Anthropic 在 2026 年 6 月 30 日发布 Claude Sonnet 5，公布了相对 Sonnet 4.6 的多项评测进步：SWE-bench Pro 从 58.1% 跃升至 63.2%，FrontierCode 从 15.1% 升至 38.8%，BrowseComp 从 76.2% 提升至 84.7%。对已有应用而言，迁移还涉及 API 行为和实际用量的变化。
Sonnet 5 默认开启自适应思考，移除了手动思考预算，并限制了采样参数的调整。新分词器还会改变同一段文本的 token 数量。这些变化要求开发者重新检查请求参数、推理开销和输出限制。
下面按思考设置、采样控制和分词成本，说明迁移时需要关注的事项。
自适应思考默认开启，手动思考预算不再受支持
Sonnet 4.6 既支持自适应思考，也保留了手动模式，例如 thinking: {type: "enabled", budget_tokens: 32000}。手动模式需要预先给出思考 token 预算，预算是否合适则取决于任务。
Sonnet 5 移除了手动模式。thinking: {type: "enabled", budget_tokens: N} 直接返回 400 错误。替代它的是自适应思考（Adaptive Thinking），且默认开启；若不需要思考，可显式设置 thinking: {type: "disabled"}。
用 effort 引导思考程度，模型可在工具调用之间继续推理
自适应思考的核心机制是：模型在收到请求后，自行评估任务复杂度，动态决定是否需要扩展推理以及推理的深度。根据 Anthropic 的技术文档，在默认的 high 努力级别下，Claude「几乎总是会思考」；在 medium 级别下，模型可能对简单查询跳过思考；在 low 级别下，思考被最小化，在简单且重视速度的任务上可能跳过。
开发者不再指定思考的 token 预算，而是通过 effort 参数提供软性指导：
| 努力级别 | 模型行为 |
|---|---|
max |
允许最充分的思考，仍受总输出上限约束 |
xhigh |
始终深度思考，允许扩展探索 |
high（默认） |
几乎总是思考，复杂任务深度推理 |
medium |
适度思考，极简单查询可能跳过 |
low |
尽量减少思考，简单且重视速度的任务可能跳过 |
这些级别属于行为引导，仍受 max_tokens 等输出限制约束。自适应思考还自动启用了交错思考（interleaved thinking）——模型可以在工具调用之间进行推理，适用于多步 Agent 工作流程。Sonnet 4.6 在旧手动模式下需要 interleaved-thinking-2025-05-14 beta header；使用自适应模式时则已自动支持，Sonnet 5 延续了这一行为。
对推理成本与延迟的实际影响
默认开启思考会改变原先不启用思考的请求：响应会包含 thinking blocks，而 max_tokens 对思考和响应文本的总输出设限。这个总量规则并非首次出现，但按 Sonnet 4.6 不思考模式设置的额度，迁移后可能留不出足够的正文空间。
从成本角度看，thinking tokens 按输出 token 计费。但 display 默认值从 Sonnet 4.6 的 "summarized" 变为 "omitted"——思考内容默认不返回给用户，只保留加密的 signature 字段用于多轮对话续接。省略思考摘要可以减少相关传输和显示开销，但不表示内部推理不再耗时；计费也不变——你仍然为完整的思考过程付费。
对于那些需要精确控制推理成本的工作负载，自适应思考确实意味着失去了一部分预算可预测性。Anthropic 的建议是：用 max_tokens 做硬上限，用 effort 做软引导，以及——如果模型思考得「太多」或「太少」——通过 system prompt 来引导，例如追加 "Please think hard before responding." 或 "Answer directly without deliberating."。
开发者仍可设置总输出上限，并通过 effort 和提示词影响思考程度；变化在于不能再单独指定手动思考 token 预算。
非默认采样参数会报错，输出风格改用提示词引导
另一处会影响旧代码的变化，是采样参数的可配置范围。
在 Sonnet 5 上，设置 temperature、top_p、top_k 为非默认值会直接返回 400 错误。你可以传默认值，也可以干脆不传——但你不能调。
旧代码需移除非默认参数，改用提示词表达风格偏好
Opus 4.7 和 Opus 4.8 已经率先限制了这些参数，Sonnet 5 是第一个继承这一约束的 Sonnet 级模型。此前依靠采样参数控制回答变化的应用，需要调整请求方式。
官方文档给出的替代方案是：如果你想控制输出的「创造性」或「确定性」，用 system prompt 指令来表达。不再说 temperature=0.3，可以用自然语言告诉模型「请给出最确定、最保守的回答」。这类指令影响回答倾向，不能保证重复调用产生完全相同的结果。
多步 Agent 需重新评测各步骤的输出稳定性
对于此前依赖 temperature 调节输出变化的应用，这会改变测试和集成方式。旧参数无法继续使用，团队需要重新验证提示词、输出约束和重复调用时的稳定性。
多步 Agent 会调用工具、读取文件并作出决策，不同阶段对稳定性和探索范围的需求可能不同。在允许相关参数的模型上，开发者可以按步骤用程序调整；Sonnet 5 则需要通过它支持的参数、提示词和应用校验来处理这些差异。
ChatForest 的技术分析指出：「如果你的代码大量依赖 temperature 或其他采样参数来控制输出变异性，替代方案是 system prompt 指令。Sonnet 5 的自适应思考系统在内部处理了方差。」
这段分析是对产品设计的解读；自适应思考与采样控制的作用仍有区别。对于需要严格格式、稳定措辞或高一致性的场景，应通过实际任务检查新模型的输出。
新分词器改变 token 数，同价请求也要重新估算成本
新分词器不会改变 API 请求格式，却会影响 token 计数。Sonnet 5 使用了与 Opus 4.7 类似的新分词器。Anthropic 给出的同等输入用量范围是原来的 1.0–1.35 倍，取决于内容类型，部分文本的增幅接近 30%。
官方称新分词器有助于性能，用量增幅因内容而异
Anthropic 表示，分词器更新改变了文本处理方式，有助于提高性能，取舍是同一输入可能产生更多 token。这与 Opus 4.7 的变更类似。其对推理、编程和工具使用成绩的具体贡献，还需要单独评估。
四个文本样本中，英文 token 增幅高于中文
Simon Willison 使用其 Claude Token Counter 工具对不同语言进行了实测，结果揭示了新分词器的成本结构在不同语言间差异巨大：
- 英语：《世界人权宣言》英文版从 2,356 token 增至 3,341 token（1.42×）
- 西班牙语：同一文件西班牙语版从 3,572 token 增至 4,747 token（1.33×）
- 简体中文：同一文件中文版从 3,334 token 仅增至 3,360 token（1.01×），几乎不变
- Python 代码：一个 4,279 行的 Python 文件从 44,014 token 增至 56,113 token（1.27×）
这些样本中，英文和代码的 token 增幅接近 30% 或更高，中文版《世界人权宣言》则几乎不变。但样本数量有限，不能把结论推广到所有英文、代码或中文请求；应对自己的常用文本重新计数。
单价不变时，每次请求的费用仍可能增加
按 6 月 30 日发布时公布的安排，Sonnet 5 至 2026 年 8 月 31 日的推广价为每百万输入 token 2 美元、输出 token 10 美元，原计划此后采用 $3/MTok 输入、$15/MTok 输出的标准价，与 Sonnet 4.6 相同。比较请求成本时，要同时考虑当时适用单价与实际 token 数。
仅按每百万输入 token 3 美元计算，不计输出和缓存折扣：Sonnet 4.6 的 1,000 token 输入费用是 $0.003。若某段同等内容在 Sonnet 5 中变为 1,300–1,420 token，费用则为 $0.00390–$0.00426。这里的用量增幅只是示例，推广价期间的费用也需按更低单价另算。Opus 4.7 的分词变更同样提示开发者，应重新计数后再比较总成本。
更微妙的影响在于上下文窗口：Sonnet 5 的上下文窗口是 1M token，如果某类文本的 token 数增加约 30%，同样的文本容量折算到旧分词器，约相当于 Sonnet 4.6 的 770K token。这只是该增幅假设下的换算；长文档应用仍应按具体内容测量。
1M 上下文和 128K 输出为长任务留出更多空间
Sonnet 5 还支持默认 1M token 上下文窗口和 128K token 最大输出；在 Message Batches API 上使用相应 beta header，输出上限可提高到 300K，不能将这一数值套用到所有同步请求。
这些数字不是孤立的。在 agentic 场景中，一个典型的编码 Agent 可能需要在一次会话中加载整个代码库、多轮工具调用结果、以及逐步积累的上下文——1M 的窗口可能容纳数万行代码或数十个文件，减少部分压缩或重置需求；实际容量取决于文件长度、分词结果及工具调用产生的内容。
128K 输出上限则为较长的单次结果留出更多空间。一个生成完整 PR 的 Agent 可能需要输出数千行代码变更、测试文件和文档；一个执行法律分析的 Agent 可能需要输出数十页的结构化分析。传统的 4K–8K 输出限制需要多轮交互来拼接结果，128K 使单轮完成复杂输出的可能性大大增加。
自适应思考、交错思考、1M 上下文和 128K 输出共同增加了处理长任务的空间。容量上限并不保证长上下文始终连贯或单轮结果完整，仍要检查任务成功率、截断情况与成本。
Anthropic 多款模型减少手动设置，开发者仍需控制任务边界
在 Anthropic 自己的产品线中，类似变化已先后出现：
- Opus 4.7（2026 年 4 月）：引入新分词器，限制非默认 temperature/top_p/top_k，并移除手动思考预算
- Opus 4.8（2026 年 5 月）：延续仅支持自适应思考、不接受手动思考预算的设计
- Sonnet 5（2026 年 6 月）：三项变化首次同时落地在 Sonnet 级模型上
在 Anthropic 的最高端模型——Fable 5 和 Mythos 5——思考已经被锁定为「始终开启、不可关闭」状态。这反映出 Anthropic 在部分产品中减少手动推理与采样设置，让模型承担更多思考策略选择；其他公司的接口并不都遵循同一种设计。
多步工具调用、规划和错误恢复，确实需要根据任务进展调整推理。但这种调整可以由模型和应用共同承担。程序可以设置步骤规则、验证工具参数并限制操作范围，模型更自主并不意味着开发者无需控制流程。
对于习惯了精细控制推理预算和采样行为的开发者——尤其是那些在特定场景下通过调参获得过显著收益的团队——接口变化需要重新测试和适配。模型的行为也值得重测：Sonnet 5 系统卡记录，在某些指标上，新模型表现出更高的「过度拒绝」（over-refusal）率，而其自动化行为审计中的失调行为率虽然低于 Sonnet 4.6，却高于 Opus 4.8 和 Mythos Preview。
Sonnet 5 留下的问题是：哪些决策适合交给模型，哪些还需要应用设定硬限制？ 对开发者而言，答案要由实际任务的质量、可预测性和完成成本来判断。其他实验室是否采用类似设计，也值得继续观察。
迁移检查主要包括：确认是否需要默认思考、替换旧手动思考配置、移除非默认采样参数，并重新测量 token 用量和输出预算。使用 Bedrock 的团队还需核对接入路径与兼容性。改动多少代码和需要多少验证工作，取决于现有应用。
当 Agent 操作浏览器、终端和代码库时，参数迁移只是第一步。开发者仍要验证它能否稳定完成任务，以及哪些操作必须受到应用层约束。
