Claude Sonnet 5 上线一日差评刷屏：打不过千问和 Minimax，性价比全面翻车

61 0 0

文章摘要

Claude Sonnet 5 发布后在技术圈引发广泛争议并遭遇大量差评，起因是某 GitHub 个人私有题库在逻辑、数学及编程等硬核推理问题上，对其深度思考模式进行了专项测评。官方虽将其定位为具备强大智能体能力且价格仅为旗舰模型四折的优选方案，但测评结果揭示了其在纯逻辑攻坚场景下的表现与官方预期存在明显落差。

测评的核心发现集中于极限分数与测试成本两个维度。在极限逻辑推理分数的较量中，Sonnet 5 未能展现出绝对统治力，其最高表现与部分国产大模型持平甚至被超越，证明国产模型在纯逻辑计算上已具备与国际顶尖模型抗衡的能力。与此同时，测试成本成为其最突出的短板。完成同一套高难度测试，Sonnet 5 的资金消耗远超国产模型，达到了后者的六倍以上。如此高昂的实际调用成本，使得其在企业级大规模商业落地场景中的性价比遭到严重质疑。

响应时间与思考深度的矛盾是此次测评暴露的另一关键问题。Sonnet 5 虽然展现出最快的词元生成速度，但在面对极难逻辑题时，较短的耗时直接反映出其思维链堆叠不够充分，自我纠错的计算预算受到明显限制。这种在极端情况下的算力投入策略，导致其在真正需要深度推理的环节无法凭借计算力拉开分数差距，进而影响了最终的极限得分。

尽管该测评数据源自特定风格的私有题库，无法作为全面衡量模型综合能力的唯一标准，但在中文开发者高度关注的纯逻辑推理垂直场景下，结果客观反映了当前大模型推理赛道的激烈竞争态势。Sonnet 5 在纯逻辑攻坚中已不再是毫无争议的最优解，其官方宣称的平替旗舰叙事在面临硬核性能与成本的双重考量时，正遭受严峻的现实挑战。