Anthropic 发布 Claude Opus 4.1：SWE-bench 冲上 74.5%，维持原价

写代码最让人头疼的，往往不是从零写一个新功能，而是在成千上万行祖传代码里改 bug，或者做跨文件重构。

很多 AI 编程工具一上手，不是自作主张改了一堆不相干的地方，就是改完一个 bug 又引出两个新的。

Anthropic 刚刚上线的 Claude Opus 4.1，看起来就是冲着这个痛点来的。

作为 Opus 4 的小版本迭代，它专门强化了 Agent 任务、复杂推理以及实际写代码的表现。新模型已经面向 Claude 付费用户开放，同时也接入了 Claude Code、官方 API，以及亚马逊 Bedrock 和谷歌云 Vertex AI。最关键的是，调用价格和之前的 Opus 4 完全一样。

改代码不添乱，多文件重构表现抢眼

从基准测试来看，Opus 4.1 在 SWE-bench Verified 榜单上拿下了 74.5% 的成绩。

Anthropic 特别说明，这个成绩甚至没有开启「扩展思考」模式。测试时也只给了模型两个基础工具：一个 Bash 工具和一个用来替换字符串的文件编辑工具，去掉了上一代 Sonnet 3.7 里专门的规划工具，并且跑满了完整的 500 道测试题。

几家深度集成 Claude 的工具厂商也给出了第一手反馈。

GitHub 表示，Opus 4.1 在多数能力上都有提升，尤其在跨多文件的代码重构任务里，表现进步格外明显。

日本乐天集团的工程团队发现，新模型在大型代码库中抓 bug 的精准度很高。它能准确切中要害，不会为了修一个小问题到处乱改，也不会莫名其妙引入新 bug，他们的团队现在更倾向在日常调试中用它。

AI 编辑器 Windsurf 则提到，在他们的初级开发者基准测试中，Opus 4.1 相比 Opus 4 提升了整整一个标准差。Windsurf 形容，这个进步幅度基本相当于之前从 Sonnet 3.7 跨越到 Sonnet 4 的代际飞跃。

除了写代码，Opus 4.1 还提升了深度研究和数据分析能力，特别是在多轮搜索和细节追踪这类 Agent 任务上。

为什么重要

我们认为，Opus 4.1 这次更新最大的价值，在于把顶尖模型的编程体验从「看着很酷」推向了「日常可用」。

很多开发者之所以不敢让 AI 大规模接手老项目，就是怕它乱动上下文。乐天和 GitHub 提到的「精准定位」与「多文件重构」，恰恰切中了工业级软件开发的命门。

如果你每天都在处理复杂仓库或写大型重构，现在很值得在 Claude Code 或 API 里换成 Opus 4.1 试试。毕竟加量不加价，升级成本几乎为零。

从行业竞争来看，Anthropic 在编程这一长板上的统治力还在扩大。而且他们这次没用复杂脚手架和慢速思考，仅凭基础工具就在真实代码基准上刷出新高，这会直接给竞争对手的代码模型带来不小的压力。

更值得玩味的是 Anthropic 的节奏。官方在公告里轻描淡写地补了一句，说接下来几周还会推出幅度大得多的重磅升级。这就意味着 Opus 4.1 可能只是一道开胃菜，今年大模型在 Agent 和编程领域的真正硬仗，才刚刚开始。