是行业首次以“安全等级”形式管理大模型能力，或许预示着未来的 AI 发布流程会更接近“药品审查”或“飞行安全评估”。

结语：Claude 4 是 AI 工具进化的分水岭

过去一年，大模型一路狂飙。但 Claude 4 显示出一个新的方向：AI 不再是惊艳的 demo，而是可以真正做事、协助开发、承担部分责任的“工具合伙人”。

Claude 4 的能力不仅是一次迭代，更是对 AI 应用“落地性”的集中体现。它可以处理现实中复杂、多步骤、跨工具的任务，这意味着我们距离“可控、可靠的 AI 员工”又近了一步。

ChatGPT 还在对话，Claude 4 已经加班。