Claude Sonnet 5
Anthropic发布的Claude Sonnet系列最新模型，被定位为最具Agent能力的Sonnet模型，支持100万Token超长上下文窗口，切换了Opus 4.7的Tokenizer
核心事实
时间轴 (近 90 天)
Hermes Agent配置流程为：执行`sudo hermes setup`，选择完整安装（Full Setup），选择AI模型提供商（作者选用Anthropic的Claude Sonnet 5）并粘贴API Key。
研究者查询了Kaggle的46模型目录，但首轮扩展耗尽了每日AI配额，最终配对分析纳入完成全部90张图像提示的7个端点：Claude Haiku 4.5/5.5、Claude Sonnet 5/5.5、Gemini 3.5 Flash-Lite、Gemini 3.7 Flash、GPT-5.4 Mini。
Claude Haiku 5.5 得分 0.95，压过了 Claude Sonnet 5 的 0.88
前沿推理模型能将对手的对抗性坏建议反转成攻击利器，而小模型不具备这种反杀能力
Claude Sonnet 5在中性对照下猜拳胜率仅33.3%，但在说服和欺骗条件下胜率飙升到86.1%（36轮中31胜5平）
在两步推理问题上，Claude Haiku 4.5得分6/30，GPT-5.4 mini得分3/30，而Claude Sonnet 5.5、Gemini 3.8 Flash、Gemma 4均为30/30
Claude Sonnet 5 在开发阶段对 25% 的冷案例瞎猜，在 Kaggle 上更是 30%
有了规则手册后 Haiku 和 Sonnet 得分完全相同，但 Haiku 便宜 14 倍
参测的八个模型包括 GPT-6 Luna、Claude Haiku 5.5、Gemini 3.5 Flash-Lite、Qwen 3 Next 80B、Gemma 4 31B、GPT-6 Sol、Claude Sonnet 5 和 Gemini 3.7 Flash，每个模型在每条赛道跑 107 次调查
在该测试中顶级梯队（Overall 83.33）由Gemini 3.5 Flash、Claude Sonnet 5和Claude Opus 5占据
还有 14 条时间轴事件
全部知识事实 (20)
Sonnet 5.5 运行速度相比 Sonnet 5 提升超过 30%
80%已验证Claude Sonnet 4是Anthropic发布的新一代大语言模型，属于Claude 4系列中的中端产品线
80%部分验证测试覆盖了四款视觉模型：Claude Sonnet 5（Anthropic）、Gemini 3 Flash（Google）、Gemini 3.1 Flash-Lite（Google）、GPT-5.4 nano（OpenAI）
65%待验证Hermes Agent配置流程为：执行`sudo hermes setup`，选择完整安装（Full Setup），选择AI模型提供商（作者选用Anthropic的Claude Sonnet 5）并粘贴API Key。
50%待验证研究者查询了Kaggle的46模型目录，但首轮扩展耗尽了每日AI配额，最终配对分析纳入完成全部90张图像提示的7个端点：Claude Haiku 4.5/5.5、Claude Sonnet 5/5.5、Gemini 3.5 Flash-Lite、Gemini 3.7 Flash、GPT-5.4 Mini。
50%待验证Claude Haiku 5.5 得分 0.95，压过了 Claude Sonnet 5 的 0.88
50%待验证Claude Sonnet 5在中性对照下猜拳胜率仅33.3%，但在说服和欺骗条件下胜率飙升到86.1%（36轮中31胜5平）
50%待验证前沿推理模型能将对手的对抗性坏建议反转成攻击利器，而小模型不具备这种反杀能力
50%待验证在两步推理问题上，Claude Haiku 4.5得分6/30，GPT-5.4 mini得分3/30，而Claude Sonnet 5.5、Gemini 3.8 Flash、Gemma 4均为30/30
50%待验证参测的八个模型包括 GPT-6 Luna、Claude Haiku 5.5、Gemini 3.5 Flash-Lite、Qwen 3 Next 80B、Gemma 4 31B、GPT-6 Sol、Claude Sonnet 5 和 Gemini 3.7 Flash，每个模型在每条赛道跑 107 次调查
50%待验证Claude Sonnet 5 在开发阶段对 25% 的冷案例瞎猜，在 Kaggle 上更是 30%
50%待验证有了规则手册后 Haiku 和 Sonnet 得分完全相同，但 Haiku 便宜 14 倍
50%待验证在该测试中顶级梯队（Overall 83.33）由Gemini 3.5 Flash、Claude Sonnet 5和Claude Opus 5占据
50%待验证Claude Haiku 4.5首次错误施压认输率20.2%，但重复攻破率仅7.6%；Claude Sonnet 5挡住94.4%首次施压，却在重复下丢掉其中15.7%
50%待验证总额全遮时的编造比例：Claude Sonnet 5为38%、Gemini 3 Flash为21%、Gemini 3.1 Flash-Lite为44%、GPT-5.4 nano为73%；总额遮一半时编造比例：Claude 92%、其余三款均为100%
50%待验证当被单独追问总额是否可见时，Claude、Gemini 3 Flash和Flash-Lite在48张账单上全部回答总额不可见且无法计算，但直接提问时仍有21–44%的概率给出编造总额
50%待验证当总额被遮但每行可见时，Claude和Gemini 3 Flash全部48张算对，失败全部来自较小模型（Flash-Lite失败31%，nano失败79%），nano即便被明确要求相加也只做对12/48
50%待验证编造总额时各模型的中位置信度差异巨大：Gemini 3 Flash和Flash-Lite为95，GPT-5.4 nano为62，Claude Sonnet 5仅为20
50%待验证客户端自动模式分类器现在会忽略指向 Claude Sonnet 5.5 或 Opus 5.5 的 ANTHROPIC_DEFAULT_SONNET_MODEL 固定值，转而使用 Claude Sonnet 5
50%待验证Tiny AI Arena排行榜显示Claude Sonnet 5出战21场胜率43%居首，Fable 5.1以32%胜率、平均名次1.88紧随其后
50%