独立评测机构 Artificial Analysis 刚刚发布了对于 Claude Sonnet 4.6 的全面智力指数分析。这份数据非常有趣：它在某些特定场景下已经超越了自家的老大哥 Opus 4.6，但这种“进化”是有代价的。
核心评测亮点
- 智力指数 (Intelligence Index)：得分 51（前代 4.5 为 43 分），目前与 GPT-5.2 (xhigh) 并列全球第二，仅次于 Claude Opus 4.6 (53分)。
- Agent 能力夺冠：在 GDPval-AA（真实世界 Agent 任务）和 TerminalBench（Agent 编码与终端使用）两项关键评测中，Sonnet 4.6 不仅领先其他厂商，甚至微弱超越了 Opus 4.6。
- 最强 Agent 模型：评测机构将其定义为目前测试过的“用于 Agent 场景的最强模型”。
“脑容量”与“思考”模式
- 自适应思考 (Adaptive Thinking)：引入了与 Opus 4.6 相同的模式，取消了固定 Token 预算，改用 Effort (努力程度) 设置（low, medium, high, max）。
- 100万上下文：上下文窗口从 200K 跃升至 1M Token（目前处于 Beta 阶段）。
- 128K 输出：最大单次输出 Token 翻倍（64K → 128K）。
“大力出奇迹”的代价：Token 效率下降
Sonnet 4.6 的强大性能是建立在“海量思考”基础上的：
- Token 消耗暴增：在“Max Effort”模式下，其输出 Token 消耗量约为 Sonnet 4.5 的 3倍，比 Opus 4.6 还要多出 28%。
- 真实成本上涨：虽然每 1M Token 的定价维持在 $3/$15 (输入/输出) 不变，但由于 Token 消耗量的剧增，处理同类任务的实际支出将是 4.5 版本的三倍左右。
总结与建议
Sonnet 4.6 极度缩小了与顶级旗舰 Opus 的差距（从 7 分缩小到 2 分），而在 Agent 和 Coding 场景下，它已经成为了事实上的性能标杆。
使用建议：
- 如果你追求 最强智能体执行力 和 性价比均衡，选 Sonnet 4.6。
- 如果你的任务对 Token 效率和成本敏感，请务必调低其“努力程度 (Effort)”，或者留守 4.5 版本。
大家觉得这次 Anthropic 的“以 Token换智能”的策略值得吗？欢迎讨论！