文章重點
- Claude Sonnet 4.6於2月17-18日發布，在編碼、電腦操控、長上下文推理和代理規劃能力上實現全面升級
- 電腦操控能力可執行多步驟操作：填寫網頁表單、協調多個瀏覽器標籤頁、自主完成複雜工作流
- 100萬Token上下文窗口進入測試階段，相當於可同時處理約750,000字的文本或約30本書的內容
- Anthropic在Chatbot Arena中以84%的機率佔據前兩名，成為目前最具競爭力的AI模型提供商
- 同步推出Claude Code安全研究預覽版、Claude for Excel插件，以及2.5倍速的快速推理模式
AI進化的關鍵轉折：從「說」到「做」
自2022年底ChatGPT面世以來，大型語言模型一直被定義為「對話型AI」——你問它問題，它給你答案。這一範式在過去三年中被無數次迭代和優化，但其本質始終未變：AI是一個回答問題的系統，而非一個完成任務的系統。
Anthropic在2月17日至18日發布的Claude Sonnet 4.6，代表着這一範式的根本性轉變。這不僅僅是模型性能的常規升級——它是AI從「對話者」進化為「行動者」的關鍵里程碑。Claude Sonnet 4.6能夠真正操控電腦：填寫網頁表單、在多個瀏覽器標籤頁之間切換和協調、執行多步驟的數位工作流，以及在完成複雜任務時自主規劃和調整策略。
要理解這一進化的重要性，可以做一個類比。此前的AI就像一個極其博學但沒有雙手的顧問——它可以告訴你如何填寫報稅表、如何比較機票價格、如何設置數據庫，但它無法替你做這些事。你仍然需要自己打開瀏覽器、點擊按鈕、輸入數據。Claude Sonnet 4.6的電腦操控能力則意味着，這個顧問現在有了「雙手」——它不僅知道該做什麼，還能直接替你做。
電腦操控的技術解構
Claude的電腦操控（Computer Use）功能並非Sonnet 4.6首創——Anthropic早在2024年就以「研究預覽」的形式推出了這一能力。但Sonnet 4.6在可靠性、速度和複雜性上實現了質的飛躍，使這一功能從「技術展示」進入了「實用工具」的階段。
從技術架構來看，Claude的電腦操控基於一種被稱為「視覺接地」（visual grounding）的技術。模型通過截取電腦螢幕的圖像來「看」當前的界面狀態，然後根據任務目標和當前狀態，生成滑鼠點擊、鍵盤輸入和滾動等操作指令。這些指令被轉化為實際的輸入事件，作用於操作系統——就像一個人在操作電腦一樣。
Sonnet 4.6的關鍵改進體現在三個方面。首先是多步驟任務規劃。此前的版本在處理需要多個步驟才能完成的任務時，經常在中間環節迷失方向或犯錯。Sonnet 4.6引入了增強的代理規劃能力（agent planning），使其能夠在開始執行之前就制定一個完整的行動計劃，並在每個步驟完成後根據實際結果進行調整。
其次是多標籤頁協調。在真實的電腦工作場景中，人們經常需要在多個瀏覽器標籤頁之間切換——例如從一個網站複製信息，然後粘貼到另一個網站的表單中。此前的AI模型很難處理這種跨標籤頁的操作，因為它需要同時追蹤多個頁面的狀態。Sonnet 4.6通過改進的狀態記憶機制，首次實現了可靠的多標籤頁協調操作。
第三是錯誤恢復。在電腦操作中，錯誤是不可避免的——一個按鈕可能加載很慢，一個表單可能有意外的驗證規則，一個彈出窗口可能遮擋了目標元素。Sonnet 4.6展現出了明顯增強的錯誤檢測和恢復能力：它能夠識別出操作沒有產生預期結果，分析原因，然後嘗試替代方案。
電腦操控的實際應用場景
Claude Sonnet 4.6的電腦操控能力在以下場景中展現了顯著的實用價值：(1) 自動填寫政府和企業的線上表單，將分散在多個文件中的信息準確地填入對應欄位；(2) 跨平台數據遷移，例如從一個CRM系統中提取客戶資料並導入另一個系統；(3) 自動化的網頁研究，在多個來源中搜尋信息並整理成結構化報告；(4) 軟件測試，自動執行預定的用戶操作路徑並記錄結果。這些場景的共同特點是：任務本身不需要高度創造力，但需要大量的重複性電腦操作。
100萬Token上下文：長文本理解的新疆界
Sonnet 4.6的另一個重大升級是100萬Token上下文窗口的測試版推出。這一容量相當於約750,000個中文字或30本標準長度的書籍——足以在單次對話中處理一整套法律合約、一個完整的代碼庫或一系列長篇研究報告。
上下文窗口的擴大並非簡單的「量」的變化，而是帶來了「質」的飛躍。當AI能夠同時「看到」100萬Token的內容時，它可以發現分散在大量文件中的細微關聯和模式——這是人類閱讀者幾乎不可能做到的。例如，在審查一份包含數百頁附件的併購協議時，Claude可以同時比對主合同、附件、補充協議和相關法規，識別出潛在的條款衝突或合規風險。
然而，大上下文窗口也帶來了新的技術挑戰。隨着上下文長度的增加，模型的推理精度通常會下降——這被稱為「注意力稀釋」（attention dilution）問題。在100萬Token的上下文中，模型是否能夠準確地找到並利用位於文本中間某個角落的關鍵信息？Anthropic的技術報告聲稱Sonnet 4.6在「大海撈針」（Needle in a Haystack）測試中保持了高準確率，但在復雜的多跳推理場景中的表現仍有待更廣泛的實際測試。
對於香港的金融和法律行業而言，100萬Token的上下文窗口具有直接的商業價值。香港作為國際金融中心，每天處理大量的跨境交易文件、監管合規報告和法律合約。這些文件往往篇幅冗長、相互關聯且需要精確分析——正是大上下文AI模型最擅長的場景。一個能夠同時理解數百頁中英雙語法律文件的AI助手，對於律師事務所和金融機構而言可能是變革性的工具。
Chatbot Arena稱霸：數據說明了什麼？
在AI模型的評測中，LMSYS Chatbot Arena被廣泛認為是最具公信力的基準之一。與傳統的學術基準測試不同，Chatbot Arena採用「盲測」模式——真實用戶向兩個匿名模型提出相同的問題，然後選擇他們認為更好的回答。這種基於人類偏好的評估方式，被認為比任何標準化測試都更能反映模型的真實能力。
Anthropic在Chatbot Arena中的表現堪稱統治級別：Claude模型系列以84%的機率佔據前兩名位置。這意味着在任何隨機的對比測試中，用戶選擇Claude作為最佳或次佳回答的機率超過八成。這一統計數據的含義是深遠的——它表明Claude不僅在特定的學術基準上表現優異，在面對真實用戶的真實需求時也具有壓倒性的優勢。
值得深入分析的是Anthropic如何達成這一地位。與OpenAI主要追求模型規模和通用能力不同，Anthropic的策略更加強調「可用性」（usability）。Claude的回答風格被廣泛認為更加清晰、結構化和務實——它更少產生冗長的廢話，更多地直接回應用戶的實際需求。這種風格差異在Chatbot Arena的盲測中轉化為了真實的用戶偏好。
Anthropic的競爭優勢還體現在持續迭代的節奏上。與OpenAI傾向於大間隔發布重大版本不同，Anthropic保持了更頻繁的小步快跑——通過不斷發布改進版本來逐步擴大領先優勢。Sonnet 4.6就是這種策略的最新體現。
Claude Code安全與生態擴展
伴隨Sonnet 4.6的發布，Anthropic同時推出了多項周邊產品和功能，這些舉措共同構成了一個更加完整的AI生態系統。
Claude Code安全研究預覽版：這是Anthropic進軍AI安全工具市場的重要一步。Claude Code Security能夠掃描代碼庫中的安全漏洞，不僅識別已知的漏洞模式（如SQL注入、跨站腳本攻擊），還能理解代碼的業務邏輯上下文，發現更隱蔽的安全隱患。這一工具的推出時機頗具意味——在AI生成代碼日益普及的背景下，確保AI生成的代碼的安全性正在成為一個緊迫的需求。
Claude for Excel：這一看似簡單的產品決策，實際上反映了Anthropic對企業市場的深入理解。全球有超過10億人使用Microsoft Excel——其中絕大多數是不會寫代碼的商業用戶。將Claude直接嵌入Excel，意味着這些用戶可以通過自然語言來完成數據分析、公式編寫和圖表生成等操作。對於香港的金融行業而言——Excel幾乎是每一位分析師和交易員的核心工具——Claude for Excel的潛在價值不言而喻。
快速推理模式：2.5倍速的快速推理模式（Fast Mode）為需要即時反饋的應用場景提供了關鍵的性能提升。在電腦操控等對延遲敏感的場景中，每一步操作的等待時間直接影響用戶體驗和任務完成效率。將推理速度提高2.5倍，意味着一個原本需要20秒完成的多步驟操作可以在8秒內完成——這一差距足以改變用戶對AI工具實用性的感知。
Anthropic的安全優先策略
Anthropic自成立以來一直以「AI安全」作為核心理念。其創始人Dario Amodei和Daniela Amodei正是因為對OpenAI在安全問題上的立場不滿而離開並創立了Anthropic。Claude Code安全研究預覽版的推出，將Anthropic的安全理念從模型層面延伸到了應用層面。值得注意的是，這一工具採用了「研究預覽」的形式——Anthropic有意在產品完全成熟之前就將其推向市場，以便收集真實場景下的反饋來改進安全檢測能力。這種「邊部署邊改進」的策略，體現了Anthropic在安全問題上的實用主義取向。
競爭格局：Anthropic vs OpenAI vs Google
Sonnet 4.6的發布進一步鞏固了AI模型市場「三強鼎立」的格局，但三家公司的競爭策略正在出現明顯的差異化。
Anthropic的核心策略是「深度可用性」——在每一個產品特性上做到極致的精細化和可靠性。電腦操控、長上下文推理、代碼生成——Anthropic在每個領域都不是最先推出的，但往往是最先做到真正可用的。Chatbot Arena的統治地位證明了這一策略的有效性。
OpenAI的策略更傾向於「廣度覆蓋」——同時推進文本、圖像、音頻、影片等多個模態，並通過ChatGPT的品牌知名度和龐大的用戶基礎來維持市場地位。OpenAI的優勢在於其消費者品牌的認知度——對於非技術用戶而言，「AI」幾乎等同於「ChatGPT」。
Google則發揮其在基礎研究和計算基礎設施上的優勢，追求模型能力的天花板。Gemini Deep Think在科學研究問題上的突破性表現（解決了18個此前未解的研究問題）表明，Google正在將賭注押在AI的「超人」能力上——即超越人類專家水平的推理和發現能力。
對於企業用戶而言，這種差異化競爭是利好消息。每家公司的產品在不同場景下各有優勢，企業可以根據具體需求選擇最適合的方案。但對於AI平台的長期格局而言，關鍵問題是：這三條路線中，哪一條最終會被市場驗證為主流？還是三者將長期共存？
從香港市場的角度來看，Anthropic的「深度可用性」策略與本地企業的需求高度契合。香港的金融、法律和專業服務行業對AI的核心需求是可靠性和精確性——一個在處理法律文件時偶爾出錯的AI工具是不可接受的。Claude在Chatbot Arena中展現的一致性優勢，正是這些行業最看重的品質。
展望：AI代理的成熟與普及
Claude Sonnet 4.6的電腦操控能力代表了一個更大趨勢的開始——AI從被動的問答系統進化為主動的任務執行系統。這一趨勢在2026年將繼續加速，並在未來兩至三年內重塑人們與電腦互動的方式。
想像一下一年後的工作場景：你在早晨打開電腦時，AI助手已經掃描了昨晚收到的所有電子郵件，根據優先級進行了分類，為需要回覆的郵件準備了草稿，為包含會議邀請的郵件自動更新了日曆，為包含報價請求的郵件從資料庫中調取了相關信息並生成了初步報價。你的工作不再是從零開始處理每一項任務，而是審閱和批准AI已經完成的工作。
這一願景的實現仍然面臨若干障礙。首先是信任問題——讓AI自主操控電腦意味着賦予它較高的系統權限，這在企業安全環境中引發的風險不容忽視。其次是可預測性——在處理涉及金融交易或法律文件的操作時，任何AI的錯誤都可能造成實際的經濟或法律後果。最後是速度——目前的電腦操控AI在執行速度上仍然遠慢於熟練的人類操作者。
但技術進步的速度不容低估。Anthropic從2024年首次推出電腦操控的研究預覽版，到Sonnet 4.6的實用化版本，只用了不到兩年。按照這一迭代速度，再過兩年，電腦操控AI的可靠性和速度可能已經達到可以替代大量日常辦公操作的水平。
對於個人用戶和企業決策者而言，Claude Sonnet 4.6傳遞的核心訊息是：AI的能力邊界正在從「語言」擴展到「行動」。那些率先適應這一轉變、學會有效利用AI代理完成工作的個人和組織，將在生產力競賽中佔據不可逆的先發優勢。而那些仍然將AI視為「更聰明的搜尋引擎」的人，可能正在錯過這一代技術最深刻的價值。
正如Anthropic CEO Dario Amodei所述，我們正在見證AI從「工具」向「同事」的轉變。Claude Sonnet 4.6不是這一轉變的終點，但它是迄今為止最清晰的路標。