Claude Opus 4.5 发布：业界领先的编码、智能体与生产力模型

概要

Claude Opus 4.5 是 Anthropic 最新推出的旗舰模型，今日已在其应用、API 及三大主流云平台上线。该模型在真实世界软件工程基准测试、长周期自主任务以及日常生产力场景（如电子表格、演示文稿、研究）中表现最强，同时大幅降低 token 使用量，定价为每百万 token 5 至 25 美元。

什么是 Claude Opus 4.5？

Claude Opus 4.5 是 Anthropic Opus 系列的最新版本。公司将其描述为 智能、高效，是全球最佳的编码、智能体与计算机使用模型。该模型被视为人工智能如何增强工作的未来趋势的预览。

关键可用性信息：

  • 模型标识符：claude-opus-4-5-20251101
  • 可通过 Claude API、Anthropic 的消费者应用以及所有三大主流云平台访问。
  • 定价：基础层级为每百万 token 5 美元，高容量层级为每百万 token 25 美元。

技术亮点

业界领先的软件工程能力

  • 在 SWE‑bench Verified 基准测试中，Opus 4.5 在前沿模型中取得最高分（参见 Anthropic 的图表）。
  • 内部测试报告称 “在保持 token 使用量减半的同时，超越内部编码基准” 且 “在所有基准测试中均优于 Sonnet 4.5，所需步骤更少、token 更少。”
  • 具体编码优势包括代码迁移、重构以及多智能体协作（例如，三个协同智能体完成两个代码库的重构）。

长周期自主推理能力

  • 在 Terminal Bench 复杂工作流测试中，Opus 4.5 相较 Sonnet 4.5 提升 15 %。
  • 在一次 30 分钟的自主编码会话中，其产生的无效路径更少，任务完成时 工具调用和构建/静态检查错误减少 50 %–75 %。
  • 模型在多步骤规划方面表现出色，例如在 τ2‑bench 中创造性地解决了受限的航空公司预订场景。

通用生产力提升

  • 视觉理解、推理与数学 能力高于此前的 Opus 版本。
  • 在多个领域（如 Excel 自动化、金融建模、3D 可视化）的基准测试显示，准确率提升 20 %，效率提升 15 %，token 使用量最高减少 65 %。
  • 长上下文叙事能力：可生成 10–15 页结构一致的章节。

安全性改进

  • Anthropic 的系统卡片声称 Opus 4.5 是他们发布过的 最稳健对齐 的模型，也可能是整体上对齐程度最高的前沿模型。
  • 基于 Gray Swan 提供的基准测试（使用极强的提示注入攻击），其提示注入防御能力强于任何竞争性前沿模型。
  • “令人担忧的行为”评分——衡量模型对滥用的配合程度及自我发起的不良行为——低于以往版本。

新增开发者平台功能

努力参数（Effort parameter）

  • 开发者可权衡速度与能力。在 中等 努力下，Opus 4.5 的 SWE‑bench 得分与 Sonnet 4.5 相当，但输出 token 数量减少 76 %。在 高 努力下，其得分超出 Sonnet 4.5 4.3 个百分点，token 使用量减少 48 %。

上下文压缩与记忆工具

  • 内置上下文编辑 SDK 降低长对话的 token 负载。
  • 记忆工具支持跨轮次保持持久状态，显著提升智能体性能。

高级工具使用与子智能体编排

  • Opus 4.5 可管理子智能体团队，实现复杂多智能体流水线，大幅减少来回沟通。
  • 结合努力控制与上下文管理，该模型在深度研究评估中实现 约 15 个百分点 的性能提升。

借助 Opus 4.5 的产品更新

  • Claude Code：计划模式现在在执行前生成详细、可编辑的 plan.md；桌面应用新增并行本地/远程会话功能，用于修复 bug、研究与文档更新。
  • Claude 应用：自动摘要功能移除了对话长度限制，支持持续的长篇对话。
  • Claude for Chrome：对所有 Max 用户开放，支持跨标签页自动化。
  • Claude for Excel：Beta 版扩展至 Max、Team 和企业用户；充分利用 Opus 4.5 更强的电子表格推理能力。
  • Opus 4.5 的使用上限已为 Max/Team Premium 用户解除，其 token 限额与此前 Sonnet 的可用限额保持一致。

早期访问反馈（客户评价）

“Opus 模型一直被视为真正的 SOTA，但成本过高。Claude Opus 4.5 现在已降至一个可作为大多数任务首选模型的价格。” – Anthropic 合作伙伴标志

“Claude Opus 4.5 生成高质量代码，并在使用 GitHub Copilot 执行重负载智能体工作流方面表现出色。早期测试显示其超越内部编码基准，同时将 token 使用量减半。” – 客户证言

“在我们的内部基准测试中，Claude Opus 4.5 超越 Sonnet 4.5 及其他竞争模型，用更少的 token 解决相同问题。” – 内部基准报告

“Claude Opus 4.5 在长周期、自主任务中表现出色，能以更少的无效路径处理复杂工作流，在 Terminal Bench 上提升 15 %。” – 评估摘要

“我们观察到，使用 Claude Opus 4.5 后，工具调用错误和构建/静态检查错误减少了 50 % 到 75 %。” – 可靠性测试

对 AI 生态的影响

  • 生产力前沿：通过以极低的 token 成本实现 SOTA 编码性能，Opus 4.5 缩小了研究级模型与可负担、可投入生产的 AI 之间的差距。
  • 智能体自主性：模型能够设计创造性解决方案（如机舱升级技巧），预示着更灵活、目标导向的智能体的兴起，也带来了机遇与对齐挑战。
  • 安全基准：更强的提示注入防御能力为行业设定了新的鲁棒性标准，尽管 Anthropic 指出仍在持续改进以应对奖励劫持行为。
  • 经济影响：在一项严格的两小时家庭工程考试中表现优于人类候选人，表明 AI 可能很快成为某些技术岗位招聘流程中的有力竞争者。

如何了解更多

  • Claude Opus 4.5 系统卡片 – 详细的能力与安全评估方法论。
  • Claude API 文档 – 模型标识符、定价与努力控制使用说明。
  • Anthropic 研究页面 – 探索先进 AI 更广泛社会影响与经济未来的项目。

Sources

相关