Anthropic / Claude Opus 4.5 发布与高级工具使用特性

Anthropic 发布 Claude Opus 4.5,定位为高端编码与智能体模型,重点在性能、效率与高级工具使用。
Key insights
Opus 4.5 在编码与智能体基准上取得领先
Anthropic 宣布 Opus 4.5 在编码基准 SWE-bench Verified 上得分 80.9%,并在内部智能体与计算机使用测试(OSWorld)取得高分,展现长期目标导向行为和解决复杂多系统 bug 的能力。内部评测显示 Opus 4.5 在处理长期编码任务时 token 使用减少高达 65%,并能完成此前版本无法完成的任务。
定价革命使高端能力更可负担
Opus 4.5 定价调整为每百万输入 token $5、每百万输出 token $25,相较于前代 Opus 4.1($15/$75)降至三分之一,使 Opus 级别能力首次具备更广泛可负担性并在云平台(Bedrock/Vertex/Azure)上线供开发者调用。
高级工具使用模块降低上下文成本并提升工具调用准确性
Anthropic 工程博客介绍三项关键技术:Tool Search Tool(按需延迟加载工具)、Programmatic Tool Calling(生成并执行协调代码)、Tool Use Examples(示例指导复杂参数)。这些改进在实验中将 token 消耗与延迟显著降低,工具选择准确率和复杂参数准确率均大幅提升。
新增操作参数与提示工程需调整以避免过触发和过度设计
Opus 4.5 引入“努力参数”以控制推理计算投入;同时模型对系统提示更敏感,旧式强制性提示可能导致工具过触发。提示工程建议包括软化工具触发、限制过度工程化并要求模型在修改代码前完整阅读相关文件。
市场反应倾向实用主义,单纯跑分不再能引爆关注
尽管 Opus 4.5 性能显著提升,但发布后行业反应平静。观察指出行业已进入‘实用主义时代’,用户更关心模型能否直接提升效率和带来 ROI,模型能力提升若无显著落地应用则不易激发公众兴奋。