我们很高兴地宣布，由 Anthropic 提供的 Claude 4.5 Sonnet 模型现已在 Amazon Bedrock 上正式可用。Amazon Bedrock 是一项全托管服务，汇集了来自顶尖人工智能公司的多款高性能基础模型。Claude 4.5 Sonnet 在 Claude 4 的基础上实现了性能的飞跃，尤其在编码和复杂的 Agent 应用方面达到了业界领先水平。

该模型在 Agent 能力方面取得了显著进步，尤其增强了工具处理、内存管理和上下文处理的性能。在代码生成与分析方面，Claude 4.5 Sonnet 表现出明显改进，无论是识别最佳优化方案，还是在重构决策中做出更强的判断，都游刃有余。它尤其擅长执行长周期的自主编码任务，能够有效地规划和执行跨越数小时甚至数天的复杂软件项目，并在整个开发周期中保持一致的性能和可靠性。

模型核心能力

通过在 Amazon Bedrock 上使用 Claude 4.5 Sonnet，开发者不仅能通过统一的 API 调用基础模型，还能借助企业级的安全和优化工具，确保数据始终处于完全掌控之中。

Agent 能力增强

Claude 4.5 Sonnet 在 Agent 能力上实现了显著提升，在工具处理、内存管理和上下文理解方面表现出色。它能够与 Amazon Bedrock AgentCore 无缝集成，帮助开发者最大限度地发挥模型潜力，构建复杂的 Agent 应用。

AgentCore 的专用基础设施与模型的增强能力相得益彰，提供了会话隔离、长达 8 小时的长时间运行支持以及全面的可观测性功能。这使得开发者能够轻松部署和监控生产就绪的 Agent，覆盖从自主安全运营到复杂企业工作流的各类场景。

强大的业务应用价值

除了技术能力，Claude 4.5 Sonnet 凭借其稳定的性能和先进的问题解决能力，为企业带来了切实的商业价值。该模型擅长生成和编辑商业文档，并在复杂的工作流中保持可靠的性能。

以下是它在几个关键行业的应用优势：

  • 网络安全：部署能够自主修补漏洞的 Agent，实现从被动检测到主动防御的转变。
  • 金融：处理从入门级财务分析到高级预测分析的各类任务，帮助企业将手动审计准备工作转变为智能风险管理。
  • 科学研究：更高效地处理工具、理解上下文，并直接生成可供使用的办公文件，将专家分析转化为最终交付成果和可行的洞见。

Amazon Bedrock API 新特性

Claude 4.5 Sonnet 在 Amazon Bedrock API 中引入了多项新功能，极大地提升了开发者构建复杂 Agent 的体验。

智能上下文窗口管理

当模型的输入达到最大容量时，新的 API 提供了智能处理机制。Claude 4.5 Sonnet 不会因对话过长而返回错误，而是在可用限制内生成响应，并明确指出停止的原因。这避免了令人沮丧的中断，让用户可以最大限度地利用可用的上下文窗口。

高效的工具使用历史清理

在涉及多次工具调用的长对话中，系统可以自动清除较早的工具交互历史，同时保留最近的结果。这既能保持对话的效率，又能避免不必要的 Token 消耗，从而在保证对话质量的同时降低成本。

跨对话记忆

一项新的记忆功能允许 Claude 4.5 Sonnet 通过本地内存文件在不同对话间记住信息。用户可以明确要求模型记住偏好、上下文或重要信息，使其超越单个聊天会话的限制。这创造了更加个性化和情境感知的交互体验，同时将信息安全地保存在本地文件中。

快速上手：代码示例

要开始使用 Claude 4.5 Sonnet，您可以通过 Amazon Bedrock 控制台或 API 进行访问。推荐使用 Amazon Bedrock Converse API，它让您只需编写一次代码，即可在不同模型间无缝切换。

下面我们通过一个简单的 Python 示例来演示如何调用 Claude 4.5 Sonnet。

1. 准备工作

首先，导入所需的模块。本示例仅需用于创建 Bedrock 运行时客户端的 boto3 和用于格式化输出的 rich。

import boto3
from rich.console import Console
from rich.markdown import Markdown

# 推荐的最佳实践是创建 boto3 session 和 client
# 这比依赖默认 session 提供了更好的配置控制和线程安全性
session = boto3.Session()
bedrock_client = session.client(service_name='bedrock-runtime')

2. 构造复杂提示

为了展示模型的强大能力，我们构造一个复杂的提示，要求模型为一个虚构的、采用单一数据库的 Java 单体遗留应用制定数字化转型计划。该计划需要包括迁移策略、风险评估、预估时间线、关键里程碑以及具体的 AWS 服务建议。

由于提示内容较长，我们将其保存在本地文本文件中，并通过代码加载。

# 假设提示内容保存在 'prompt.txt' 文件中
with open('prompt.txt', 'r') as file:
    prompt_text = file.read()

3. 调用 Converse API

接下来，我们设置 Amazon Bedrock Converse API 的有效负载，将角色设置为 user，并添加提示内容。然后，使用 Claude 4.5 Sonnet 的模型 ID 调用模型。

请注意，Claude 4.5 Sonnet 必须通过推理配置文件（Inference Profile）访问。推理配置文件定义了处理模型请求的 AWS 区域，并帮助管理吞吐量和性能。本示例使用系统定义的跨区域推理配置文件，它会自动在多个区域间路由请求以获得最佳性能。

model_id = 'anthropic.claude-4-5-sonnet-20240812-v1:0'

response = bedrock_client.converse(
    modelId=model_id,
    messages=[
        {
            "role": "user",
            "content": [{"text": prompt_text}]
        }
    ],
    inferenceConfig={"maxTokens": 4096, "temperature": 0.5}
)

response_text = response['output']['message']['content'][0]['text']

4. 查看并保存结果

最后，我们将模型的响应格式化后打印到屏幕，并保存到文件中，以便与团队分享。

# 使用 rich 库美化输出
console = Console()
console.print(Markdown(response_text))

# 将结果保存到文件
with open('transformation_plan.md', 'w') as file:
    file.write(response_text)

结果分析

正如预期，Claude 4.5 Sonnet 深入理解了我们的需求，并提供了一份详尽的数字化转型计划。报告中包含了执行摘要、分阶段的迁移策略（附带时间估算），甚至还有一些代码示例来启动开发过程，帮助我们将单体应用拆分为微服务。此外，它还分析了引入各项技术的商业案例，并为每个场景推荐了合适的 AWS 服务。

总结

Claude 4.5 Sonnet 代表了 Agent 能力的重大进步，尤其在需要稳定性能和创造性问题解决的领域表现出色。其在工具处理、内存管理和上下文处理方面的增强能力，使其在金融、科研和网络安全等关键行业中极具价值。无论是处理复杂的开发生命周期、执行长时间运行的任务，还是应对关键业务工作流，Claude 4.5 Sonnet 都将技术卓越性与实际商业价值完美结合。

Claude 4.5 Sonnet 现已在 Amazon Bedrock 上可用。有关其可用性的详细信息，请查阅相关文档。

👉 如果你需要 ChatGPT 代充 / Claude / Claude Code / 镜像 / 中转 API：