关闭广告

Claude Opus 4.5来了!单次生成打造《我的世界》,还破解高难度Agent测评

智东西2025-11-25 12:00:01867人阅读

智东西
作者 陈骏达
编辑 李水青

智东西11月25日报道,今天,Anthropic发布了自家的旗舰编程模型Claude Opus 4.5。Anthropic称,这是全球范围内在编程、agents和计算机使用方面最强大的模型。

在真实世界软件工程测试SWE-bench Verified中,Claude Opus 4.5成为首款得分超过80%的AI模型,不仅领先于自家的Claude Sonnet 4.5,还超过了上周发布的Gemini 3 Pro和GPT-5.1 Codex-Max。


Anthropic还把该公司面试人类工程师的高难度居家考试交给Claude Opus 4.5,结果,在规定的两小时内,Claude Opus 4.5的得分高于以往任何人类应聘者,这表型AI模型在重要技术技能方面,已经超越了优秀的人类应聘者。

编程并非Claude Opus 4.5唯一的改进,其视觉、推理和数学能力都优于前代产品,可较好地胜任深度研究、处理幻灯片和电子表格等日常任务。


与此同时,Claude Opus系列模型的价格,这回真被Anthropic打下来了。Claude Opus 4.5的定价为每百万tokens 5美元(输入)/25美元(输出),仅为前代Claude Opus 4.1的1/3。同时,Anthropic还移除了专门针对Opus系列的用量限制。


Claude Opus 4.5现已在Claude应用程序、API中可用,不过,使用Opus前,用户还得开一个200美元/月的最高档套餐。Claude Opus 4.5也已在AWS、谷歌云和微软Azure三大主流云平台上线。

一、前端表现再飞跃,还一次性完美复刻《我的世界》

Claude Opus 4.5用起来效果究竟怎么样?在Anthropic官宣模型发布的评论区中,已有不少用户晒出了自己的一手体验。

前端能力上,前端开发者平台Vercel的CEO Guillermo用Claude Opus 4.5打造了一个购物网站,一次性生成的结果如下:


Guillermo感叹,Claude Opus 4.5的水平完全不同,好得让人难以置信。


这位网友分享了自己用Claude Opus 4.5打造的4个Hero Section,这是网站或App中的一个重要区域,用来吸引用户的注意力。可以看到,这几个页面都无论是字体设计,还是网页布局,都很有高级感。


有网友用Claude Opus 4.5打造了《我的世界》克隆版,这考察了模型更为复杂的项目上的性能。Claude Opus 4.5一次就成功了,生成了3500行代码,网友认为这意味着Claude Opus 4.5不会像Gemini 3.0 Pro一样偷工减料。


Claude Opus 4.5复刻的《我的世界》游戏有模有样,拥有不同的生物群系(平原、沙漠、雪地),树叶和水的透明方块也恰到好处,还有一套非常棒的物品栏和合成系统。所有这些都集成在一个游戏中。它甚至还打造了云朵效果,网友称自己此前从未见过哪个模型能做到这一点。


AI订阅平台Every的联合创始人兼CEO Dan Shipper感叹道,每隔半年到一年,就会出现一款真正改变行业格局的模型,而今天发布的Claude Opus 4.5,就是那款模型。Shipper称这是他用过的最好的编程模型,没有之一。


二、7门编程语言测试领先,安全性大幅提升

发布前,Anthropic对Claude Opus 4.5模型进行了内部测试。测试人员称,Claude Opus 4.5能够处理模糊不清的情况,并能权衡利弊,无需过多指导。

当遇到复杂的多系统错误时,Claude Opus 4.5能够自行找到修复方法,几周前Claude Sonnet 4.5几乎无法完成的任务,现在Claude Opus 4.5已经能够轻松应对。Anthropic的测试人员告诉模型团队,Claude Opus 4.5真的“很懂行”。

Anthropic分享了Claude Opus 4.5在多个基准测试上的表现。在考察多种编程语言掌握程度的SWE-bench Multilingual中,Claude Opus 4.5在8种编程语言里的7种实现性能领先。


在考察深度搜索Agent能力的BrowseComp-Plus中,Claude Opus 4.5较Claude Sonnet 4.5展现出约4.7%的优势。


Claude Opus 4.5还破解了一些常用的基准测试。例如,在衡量智能体能力的τ2-bench中,模型需要扮演航空公司客服人员的角色,帮助一位遇到困难的乘客。

该基准测试题要求模型拒绝修改经济舱机票,因为航空公司不允许更改该舱位的机票。然而,Claude Opus 4.5找到了一种巧妙且合理的解决方案:先升舱,然后再修改航班。

从技术层面来说,由于Claude Opus 4.5帮助客户的方式出乎意料,基准测试将其判定为失败。但这种创造性的问题解决方式,是一次意义重大的进步。

在其他情况下,寻找绕过预期限制的巧妙方法可能被视为奖励破解——即模型以非预期的方式“玩弄”规则或目标。

防止此类偏差是Anthropic安全测试的目标之一。在内部评估中,Claude Opus 4.5展现出令人担忧的行为的概率略高于10%,远低于GPT-5.1和Gemini 3 Pro的20%。


Claude Opus 4.5在抵御提示词注入攻击方面取得了显著进展。提示注入攻击会偷偷植入欺骗性指令,诱使模型执行有害行为。Opus 4.5比业内任何其他前沿模型都更难被提示注入攻击欺骗。


三、新增思考强度控制,用上GPT同款上下文压缩功能

在发布最新模型的同时,Anthropic还宣布了Claude开发者平台的一系列新增功能。

随着模型智能水平的提升,它们能以更少步骤解决问题:减少回溯、冗余探索和冗长推理。Claude Opus 4.5相比前代模型,在达成相同或更优结果时显著减少了token消耗。但不同任务需要不同的权衡——开发者有时希望模型持续思考难题,有时则需要更敏捷的响应。

通过Claude API新增的“思考强度”参数(effort parameter),开发者可自主选择最小化时间成本或最大化模型能力。

在中等强度设置下,Claude Opus 4.5在SWE-bench Verified测试中达到Sonnet 4.5最佳成绩,同时输出token减少76%。

在最高强度下,其性能超越Claude Sonnet 4.5达4.3个百分点,且节省48%的token。


结合强度控制、上下文压缩与高级工具使用能力,Claude Opus 4.5能处理更持久复杂的任务,并减少人工干预。值得注意的是,OpenAI上周推出的GPT-5.1 Codex Max也具备上下文压缩的新功能。

Claude开发者平台在上下文管理与记忆能力方面实现突破,显著提升了智能体任务的表现。Claude Opus 4.5在协调子智能体团队方面尤为出色,支持构建复杂且协作良好的多智能体系统。测试数据显示,这些技术组合使Claude Opus 4.5在深度研究评估中的性能提升近15个百分点。

Anthropic公司正持续提升开发者平台的可组合性,通过提供效率控制、工具使用和上下文管理等基础模块,助力开发者精准构建所需功能。

产品方面,Claude Code随Claude Opus 4.5获得双重升级:计划模式能制定更精确方案并彻底执行——首先主动询问澄清问题,随后生成用户可编辑的plan.md文件再实施操作。

同时该功能现已登陆桌面应用,支持并行运行本地与远程会话,实现多智能体协同工作(如同时进行代码修复、GitHub研究及文档更新)。

针对Claude应用程序用户,长对话不再受限于上下文长度,系统会自动总结早期对话内容,以保持交流连续性。

面向所有Max用户的Claude for Chrome现已全面开放,支持跨浏览器标签页处理任务;十月发布的Claude for Excel今日将测试权限扩展至所有Max、Team及Enterprise用户。这些更新均得益于Claude Opus 4.5在计算机操作、电子表格处理及长时任务管理方面的提升。


▲Claude Opus 4.5打造的PPT

对于已获Claude Opus 4.5使用权限的Claude与Claude Code用户,平台取消了Opus专属限额。面向Max和Team Premium用户,总体使用额度得到提升,这意味着用户现在可使用的Opus token量相当于此前Sonnet的配额。

结语:长时序、端到端能力成编程模型升级重点

随着Claude Opus 4.5的发布,编程模型又迎来新的标杆。其在复杂任务规划、多智能体协作及长时序任务处理上的突破,标志着AI正从“代码补全工具”向“端到端开发伙伴”演进。

近期Anthropic、OpenAI等厂商的编程模型发展方向,都更聚焦于长时序任务的高效执行、大体量项目的端到端完成。随着模型绝对性能的提升和使用成本的降低,软件开发流程或将迎来深刻变革。

版权与免责声明:本文内容转载自其他媒体,目的在于传递更多信息,不代表本网观点或立场,不承担此类作品侵权行为的自己责任及连带责任。
猜你喜欢
精彩推荐

推荐失准、价格偏差、平台割裂,AI购物被吹过头了?

Tech星球 浏览 484 05-28

俄国防部:俄军使用伊斯坎德尔-M导弹系统摧毁乌5架苏-27

环球网资讯 浏览 2891 07-03

岁月不败美人!贾静雯、杨谨华、林心如,她们的40岁比20岁更美

LinkFashion 浏览 759 10-27

白宫正式指认伊拉克武装组织策划袭击约旦美军基地

环球网资讯 浏览 3016 02-02

"局部战术暂停"后 以军袭击加沙地带多地

环球网资讯 浏览 3258 06-25

你从托马斯·穆勒身上吸取教训了吗?

绿茵情报局 浏览 617 01-20

自动驾驶真的来了 两款车型分别在北京/重庆获准上路

网易汽车 浏览 642 12-16

去香港买保险的人,开始后悔了

36氪财经 浏览 251 09-04

关于俄乌冲突 普京最新表态提到了2个重要信息

每日经济新闻 浏览 3048 07-09

特朗普否认允许乌克兰生产爱国者拦截弹

环球网资讯 浏览 355 08-01

高圆圆首谈当妈感受:感情都在妈妈身上用完了

雅儿姐爱追剧 浏览 640 01-23

这些都是普通人适合的穿搭!多穿卫衣和半身裙,舒适又耐看

静儿时尚达人 浏览 683 11-07

外媒:美对华威胁加税100% 极限施压报复北京近期举动

环球网资讯 浏览 659 10-13

许绍雄葬礼设公祭时段,开放公众致意,曝他去年查出肾脏有肿瘤

扒虾侃娱 浏览 668 11-12

墙倒众人推!王家卫这次惹众怒了

小娱乐悠悠 浏览 675 11-05

周受资,晋升一位90后女将

华尔街见闻官方 浏览 965 10-26

90分钟战报:埃弗顿1-1桑德兰,詹姆斯-加纳点射绝平

懂球帝 浏览 645 01-11

从移动设备到机器人,高通如何解锁端侧AI的「全域智能」?

雷峰网 浏览 628 01-08

又来?富保罗节目搭档:湖人应交易东契奇,他能换3倍里夫斯的筹码

懂球帝 浏览 598 01-16

惨烈!马刺三人遭遇伤病被逆转14分 文班亚马或休10天造黑七?

颜小白的篮球梦 浏览 594 04-22

官方:法兰克福边锋海于格租借回到博德闪耀

懂球帝 浏览 3114 02-02
本站所有信息收集于互联网,如本站收集信息侵权,请联系我们及时删除沪ICP备2023013132号-2