Anthropic的Claude Opus 4.5及其高级工具使用

Anthropic宣布推出Claude Opus 4.5及高级工具使用套件,以改善大规模工具集成和效率。 - Opus 4.5针对编码、代理和计算机使用任务,显著提高了效率和安全性。 - SWE-bench验证得分:80.9%,超过Gemini 3 Pro(76.2%)和GPT-5.1 Codex变体(77.9%)。 - Opus 4.5在长编码运行中减少了多达65%的令牌使用,并将定价降低至每百万输入令牌5美元和每百万输出令牌25美元(为Opus 4.1价格的三分之一)。 - Opus 4.5通过Claude应用程序、API和主要云市场提供,模型ID为claude-opus-4-5-20251101。 - 高级工具使用增加了:工具搜索工具(延迟加载)、程序化工具调用(代码编排)和工具使用示例(用于消歧义输入的示例)。 - 工具搜索工具将令牌使用从约77K减少到约8.7K,并提高了准确性(Claude Opus 4基线49% → 74%)。 - 程序化调用输出可运行的Python代码以协调多工具,令牌减少37%,延迟降低。 - 工具使用示例将复杂参数的准确性从72%提高到90%。 - Claude的“技能”架构提供了一种基于提示的元工具系统,通过注入SKILL.md文件来改变模型行为,并在不执行代码的情况下预授权工具。 - 技能发现过程:扫描SKILL.md YAML头,呈现<available_skills>,并在调用时在元角色下注入技能Markdown。 - Anthropic报告称,通过这些机制,长上下文和代理的可靠性得到了改善。
Key insights
Claude Opus 4.5提升编码和代理基准
Anthropic发布了Opus 4.5,强调编码、代理可靠性和计算效率。内部结果报告SWE-bench验证得分为80.9%,超过Gemini 3 Pro(76.2%)和GPT-5.1-Codex-Max(77.9%)。该模型在长编码任务中减少了多达65%的令牌使用,并将计算机使用基准OSWorld提高到66.3%。Anthropic将Opus 4.5定价为每百万输入令牌5美元和每百万输出令牌25美元——为Opus 4.1的三分之一,同时通过Claude应用程序、API和主要云提供商提供该模型,标识符为claude-opus-4-5-20251101。
高级工具使用减少上下文令牌膨胀并提高准确性
Anthropic详细介绍了一个高级工具使用包,结合了工具搜索工具、程序化工具调用和工具使用示例。工具搜索工具延迟加载工具定义,并实现了令牌节省,从约77K减少到约8.7K,并提高了工具选择的准确性(例如:Opus 4从49%提高到74%)。程序化工具调用输出沙箱Python以并行协调多个工具,令牌使用减少37%,延迟降低。工具使用示例通过提供具体调用示例将复杂参数的准确性从72%提高到90%。
Claude技能系统使用提示注入的SKILL.md实现安全动态行为
Claude的“技能”是基于提示的元工具:SKILL.md文件夹包含YAML元数据和Markdown指令主体,当通过技能元工具调用时,注入高优先级系统指令和预授权工具权限。技能在不授予代码执行权限的情况下改变模型行为,通过允许的工具强制执行最小权限,并支持热更新。发现过程通过内部技能元工具列出可用技能,并将选定技能作为元用户消息注入,从而实现领域专业化和受控工具访问。
程序化工具调用实现多工具编排和更少推理轮次
Anthropic描述了程序化工具调用,其中Claude输出Python代码以编排多个工具调用(带有allowed_callers标记)并实现并行获取(例如:asyncio.gather)。这种方法减少了多轮推理,降低了令牌消耗(例如,从43,588减少到27,297令牌),并通过避免中间上下文污染提高了端到端任务的准确性。
工具设计模式针对大型工具集和企业集成
Anthropic结合延迟工具加载、代码编排和示例,针对数百到数千个工具的场景(IDE、Git、Slack、Jira、数据库)。该方法解决了三个企业痛点:预加载工具定义导致的令牌膨胀、在类似名称API中模糊的工具选择,以及在仅支持JSON的模式中表达复杂参数格式的困难。报告的MCP/GIA基准改进表明在多工具工作流中更好的上下文保留和实用性。