精选理由
Anthropic 新出的 Claude Sonnet 5 主打智能体能力，Agent Arena 排第6，能自己规划并用工具完成任务。关心自主执行模型的可以看看它的实际表现。
Anthropic 发布 Claude Sonnet 5 (Thinking)，在 Agent Arena 排行榜上排名第6。该基准测试基于全球用户的数百万个真实长程智能体任务。模型可调用网络搜索、文件系统和终端等工具完成复杂工作流。Claude Sonnet 5 在任务成功率、用户满意度及 bash 能力上表现最强，工具幻觉率保持稳定。其可操控性分数置信区间较宽，仍在稳定中。
AI 翻译 · 中文
Anthropic 发布 Claude Sonnet 5 (Thinking)，在 Agent Arena 排行榜上排名第6。该基准测试基于全球用户的数百万个真实长程智能体任务。模型可调用网络搜索、文件系统和终端等工具完成复杂工作流。Claude Sonnet 5 在任务成功率、用户满意度及 bash 能力上表现最强，工具幻觉率保持稳定。其可操控性分数置信区间较宽，仍在稳定中。
Claude Sonnet 5 (Thinking) by @AnthropicAI debuts at #6 on the new Agent Arena leaderboard. In Agent Arena, we measure models on millions of real-world, long-horizon agentic tasks from a global community of users. Models…