Anthropic:Claude Opus 4.5及其高级工具使用

Anthropic发布了Claude Opus 4.5和一套用于大型工具集的高级工具使用套件,降低了令牌成本。
Key insights
Claude Opus 4.5专注于工程和代理工作负载,提升效率和降低价格
Anthropic宣布了Claude Opus 4.5,重点关注软件工程、代理可靠性和多系统计算使用。内部和公开基准测试报告SWE-bench验证率为80.9%,OSWorld为66.3%。此次发布强调了大型令牌效率的提升——在长编码任务中减少高达65%的令牌消耗——以及定价重置为每百万输入令牌5美元和每百万输出令牌25美元,约为Opus 4.1成本的三分之一。Anthropic已在Claude应用程序、公共API和主要云市场上提供该模型。
高级工具使用增加动态加载、程序化调用和示例
Anthropic发布了一篇工程博客,解释了高级工具使用:工具搜索工具(用于按需加载的元工具)、程序化工具调用(模型发出沙箱Python以协调多工具工作流)和工具使用示例(结构化示例,澄清复杂参数格式)。该架构推迟加载许多工具以节省令牌预算,使用代码编排减少多轮推理,并附加示例以提高嵌套输入的参数准确性。
动态工具加载显著减少令牌使用并提高准确性
Anthropic报告称,在实验中将许多工具标记为defer_loading: true并使用工具搜索工具,将令牌消耗从约77K减少到约8.7K,并提高了工具选择的准确性(例如,Claude Opus 4从49%提高到74%)。程序化调用减少了令牌和延迟,而工具使用示例在内部测试中将复杂参数的准确性从72%提高到约90%。
Opus 4.5将Anthropic定位为编码和代理基准的竞争者
Anthropic将Opus 4.5框架设定为专业软件工程师和知识工作者的高端模型,指出其基准优势和跨云可用性。评论将Opus 4.5定位为在编码和长期代理任务中与Gemini 3 Pro和OpenAI模型竞争的产品,其定价策略旨在扩大日常使用案例的采用。