Excel 新模型Claude Opus 5

如今,我们引入了Anthropic 最新的 Claude Opus 5 模型,扩展了 Microsoft 365 Copilot 中的模型选择范围。

Claude Opus 5是Anthropic公司Opus系列中的最新型号。它专为日常处理复杂、多步骤工作而设计。相较于Opus 4.8,它在代理式编码、专业知识工作以及长远推理能力方面均有显著提升。

借助 Opus 5,Copilot 将更多地参与从创意到作品完成之间的各个环节,覆盖您日常使用的各类应用------同时确保您始终掌控着最终成果:

Word:将初步构想逐步发展为完整的草稿,确保结构连贯、行文流畅,适用于较长的文档。

Excel:借助更高质量的模型和更精致的工作簿,完成复杂的分析工作。

PowerPoint:从最初的大纲开始,逐步构建并完善演示文稿草稿,直至趋于完美,同时注重提升视觉效果、创新版式布局,并更有效地利用幻灯片空间。

我们致力于为您带来最新的 AI 创新以及适用于工作场景的 AI 模型选择,依托微软企业级安全、隐私和合规保障提供支持。

一、两种模型演示

拿到一份数据

用copilot自动模型

可以分析

分析看板效果:

用copilot新模型Claude Opus 5输入同样的文字指令

Claude Opus 5可以做出以下分析

分析看板效果:

二、Claude Opus 5模型和自动模型对比优势在哪里

1.新增「韧性-风险四象限」风控模块

单独设立韧性&交付风险划分表:用「高低韧性、高低风险」做四象限归类,划定阈值(低风险≤3、高风险>3;低韧性<4),可以快速批量判定9家企业归属风险档位。自动模型只零散标注交付风险分数,没有统一划分标准,无法批量归类企业风险等级。

2.多维度分组统计看板

底部新增本地化等级汇总统计表:按本地化等级2/3/4/5分组,统计每组企业数量、平均分、平均交付周期、对应关注标签,实现「分组批量研判」;自动模型仅做单一企业排行,没有聚合分组分析,只能单看一家,不能批量横向归类。

3.图1图表维度更多、联动分析更强1)横向条形图:综合优先级排名;2)柱状图:本地化等级 VS 平均综合优先级,直观看出本地化越高、综合评分越高的正向关联;图2仅有一张优先级条形图 + 一张散点图,缺少「本地化配套关联分析」,看不到本土化能力对供应链评级的影响规律。

总结

  1. 分析深度:Claude Opus 5做到「单企业明细+分组聚合+风险象限+关联图表」四层分析;自动模型只有单企业打分+简易图表;

  2. 实用性:可直接落地批量筛选企业、划分风险档位、绑定本土化改进方向;自动模型仅能做简单排名;

  3. 严谨性:自带数据边界提醒与统一打分阈值,分析结论更可控;自动模型缺少判定标准,主观性更强。

相关推荐
水如烟7 小时前
孤能子视角:逆溯法(存稿)——从终点参照解往回拆必经关卡
人工智能
用户2991422196808 小时前
GitHub 热榜项目:周榜(2026-11-08)
人工智能·开源·github
天天被压力8 小时前
【A股分钟级高频数据完全手册 #07】北交所历史分钟K线接口:京市Pro版分时批量
java·人工智能·python
用户2991422196808 小时前
AI 日报(2026年11月8日)
人工智能
天天被压力8 小时前
【A股分钟级高频数据完全手册 #08】股票日、分时数据接口对比:普通分时与Pro版差异实测
java·人工智能·python
miofly8 小时前
NVIDIA 开源 Cosmos 3 四款模型,用于交互式世界模拟与自动驾驶场景生成
人工智能
用户2991422196808 小时前
GitHub 热榜项目:日榜(2026-11-08)
人工智能·开源·github
Dawson Zhu9 小时前
【LLM推理与Serving⑤】Prefix Cache前缀缓存:让重复prompt不再重复计算
人工智能·语言模型·架构·aigc·agi
Rocky Ding*9 小时前
深入浅出IDM-VTON论文精读:虚拟试衣怎样同时保住服装语义与局部细节
论文阅读·人工智能·深度学习·机器学习·aigc·ai-native·idm-vton
严肃小白兔9 小时前
MATLAB 数值计算中的精度与误差问题:浮点运算、误差传播与数值稳定性
人工智能·算法·matlab