Anthropic:Claude / Opus 4.5,代理工具和技能

Anthropic宣布推出Claude Opus 4.5,提供Opus级别的编码和代理改进,以及针对大型工具生态系统的开发者平台功能集。- Opus 4.5在SWE-bench Verified上达到了80.9%的评分,并在内部测试中超越了领先的编码模型。- Opus 4.5将令牌使用量减少了多达65%,并将定价降低至每百万输入5美元,每百万输出25美元(为之前成本的三分之一)。- Opus 4.5引入了混合推理模式和改进的长上下文记忆以及代理编排。- Anthropic发布了一篇关于“高级工具使用”的工程博客(工具搜索工具、程序化调用、示例),以处理数百到数千个工具,同时提高令牌和准确性。- 工具搜索工具的延迟加载节省了超过85%的令牌使用,并提高了工具选择的准确性(Opus 4->4.5示例)。- 程序化工具调用实现了沙箱代码编排,以减少轮次和令牌使用。- Claude的“技能”架构是一个基于提示的模块化系统,其中SKILL.md注入领域规则和允许的工具;技能作为上下文重写,而不是外部代码执行。- 技能文件包括YAML元数据和Markdown说明;技能发现和动态注入使得安全、热更新的领域专家成为可能。
Key insights
Opus 4.5针对编码和代理使用,带来显著效率提升
Anthropic的Opus 4.5在SWE-bench Verified上报告了80.9%的得分,声称改善了长上下文记忆、混合推理模式和令牌效率(在长任务中减少多达65%)。Anthropic公布的定价为每百万输入5美元和每百万输出25美元,相较于Opus 4.1减少了三分之二的价格。此次发布使Opus 4.5适用于专业知识工作(软件工程、金融分析)以及在多代理工作流中作为主代理编排使用。
高级工具使用降低令牌成本并提高工具选择
Anthropic的工程博客详细介绍了三种技术——工具搜索工具(延迟加载)、程序化工具调用(沙箱代码编排)和工具使用示例——这些技术共同显著降低了令牌消耗并提高了工具调用的准确性。延迟加载将77K令牌的工具列表缩减至约8.7K,并提高了工具选择的准确性(示例:Opus 4从49%提高至74%)。程序化调用通过返回结构化结果减少了多轮推理和令牌混淆。
Claude的“技能”是基于提示的安全领域插件
Claude的“技能”系统将领域行为打包为带有YAML元数据、允许工具列表和Markdown说明的SKILL.md文件。技能通过将高优先级系统提示注入到运行对话中,改变Claude的行为和工具权限,而无需直接执行代码。发现通过一个“技能”元工具进行,该工具扫描可用技能并在运行时注入匹配的技能。该设计优先考虑最小权限、热更新和安全性,通过将逻辑保持在提示中而不是外部执行。
市场反应平淡:实用投资回报率主导兴奋
观察人士报告称,尽管Opus 4.5的基准测试强劲,但公众的兴奋反应却平淡,认为行业已从对模型的崇拜转向务实:买家现在关注任务投资回报率、成本、稳定性和工具集成,而不是原始的峰值指标。评论指出,面向开发者的功能和能够展示明显生产力提升的应用比模型排行榜更能激发用户的热情。
Opus 4.5面向企业工具链和云可用性
Anthropic通过Claude应用程序、API以及主要云平台(Amazon Bedrock、Google Vertex AI、Microsoft Azure)提供Opus 4.5,模型标识符为claude-opus-4-5-20251101。该模型引入了一个“努力参数”,用于平衡客户的延迟、计算和响应深度。内部测试报告显示,在多系统错误和长任务上,代理能力有所提升。