Anthropic 釋出 Claude Opus 4.1：SWE-bench 衝上 74.5%，維持原價

寫程式碼最讓人頭疼的，往往不是從零寫一個新功能，而是在成千上萬行祖傳程式碼裡改 bug，或者做跨檔案重構。

很多 AI 程式設計工具一上手，不是自作主張改了一堆不相干的地方，就是改完一個 bug 又引出兩個新的。

Anthropic 剛剛上線的 Claude Opus 4.1，看起來就是衝著這個痛點來的。

作為 Opus 4 的小版本迭代，它專門強化了 Agent 任務、複雜推理以及實際寫程式碼的表現。新模型已經面向 Claude 付費使用者開放，同時也接入了 Claude Code、官方 API，以及亞馬遜 Bedrock 和谷歌雲 Vertex AI。最關鍵的是，呼叫價格和之前的 Opus 4 完全一樣。

改程式碼不添亂，多檔案重構表現搶眼

從基準測試來看，Opus 4.1 在 SWE-bench Verified 榜單上拿下了 74.5% 的成績。

Anthropic 特別說明，這個成績甚至沒有開啟「擴充套件思考」模式。測試時也只給了模型兩個基礎工具：一個 Bash 工具和一個用來替換字串的檔案編輯工具，去掉了上一代 Sonnet 3.7 裡專門的規劃工具，並且跑滿了完整的 500 道測試題。

幾家深度整合 Claude 的工具廠商也給出了第一手反饋。

GitHub 表示，Opus 4.1 在多數能力上都有提升，尤其在跨多檔案的程式碼重構任務裡，表現進步格外明顯。

日本樂天集團的工程團隊發現，新模型在大型程式碼庫中抓 bug 的精準度很高。它能準確切中要害，不會為了修一個小問題到處亂改，也不會莫名其妙引入新 bug，他們的團隊現在更傾向在日常除錯中用它。

AI 編輯器 Windsurf 則提到，在他們的初級開發者基準測試中，Opus 4.1 相比 Opus 4 提升了整整一個標準差。Windsurf 形容，這個進步幅度基本相當於之前從 Sonnet 3.7 跨越到 Sonnet 4 的代際飛躍。

除了寫程式碼，Opus 4.1 還提升了深度研究和資料分析能力，特別是在多輪搜尋和細節追蹤這類 Agent 任務上。

為什麼重要

我們認為，Opus 4.1 這次更新最大的價值，在於把頂尖模型的程式設計體驗從「看著很酷」推向了「日常可用」。

很多開發者之所以不敢讓 AI 大規模接手老專案，就是怕它亂動上下文。樂天和 GitHub 提到的「精準定位」與「多檔案重構」，恰恰切中了工業級軟體開發的命門。

如果你每天都在處理複雜倉庫或寫大型重構，現在很值得在 Claude Code 或 API 裡換成 Opus 4.1 試試。畢竟加量不加價，升級成本幾乎為零。

從行業競爭來看，Anthropic 在程式設計這一長板上的統治力還在擴大。而且他們這次沒用複雜腳手架和慢速思考，僅憑基礎工具就在真實程式碼基準上刷出新高，這會直接給競爭對手的程式碼模型帶來不小的壓力。

更值得玩味的是 Anthropic 的節奏。官方在公告裡輕描淡寫地補了一句，說接下來幾週還會推出幅度大得多的重磅升級。這就意味著 Opus 4.1 可能只是一道開胃菜，今年大模型在 Agent 和程式設計領域的真正硬仗，才剛剛開始。