对比
Claude Sonnet 4.6 vs Opus 4.6：完整基准对比
详细对比 Claude Sonnet 4.6 与 Opus 4.6：基准测试、定价、使用场景，以及何时为你的 AI 应用选择各自的模型。
February 2026
摘要
Claude Sonnet 4.6 在编程和计算机使用方面达到 Opus 4.6 98-99% 的性能，成本仅为五分之一。Opus 4.6 仅在专家推理（GPQA：91.3% vs 74.1%）和大海捞针检索方面显著领先。默认使用 Sonnet 4.6；仅在需要最大推理深度时升级到 Opus。
价值主张
通过 Sonnet 4.6，Anthropic 实质上将旗舰级 AI 民主化。几个月前还需要 $15/$75 Opus 模型的工作，现在以 $3/$15 即可完成——成本降低 5 倍，质量损失几乎可忽略。
基准对比
| 基准测试 | Sonnet 4.6 | Opus 4.6 | 差距 |
|---|
| SWE-bench Verified | 79.6% | 80.8% | 1.2% |
| OSWorld-Verified | 72.5% | 72.7% | 0.2% |
| GPQA Diamond | 74.1% | 91.3% | 17.2% |
| GDPval-AA（办公） | 1633 | 1606 | Sonnet 胜 |
| 金融 Agent v1.1 | 63.3% | 60.1% | Sonnet 胜 |
| MRCR v2（100 万大海捞针） | 约 18% | 76% | 58% |
Sonnet 4.6 实际胜出之处
办公任务（GDPval-AA）：Sonnet 得分 1633 Elo，Opus 为 1606。在电子表格、文档处理和知识任务上，Sonnet 表现更好。
金融分析：Sonnet 在 agent 金融基准上以 63.3% vs 60.1% 领先。
Opus 4.6 值得高价之处
专家推理（GPQA）：Opus 的 91.3% vs Sonnet 的 74.1% 代表显著差距。对于博士级科学问题、医学诊断或法律分析，Opus 提供明显更好的结果。
长上下文检索：在 8 针 100 万变体 MRCR v2 上，Opus 得分 76%，Sonnet 约 18%。
决策框架
默认使用 Sonnet 4.6：
- 构建编程助手或开发工具
- 创建自动化/计算机使用 agent
- 处理文档和电子表格
- 运行客服或聊天机器人
- 成本效率重要
- 任务需要博士级科学推理
- 在百万 token 中大海捞针
- 协调多个 AI agent
- 最大准确度值得 5 倍成本
升级到 Opus 4.6：
结论
Sonnet 4.6 使 Opus 4.6 成为专家工具而非通用默认选择。对大多数应用来说，Sonnet 以 20% 的成本提供难以区分的结果。仅在专家推理、大规模上下文检索和多 agent 协调时使用 Opus。