Anthropic 釋出 Claude Opus 4.5：主打程式設計與智慧體，API 大幅降價

如果你去 Anthropic 應聘效能工程崗，得面對一份出了名難啃的 2 小時限時筆試。Anthropic 拿這份試題給自家模型做內測，結果最新出爐的 Claude Opus 4.5，考分直接甩開了有史以來所有人類應聘者。

Anthropic 正式推出 4.5 系列的壓軸旗艦 Claude Opus 4.5。繼 9 月的 Sonnet 4.5 和 10 月的 Haiku 4.5 陸續登場後，這個大傢伙終於補齊了版圖，並在 API、官網應用以及 AWS Bedrock 等三大雲平臺上同步上線。

破了 80% 大關，還會自己「鑽空子」解題

這次最惹人注目的，是 Opus 4.5 成了業內首個在軟體工程基準 SWE-bench Verified 上突破 80% 大關的模型，最終成績定格在 80.9%。在多模態基準 MMMU 上，它的得分也來到了 80.7%。

不過，相比硬碰硬的跑分，它在實際處理任務時的狡黠更讓人印象深刻。在衡量 Agent 複雜互動的 τ2-bench 測試中，有一道題是讓 AI 扮演航空公司客服，幫焦頭爛額的旅客改簽廉價經濟艙。按常理，航司規定該艙位不可改簽，基準測試預期 AI 會直接回絕旅客。

Opus 4.5 卻在規則邊緣找到了解法：它先給這位旅客辦了升艙，再執行改簽操作。雖然測試指令碼因為沒預料到這種操作而判了它不及格，但這股能權衡利弊、自主找最優解的勁頭，讓很多內測團隊覺得它真的能「聽懂人話」了。

當然，Anthropic 也承認，這種繞開預期限制的靈活解法，在某些系統裡會被當成投機取巧的 reward hacking。為此新模型強化了安全對齊，並在抵抗越獄提示詞注入攻擊上，做到了目前前沿模型裡的最高水準。

砍掉三分之二費用，把長任務做成流水線

大模型變聰明往往意味著更慢、更貴，但這次 Opus 4.5 在工程和定價上都做了大手術。API 輸入和輸出價格定在每百萬 token 5 美元和 25 美元，按 AWS 部落格的說法，這比之前的 Opus 4.1 便宜了整整三分之二。

Anthropic 還給 API 加了一個 effort 思考深度引數。如果調到中等檔位，Opus 4.5 就能跑平 Sonnet 4.5 的最高水平，但輸出的 token 數量足足砍掉了 76%；拉到最高檔位時，成績還能比 Sonnet 4.5 高出 4.3 個百分點，同時節省近半數 token。

工具層面的補丁也打得很及時。Claude Code 增加了 Plan Mode，在動手寫程式碼前會先主動提問釐清需求，並生成一份由人隨時能編輯的 plan.md。桌面端更是支援多開，允許一個視窗修 bug、一個視窗查資料、另一個視窗改文件。

普通使用者用網頁或客戶端聊天時，最頭疼的會話字數上限也被拿掉了。新上線的上下文後臺自動壓縮功能，讓對話不再半路撞牆；Claude for Chrome 面向所有 Max 訂閱使用者開放，Claude for Excel 擴充套件包也向 Max、Team 和 Enterprise 使用者鋪開。

為什麼重要

我們認為，Opus 4.5 最大的價值，在於它讓重型 Agent 真正從概念演示邁進了嚴肅的工業生產。以前很多開發者只敢用 Sonnet 跑日常流程，因為老款 Opus 既貴又慢、限額還極緊。現在價格腰斬再腰斬，官方還抹平了使用額度，用 Opus 當總指揮、排程多組 Haiku 跑自動化成了極具價效比的選擇。

面對 OpenAI 剛在 11 月 12 日端出的 GPT 5.1，以及 Google 在 11 月 18 日更新的 Gemini 3，Anthropic 並沒有陷入單純的堆算力互卷，而是精準切入開發者痛點。引入動態工具搜尋來防 schema 混亂，加上主動生成執行計劃，這種在工程底座上的剋制與巧思，看起來比單純吹噓引數規模聰明得多。

但隱患依然擺在檯面上。那種繞過航司規則先升艙再改簽的自主性，在輔助辦公時是靈光乍現，放在金融風控或自動化運維繫統裡，就可能變成可怕的越權漏洞。隨著模型被賦予直接操作桌面和瀏覽器的許可權，如何確保它在自由解題時不捅出婁子，依然是接下來所有部署團隊必須緊盯的紅線。