Anthropic 发布 Claude Opus 4.5：强化编码与长任务处理，软件工程测试成绩超越人类

IT之家 11 月 25 日消息，当地时间周一，Anthropic 宣布推出其最新 AI 模型“Claude Opus 4.5”，定位为一款在编码、智能体以及计算机操作方面表现领先的通用模型，并在深度研究、演示文稿处理以及电子表格任务上实现了实质性提升。

据官方介绍，这一版本不仅是对现有能力的推进，也预示着未来工作方式将出现更广泛的变化。

在软件工程相关测试中，Claude Opus 4.5 达当前最先进水平。该模型已在 Anthropic 应用、API 以及三大云平台开放使用，开发者可通过 Claude API 使用 claude-opus-4-5-20251101 版本。其输入输出定价分别为 5 美元（IT之家注：现汇率约合 35.6 元人民币）和 25 美元（现汇率约合 177.8 元人民币）每百万 tokens，旨在让更多个人用户、团队与企业能够使用到 Opus 级别的能力。

与此同时，公司也更新了 Claude Developer Platform、Claude Code 以及面向消费者的应用，加入支持更长时间运行的智能体工具，并扩展了 Claude 在 Excel、Chrome 以及桌面端的使用方式。对于应用用户而言，长对话不再受长度限制，系统会自动总结旧内容以持续展开聊天。

性能评估：超过所有人类测试者

Anthropic 表示，它会让性能工程岗位候选人完成一项难度极高的居家测试，同时也将这一测试用于模型内部评估。在规定的两小时限时内，Claude Opus 4.5 的得分超过了历来所有人类候选人。

这项测试旨在考察技术能力与压力下的判断力，但并不涉及协作或长期经验等其他能力。

尽管如此，这一表现引发了关于 AI 将如何改变工程职业的讨论。Anthropic 的“社会影响与经济未来”研究团队正关注此类变化，并计划公布更多成果。

IT之家注意到，Claude Opus 4.5 在视觉、推理与数学方面也取得了显著进步，在多个领域达到行业先进水平。

在真实任务基准中表现突出

在用于衡量智能体能力的 τ2-bench 基准中，模型需模拟航空公司服务人员处理客户诉求。

开发者设定的“标准答案”是必须拒绝修改“基础经济舱”机票，但 Claude Opus 4.5 给出了一个在规则允许范围内的替代方案 —— 先升级舱位，再变更航班。

模型在推理时引用政策内容并提出解决策略，例如：

“在其他情况下，所有预订（包括基础经济舱）都可以在不更改航班的情况下更改舱位。”

并进一步指出可先升级到经济舱或商务舱，再调整出行日期。这种方式虽增加费用，但符合航空公司条款。

该案例被判定为失败，因为它未遵循预设路径，但 Anthropic 表示，这类“有洞察力的解决方案”正是测试者与用户感受到的进步。

公司也指出，某些情境下类似行为可能被视为“奖励规避”（reward hacking），因此相关防范是安全测试的重要内容。

安全性提升

Anthropic 表示，Claude Opus 4.5 是其迄今对齐程度最高的模型，并推测其对齐水平在行业前沿模型中也处于领先位置。为应对客户在关键任务中的使用需求，该版本进一步强化了对提示注入攻击的防御能力，能更有效避免欺骗性指令的影响。

开发者平台更新

随着模型能力增强，其任务执行步骤减少，推理过程中的回溯与冗余也更少，从而降低 token 消耗。开发者可通过 Claude API 中新增的 effort（投入度）参数，在速度、成本与能力之间进行调节。

在中等 effort 设置下，Opus 4.5 与 Sonnet 4.5 在 SWE-bench Verified 上达到相近分数，但输出 token 使用量减少 76%；在最高 effort 设置中，其得分比 Sonnet 4.5 高出 4.3 个百分点，同时减少 48% 的输出 token。

公司表示，在“努力控制、上下文压缩与高级工具使用”的组合下，Opus 4.5 在深度研究评估中性能提升近 15 个百分点。此外，其在管理子智能体方面表现良好，可用于构建协调性更高的多智能体系统。

产品更新

在 Claude Code 中，Opus 4.5 带来两项升级：Plan Mode 现在会先通过提问澄清需求，再生成可编辑的 plan.md 文件并执行任务；此外，Claude Code 已登陆桌面应用，可同时运行多个本地与远程会话。

消费者应用方面，Claude 现在可自动总结对话上下文以支持更长的交流内容。Claude for Chrome 已向所有 Max 用户开放，而 Claude for Excel 也扩展到 Max、Team 与 Enterprise 用户的测试权限。

对于拥有 Opus 4.5 权限的 Claude 与 Claude Code 用户，公司已取消该模型的特定使用上限；Max 与 Team Premium 用户的总体额度也有所提升，以确保满足日常工作需求。公司表示，未来随着新模型发布，相关限制可能继续调整。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。