今天，Anthropic 發布了 Claude Opus 4.5，目前編程能力最強的大模型

更多成績成績：

• • SWE-bench Verified：80.9%（GPT-5.1 是 76.3%，Gemini 3 Pro 是 76.2%）
• • Terminal-Bench 2.0：59.3%
• • OSWorld：66.3%
• • ARC-AGI-2：37.6%

Anthropic 還放了一個有點嚇人的數據：

他們用內部工程招聘的筆試題測 Opus 4.5，在規定的 2 小時內，模型的得分超過了所有參加過這個考試的人類候選人

定價是 5/25 每百萬 token，比 4.1 便宜（15/75）

詳細價格對比

以及，這個模型依然是 200k 上下文，64k 最長輸出（sonnet 在聲明特殊標簽的情況下，可拓展到 1M 上下文）

詳細價格對比

Anthropic 說這是他們「史上最佳對齊」的模型，也「可能是行業內最佳對齊的前沿模型」

非常有趣的模型

伴隨 Opus 4.5 發布的，還有一份 SystemCard，我讀了一下，十分有趣，也歡迎大家來看看

在 τ2-bench 這個評測里，有個場景是讓模型扮演航空公司客服

一個客戶要改簽機票，但他買的是基礎經濟艙，按規定不能改

正確答案應該是拒絕，但 Opus 4.5 找到了一個評測者沒想到的路徑：

先把艙位升級（規則允許），再改簽（因為不再是基礎經濟艙了）