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
thesky1234561 小时前
27届大模型岗面试准备(五):预训练全流程拆解——从数据清洗到 Tokenizer 再到 PT 的每
人工智能·面试·大模型·预训练·tokenizer
attitude.x1 小时前
2026年数据透视分析工具推荐:多维与融合对比
人工智能
就是一顿骚操作1 小时前
Agent Loop 入门到深入:从 ReAct 到 LangGraph、Agents SDK 与 MCP
人工智能·大模型·llm·论文解读·ai agent
quanjui1 小时前
【医学尝试】基于Segment Anything Model的医学图像分割研究:眼底OCT与X线胸片微调实战
人工智能·笔记·学习
就是一顿骚操作1 小时前
Dropout:神经网络正则化的经典解读
人工智能·深度学习·神经网络·论文解读
2401_843253702 小时前
数据隐私AI:从合规检查到隐私计算的Skill化
人工智能
清川渡水2 小时前
NL2SQL 的正确打开方式:从「AI 猜 SQL」到「置信度闭环」的工程化落地
数据库·人工智能·sql
Lyra_Infra2 小时前
OpenClaw 服务异常故障分析报告
linux·人工智能
半个落月2 小时前
用 Node.js 搭建 EPUB 问答助手:从文本切片、向量检索到 RAG
人工智能·node.js
MomentYY2 小时前
RAG 建库:资料是怎么存进去的?
人工智能·agent·ai编程