Opus 4.5 发布：所有信息，全整理

今天，Anthropic 发布了 Claude Opus 4.5，目前编程能力最强的大模型

更多成绩成绩：

• • 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 还放了一个有点吓人的数据：

他们用内部工程招聘的笔试题测 Opus 4.5，在规定的 2 小时内，模型的得分超过了所有参加过这个考试的人类候选人

定价是 5/25 每百万 token，比 4.1 便宜（15/75）

详细价格对比

以及，这个模型依然是 200k 上下文，64k 最长输出（sonnet 在声明特殊标签的情况下，可拓展到 1M 上下文）

详细价格对比

Anthropic 说这是他们「史上最佳对齐」的模型，也「可能是行业内最佳对齐的前沿模型」

非常有趣的模型

伴随 Opus 4.5 发布的，还有一份 SystemCard，我读了一下，十分有趣，也欢迎大家来看看

在 τ2-bench 这个评测里，有个场景是让模型扮演航空公司客服

一个客户要改签机票，但他买的是基础经济舱，按规定不能改

正确答案应该是拒绝，但 Opus 4.5 找到了一个评测者没想到的路径：

先把舱位升级（规则允许），再改签（因为不再是基础经济舱了）