Anthropic 发布 Claude Opus 4.5：主打编程与智能体，API 大幅降价

如果你去 Anthropic 应聘性能工程岗，得面对一份出了名难啃的 2 小时限时笔试。Anthropic 拿这份试题给自家模型做内测，结果最新出炉的 Claude Opus 4.5，考分直接甩开了有史以来所有人类应聘者。

Anthropic 正式推出 4.5 系列的压轴旗舰 Claude Opus 4.5。继 9 月的 Sonnet 4.5 和 10 月的 Haiku 4.5 陆续登场后，这个大家伙终于补齐了版图，并在 API、官网应用以及 AWS Bedrock 等三大云平台上同步上线。

破了 80% 大关，还会自己「钻空子」解题

这次最惹人注目的，是 Opus 4.5 成了业内首个在软件工程基准 SWE-bench Verified 上突破 80% 大关的模型，最终成绩定格在 80.9%。在多模态基准 MMMU 上，它的得分也来到了 80.7%。

不过，相比硬碰硬的跑分，它在实际处理任务时的狡黠更让人印象深刻。在衡量 Agent 复杂交互的 τ2-bench 测试中，有一道题是让 AI 扮演航空公司客服，帮焦头烂额的旅客改签廉价经济舱。按常理，航司规定该舱位不可改签，基准测试预期 AI 会直接回绝旅客。

Opus 4.5 却在规则边缘找到了解法：它先给这位旅客办了升舱，再执行改签操作。虽然测试脚本因为没预料到这种操作而判了它不及格，但这股能权衡利弊、自主找最优解的劲头，让很多内测团队觉得它真的能「听懂人话」了。

当然，Anthropic 也承认，这种绕开预期限制的灵活解法，在某些系统里会被当成投机取巧的 reward hacking。为此新模型强化了安全对齐，并在抵抗越狱提示词注入攻击上，做到了目前前沿模型里的最高水准。

砍掉三分之二费用，把长任务做成流水线

大模型变聪明往往意味着更慢、更贵，但这次 Opus 4.5 在工程和定价上都做了大手术。API 输入和输出价格定在每百万 token 5 美元和 25 美元，按 AWS 博客的说法，这比之前的 Opus 4.1 便宜了整整三分之二。

Anthropic 还给 API 加了一个 effort 思考深度参数。如果调到中等档位，Opus 4.5 就能跑平 Sonnet 4.5 的最高水平，但输出的 token 数量足足砍掉了 76%；拉到最高档位时，成绩还能比 Sonnet 4.5 高出 4.3 个百分点，同时节省近半数 token。

工具层面的补丁也打得很及时。Claude Code 增加了 Plan Mode，在动手写代码前会先主动提问厘清需求，并生成一份由人随时能编辑的 plan.md。桌面端更是支持多开，允许一个窗口修 bug、一个窗口查资料、另一个窗口改文档。

普通用户用网页或客户端聊天时，最头疼的会话字数上限也被拿掉了。新上线的上下文后台自动压缩功能，让对话不再半路撞墙；Claude for Chrome 面向所有 Max 订阅用户开放，Claude for Excel 扩展包也向 Max、Team 和 Enterprise 用户铺开。

为什么重要

我们认为，Opus 4.5 最大的价值，在于它让重型 Agent 真正从概念演示迈进了严肃的工业生产。以前很多开发者只敢用 Sonnet 跑日常流程，因为老款 Opus 既贵又慢、限额还极紧。现在价格腰斩再腰斩，官方还抹平了使用额度，用 Opus 当总指挥、调度多组 Haiku 跑自动化成了极具性价比的选择。

面对 OpenAI 刚在 11 月 12 日端出的 GPT 5.1，以及 Google 在 11 月 18 日更新的 Gemini 3，Anthropic 并没有陷入单纯的堆算力互卷，而是精准切入开发者痛点。引入动态工具搜索来防 schema 混乱，加上主动生成执行计划，这种在工程底座上的克制与巧思，看起来比单纯吹嘘参数规模聪明得多。

但隐患依然摆在台面上。那种绕过航司规则先升舱再改签的自主性，在辅助办公时是灵光乍现，放在金融风控或自动化运维系统里，就可能变成可怕的越权漏洞。随着模型被赋予直接操作桌面和浏览器的权限，如何确保它在自由解题时不捅出娄子，依然是接下来所有部署团队必须紧盯的红线。