如昨日预期一样，Anthropic 正式发布了最新模型 Claude Opus 4.5。
根据介绍，Claude Opus 4.5 非常智能高效，在编程、智能体以及计算机操作方面表现卓越，是当今世界最优秀的模型。该模型在深度研究、处理幻灯片与电子表格等日常任务上也有显著提升。
该模型标志着 AI 系统化能力的进一步跃升，也预示着未来工作方式即将迎来更深刻的变革。如下图所示，Claude Opus 4.5 在真实世界软件工程测试中达到了行业 SOTA 水平，超越了 GPT-5.1-Codex-Max、Gemini 3 Pro 以及自家 Sonnet 4.5。
自今日起，Claude Opus 4.5 即可以通过 Claude app、API 以及三大主流云平台访问。如果你是开发者，只需通过 Claude API 使用 claude-opus-4-5-20251101 即可。
关于价格，Claude Opus 4.5 的最新定价为每百万 Token 5/25 美元（输入 / 输出），使更多用户、团队和企业都能轻松获得 Opus 级别的能力。可以看到，与上代 Opus 4.1 相比，API 定价降低了 2/3。
与 Claude Opus 4.5 同步，Anthropic 还更新了 Claude 开发者平台、Claude Code 以及消费者应用，推出了适用于更长时长运行的智能体新工具。其中，在 Claude app 中，长对话不再会轻易遇到限制。
Claude Code 现已登陆桌面应用，用户可以并行运行多个会话，比如编程、研究和更新工作。随着 Claude Opus 4.5 的推出，Plan Mode 也获得了升级：一开始提出澄清性问题，随后即可自主开展工作。
Anthropic 提供了在 Excel、Chrome 和桌面端使用 Claude 的全新方式。Max、Team 和 Enterprise 用户可以直接在 Excel 中使用最新模型。
基准测试多项最新 SOTA
根据 Anthropic 的介绍，他们提供了一份众所周知极其困难的居家测试（take-home exam），同时也将这份测试用作新模型的内部基准评估。在规定的两小时限时内，Claude Opus 4.5 的得分超过了迄今为止所有参加过该测试的人类候选人。
这份居家测试旨在评估候选人（包括 AI 大模型）在时间压力下的技术能力与判断力，但并不衡量如协作、沟通，或多年经验中积累的职业直觉等其他关键技能。然而，这一结果 ------ 即 AI 模型在重要技术能力上超越实力强劲的候选人 ------ 引发了关于人工智能将如何改变工程职业的思考。
软件工程并不是 Claude Opus 4.5 唯一取得显著提升的领域。这一代模型在整体能力上全线增强，在视觉、推理和数学方面均优于前代模型，并在许多领域达到了当前 SOTA 水平，包括智能体编程、智能体终端编程、智能体工具使用、可扩展的工具使用、计算机操作、解决新型问题的能力。
Claude Opus 4.5 具备更出色的代码生成能力，在 SWE-bench Multilingual 基准中，在 8 种编程语言中的 7 种上表现领先。
Claude Opus 4.5 能够轻松解决高难度的编码问题，并在 Aider Polyglot 基准上相比 Sonnet 4.5 实现了 10.6% 的提升。
Claude Opus 4.5 在前沿的智能体搜索能力上取得了显著进步，在 BrowseComp-Plus 基准上有明显提升。
同时，Claude Opus 4.5 在长程任务上的稳定性也更强，在 Vending-Bench 基准中相较于 Sonnet 4.5 实现了 29% 的提升。
Anthropic 表示，Claude Opus 4.5 的能力已经在某些测试项目上超出了现有基准的衡量范围。一个常用的智能体能力基准是 τ^2-bench，它用于评估智能体在真实场景、多轮任务中的表现。
在其中一个情境中，模型需要扮演航空公司客服代理，帮助一位处于困境的旅客。根据基准设定，由于航空公司不允许更改基础经济舱的机票，模型应当拒绝旅客的改签请求。然而，Claude Opus 4.5 找到了一个富有洞察力且合法的解决方式：先升级舱位，再对航班进行修改。
从技术上讲，由于 Claude 的解决方式不在基准预设范围内，这一表现被系统判定为失败。但这种具有创造性的解决问题方式，正是 Anthropic 从测试者和客户那里频繁听到的反馈，也是让 Claude Opus 4.5 被认为是一次有意义跃升的关键特质。
当然，在其他情境中，绕开预期约束的巧妙做法也可能被视为一种「奖励规避」（reward hacking），即模型以非预期方式「钻规则空子」。
Claude 开发者平台新变化
随着模型变得更智能，它们能够用更少的步骤解决问题：更少的回溯、更少的重复探索、更简洁的推理。为达到相同或更好的结果，Claude Opus 4.5 使用的 token 数量相比前代大幅减少。
但是，不同任务需要在速度、成本和能力之间做出不同取舍。有时开发者希望模型持续深思某个问题，有时则希望模型更加轻量迅捷。通过 Anthropic 在 Claude API 中新增的 effort 参数，开发者可以自行决定是要最小化时间与成本，还是要最大化模型能力。
在中等 effort 设定下，Opus 4.5 能达到与 Sonnet 4.5 在 SWE-bench Verified 中相同的最佳成绩，但输出 token 使用量减少了 76%。在最高 effort 设定下，Opus 4.5 的表现比 Sonnet 4.5 高出 4.3 个百分点，同时输出 token 使用量仍减少了 48%。
通过 effort 控制、上下文压缩以及更先进的工具使用能力，Claude Opus 4.5 能运行更长时间、完成更多任务，并且需要更少的人为干预。
上下文管理与记忆能力能够显著提升模型在智能体任务中的表现。Claude Opus 4.5 同样非常擅长管理由多个子智能体组成的团队，从而支持构建复杂且协调良好的多智能体系统。在测试中，通过结合使用这些技术，Opus 4.5 在一项深度研究评估中的表现提升了近 15 个百分点。
Anthropic 也在逐步增强开发者平台的可组合性。目标是为开发者提供所需的各种构建模块，从而可以完全掌控效率、工具使用方式以及上下文管理，精准构建所需的系统。
安全性进一步提升
Anthropic 表示，Claude Opus 4.5 是其迄今发布的在对齐方面最为稳健的模型，也可能是目前各家前沿模型中对齐度最高的之一。该模型延续了 Anthropic 在打造更安全、更可靠模型方面的趋势：
在 Anthropic 的评估中，「令人担忧的行为」分数衡量了范围非常广泛的非对齐表现，其中既包括模型配合人类进行不当使用，也包括模型在自身主动性下做出的不良行为。
Claude Opus 4.5 在抵御提示注入攻击方面取得了实质性的进展，提示注入会通过夹带欺骗性指令来误导模型做出有害行为。而 Opus 4.5 在这类攻击上的稳健性显著增强，是目前行业中最不容易被提示注入欺骗的前沿模型之一。
该基准仅包含强度极高的提示注入攻击，由 Gray Swan 开发并运行。
更多细节信息请参阅模型系统卡：
