目前，Claude Opus 4.5 在真實(shí)世界軟件工程測(cè)試中排行第一。

測(cè)試人員指出，在無需知道的情況下，Claude Opus 4.5 能夠處理模糊不清的情況并權(quán)衡利弊。當(dāng)遇到復(fù)雜的多系統(tǒng)錯(cuò)誤時(shí)，Opus 4.5 能夠自行找到修復(fù)方法。

除此之外，幾周前 Sonnet 4.5 幾乎無法完成的任務(wù)，現(xiàn)在 Opus 4.5 已經(jīng)能夠輕松應(yīng)對(duì)。

多項(xiàng)能力提升

在 2 小時(shí)應(yīng)聘者技術(shù)能力和判斷力的測(cè)試中，Claude Opus 4.5 取得了最高評(píng)分。

視覺、推理和數(shù)學(xué)能力也優(yōu)于其前代產(chǎn)品。

Opus 4.5 編寫的代碼質(zhì)量更高，在 SWE-bench Multilingual 的 8 種編程語言中，有 7 種語言的性能領(lǐng)先。

Opus 4.5 在不同場(chǎng)景下還能提供定制化且合理的解決方案。在一個(gè)場(chǎng)景中，模型需要扮演航空公司客服人員的角色，拒絕乘客修改經(jīng)濟(jì)艙機(jī)票的請(qǐng)求。Opus 4.5 的解決方辦法是：先升級(jí)艙位，然后再修改航班。

從技術(shù)層面來說，Claude 的方式出乎意料。雖然基準(zhǔn)測(cè)試將其判定為失敗，但它提供了一種創(chuàng)造性的解決方式。

在中等難度的任務(wù)中，Opus 4.5 在 SWE-bench Verified 測(cè)試中取得了與 Sonnet 4.5 相同的最佳成績(jī)，但 token 數(shù)量減少了 76%。在最高難度下，Opus 4.5 的性能比 Sonnet 4.5 高出 4.3%，tokens 數(shù)量減少了 48%。

通過努力控制、上下文壓縮和高級(jí)工具使用，Claude Opus 4.5 運(yùn)行時(shí)間更長、功能更多、需要的干預(yù)更少。

Opus 4.5 還能夠構(gòu)建復(fù)雜且協(xié)調(diào)良好的多智能體系統(tǒng)，在深度研究評(píng)估中的性能提升了近 15%。

安全性能提升

Claude Opus 4.5 是 Anthropic 迄今為止最穩(wěn)健的對(duì)齊模型。

面對(duì)黑客攻擊，Opus 4.5 在抵御提示注入攻擊方面取得了顯著進(jìn)展。提示注入攻擊會(huì)偷偷植入欺騙性指令，誘使模型執(zhí)行有害行為。

Opus 4.5 現(xiàn)已在 Anthropic 的應(yīng)用程序、API 以及三大主流云平臺(tái)上線，定價(jià)現(xiàn)為每百萬個(gè) token 5 美元/25 美元。

參考資料：

https://www.anthropic.com/news/claude-opus-4-5