我在 Cursor 里用了一天 Sonnet 5，试了三件事

Anthropic 又半夜发东西了。

这次是 Claude Sonnet 5。就今天。

Cursor 同步上线，已经在设置里可以切了。

数据上，Cursor 官方说的是 CursorBench 从 Sonnet 4.6 的 49% 跳到 57%。SWE-bench Verified 跑到了 85.20%。部分 Agent 任务直接逼近 Opus 4.8。

乍一看是个常规升级。但有几个数字细看一下挺有意思。

怎么讲呢，主要是 8 个百分点这个数。乍看不大，细想不小。

CursorBench 涨了8个百分点，什么概念

CursorBench 不是那种「AI做了道LeetCode题」的竞赛榜单。

它是 Cursor 自己搞的测试，全是不明确的、跨多个文件的任务。模拟的是你真正在用AI写代码时遇到的那种情况。不是「写一个排序算法」，是「这个文件改了之后，另外三个文件也得跟着改，但你得自己判断改哪」。

说实话，这种测试才接近真实开发场景。

从 49% 到 57%，涨了 8 个百分点。看着不多，但在这个量级每涨一个点都不容易。而且 57% 意味着超过一半的复杂多文件编程任务，AI可以自己搞定了，不需要你一条条交代。

我觉得这才是真正应该关注的数字。不是它比上一代强了多少，是它到了「大部分真实任务能自己跑通」的临界线附近。

关键是 Agent 能力

这次升级宣发重复最多的词是 Agent。

Sonnet 5 能制定计划。调用浏览器。操作终端。自己做判断然后执行。

不是「你问它答」的模式。是「你交代目标和约束，它想办法完成」。

这个跟前两天我们聊的那个话题完全对上了。从「跟AI聊天」到「让AI自己干活」那一步。Anthropic 这次是直接在模型层面把这一步的能力焊进去了。

有一说一，之前用 Sonnet 4.6 做一些需要多步操作的事，经常半路掉链子。不是代码写错了，是「忘了最开始的目标是什么」或者「第三步需要调一个工具但它没意识到能调」。真的真的，Sonnet 5 在这块长进的不是一星半点。

在 Cursor 里实际试了一下

光看数字没体感。我把 Cursor 切到 Sonnet 5 跑了一个下午，说几个真实场景。

第一件事，让它改一个跨四个文件的配置迁移。

之前用 4.6 做过类似的事。改完两个文件之后开始迷路，第三个文件漏掉了两个字段。Sonnet 5 改完了全部四个文件，而且改完自己又扫了一遍确认没有遗漏。最后补了一句，「注意 /config/legacy.ts 里有一个被注释掉的旧配置，你可能想一起清理。」

说实话，我当时愣了一下。这句话不是它必须说的，但它注意到了。这就是 Agent 感。

第二件事，让它帮我写一个 API 中间件。

给了几条模糊的需求，没写具体逻辑。它先生成了一个计划，列了五种边界情况，问了我两个问题，然后开始写。写完之后自己跑了一遍测试。中间有一个测试没过，它自己定位到了是一个 mock 数据没更新，改了之后重新跑，全绿。

整个过程我只回复了一句话。「第二个问题，选方案B。」

第三件事，翻车了。

我让它帮我重构一个两百行的工具函数。拆成多个小函数，保持语义不变，加单元测试。

它拆了。函数也拆得挺合理。但测试用的是老版本的 API 写法，跟我们的测试框架版本不兼容。它没注意到这个项目已经升到 v3 了，还在写 v2 的语法。

翻车原因不是能力不行，是它没读到我们测试框架的版本信息。这又回到了 Claude Code 那篇里反复说的那句话——给它结构它就跑，不给就瞎跑。CLAUDE.md 里没写测试框架版本，它就用自己的默认知识了。

修起来不难，一句指令就改好了。但这件事提醒了一件事，即使是 Sonnet 5，上下文管理依然是天花板。

定价，这是暗线

性能说完，看价格。

Sonnet 5 的优惠期价格是每百万 token 输入 2 美元，输出 10 美元。到 8 月 31 日之前都这个价。

对比一下 Opus 4.8，大概只要四折。

而且性能在很多 Agent 任务上已经逼近 Opus 4.8 了。

翻译成人话就是，你可能不需要开 Opus 了。花四折的钱，拿到接近顶配的编程体验。

今年 Anthropic 的价格策略一直在往下压。不是巧合。Google 在后面追，开源模型也在追，定价权在往下掉。对开发者来说这是个好事，但对 Anthropic 来说不是。

反正我觉得，抓住这波优惠期，先切过去用着。两个月后涨到 3 美元和 15 美元的时候再决定留不留。

安全也在进步

这个一般文章不写，但 Anthropic 这次特意提了。

Sonnet 5 的不良行为率比 4.6 更低。恶意请求拒绝更准、提示注入攻击抵抗更强、幻觉率下降。

说实话，普通开发者不太关注这些。但如果你在做一个需要给用户用的 AI 产品，这些东西比 benchmark 重要。

一个更聪明的模型如果同时变得更安全，这才是真正能工业化落地的信号。

要不要切

分三种情况。

如果你在用 Sonnet 4.6，直接切。切了切了，没有悬念。同一条线上性能涨这么多，价格还在优惠期。

如果你在用 Opus 4.8，可以切过来试试。大部分编程任务 Sonnet 5 已经够用了，省下来的 token 钱够再跑几个项目。但如果你的任务确实需要最高的推理深度，Opus 还是天花板。

如果你在用 GPT 或 Gemini，这是一个重新对比的窗口。Sonnet 5 在 Agent 能力和编程任务上的表现，值得你花一个下午测一测。

直接去 Cursor 设置里切一下就行，不用折腾 API 不用配环境。两分钟的事。

先这样。

过两天应该会有更多评测数据出来。到时候再看看实际体感和宣传有没有温差。其实吧，每次新模型发布都这样，宣传数字好看，用起来才知道是不是真的。

---

以上，觉得有收获，点个赞、在看、转发支持一下；想不错过更新，记得星标⭐。下次见。
搜索公众号:"知悟之旅"关注我看更多