Claude Opus 4.5夺回编程王座，超Gemini 3 Pro和GPT-5.1

作者 ｜ 木子、高允毅

AI 编程之王又易主了。

昨晚，Anthropic悄悄按下发布键，Claude Opus 4.5直接在编码、Agent、电脑操作等多项“硬核能力”上全面登顶评测榜，超过 GPT-5.1 和最近在聚光灯下的 Gemini 3 Pro。

目前测试版（Beta 版）已上线，开发者可直接通过 Claude API 调用。

这里面的终端级编程能力（Agentic terminal coding）是个非常重要的指标，因为该指标体现了 AI 在真实终端（如电脑）环境中工作情况，不仅停留在文本层面；Claude Opus 4.5 也斩获第一，突破 59% 。

此外，它还在两小时限时考试里，把“史上最强人类候选者”甩在身后——而且据 Anthropic 首席产品官介绍，用的 token 数量还不到上一代的一半。

每百万 token 的最新定价为：5 美元 /25 美元（输入 / 输出）；批量API 调用的价格更是打了 3 折左右。

Claude 老用户、一家AI 辅助编码初创公司的 CEO 表示，Opu 系列这波降价来得正好。

还有网友放出一张 Meme 图，锐评这几家大模型的高速宣发节奏。

新一代 Claude 的 Agent 有多强？

Claude Opus 4.5在编码、Agent、计算机操作等方面，都夺得测评榜第一；下面来看看它的实际使用效果如何。

首先，在编程和系统调试方面，Claude Opus 4.5 能够直接完成工程师级别的任务：它会自己找网络接口，会调试跨系统 bug，还会操作桌面应用、Excel、浏览器。

Anthropic 内部工程师在模型发布前做了大量压力测试，反馈高度一致：Opus 4.5 能处理模糊目标、能在多种方案中权衡取舍、不需要人工把步骤写死。

测试者普遍认为 Opus 4.5 能“真正理解用户需求”，那些几周前 Sonnet 4.5 还几乎做不到的任务，现在对 Opus 4.5 来说已不再是难题。

他们还把模型拉去做了个两小时的高压考试，这本来是给去 Anthropic 应聘性能工程师出的题目，是连许多顶尖候选人都吃不消的 take-home 作业。

结果 Opus 4.5 在时间限制内拿到历史最高分，超过了所有人类候选者。它能读懂复杂代码库、拆解多系统交互，并在模糊指令下自动找出真正的 bug 来源。

虽然这份考试不涉及协作、沟通等软技能，但在纯技术判断与压力下的问题解决能力上，模型首次把“专业工程师”的门槛推向了一个全新位置。

而且 Opus 4.5 编写的代码质量更高，在 SWE-bench Multilingual 的 8 种编程语言中，有 7 种语言的性能比领先。

对于复杂业务决策与工具链操作，比如在τ2-bench 的航空客服场景中，基础经济舱不能改签是硬规定，普通模型都会直接拒绝。

但 Opus 4.5 懂得在规则限制下“迂回求解”——比如，航空公司拒绝给经济舱换航班，它就自己先换升舱、再换航班，两步走解决单步走不了的问题，这在 benchmark 中被算作“未预期的路径”。

在长期任务稳定性方面，它也远超前代。在 Vending-Bench 测试中，Opus 4.5 的多步骤任务保持能力，比 Sonnet 4.5 高出29%，几乎不会“走着走着忘了要干什么”。

在视觉处理方面，Claude Opus 4.5 也遥遥领先于前代模型。据公司 CTO 介绍：

“Claude Opus 4.5 是唯一一个能搞定我们最棘手的 3D 可视化任务的模型...... 过去需要两小时才能完成的任务，现在只需要三十分钟。”

开发者平台也同步更新

为什么 Claude Opus 4.5 的 Agent 会一下子变得这么强？

除了模型层的思考能力显著提升，还有一个重要因素，就是平台级的高级工具调用能力（advanced tool use）升级——模型和平台协同，让 Agent 不仅能说清楚，还能办好事。

升级之后的高级工具调用能力，也被放进了 Claude 开发者平台。

在传统 Agent 工作流里，AI 想真正承担“全能助手”的角色，其实面临三道大山——工具过多、调用过重、使用过难。

针对这三个痛点，Opus 4.5新增了三种“高级工具”，升级之后的高级工具调用能力，也被放进了 Claude 开发者平台：

• Tool Search Tool：让模型像搜索引擎一样按需查找工具，而无需预加载全部定义。

• Programmatic Tool Calling（PTC）：允许 Claude 用代码（如 Python）而非单独的 API 来编排工具调用，减少上下文压力。

• Tool Use Examples：教模型正确的工具调用方式，让其“看例子就会用”。

简言之，未来 AI 可以像人一样会选工具、会写自动化脚本、能看懂工具的正确用法。

官方提供的Claude for Excel是最直观的例子。通过程序化工具调用，所有重载计算都在后台完成，Claude 只接收最终结果，实现了“大量数据不进脑，也能跑得快”。

Claude for Excel 的测试权限，已经扩展至所有 Max、Team 及 Enterprise 用户。

在 Mac 系统上使用 Control+Option+C，在 Windows 系统中使用 Control+Alt+C，即可在 Excel 中打开 Claude。

https://x.com/claudeai/status/1993030546243699119

https://www.anthropic.com/news/claude-opus-4-5

https://www.anthropic.com/engineering/advanced-tool-use

声明：本文为 AI 前线整理，不代表平台观点，未经许可禁止转载。

会议预告

12 月 19～20 日，AICon 2025 年度收官站在北京举办。现已开启 9 折优惠。

两天时间，聊最热的 Agent、上下文工程、AI 产品创新等等话题，与头部企业与创新团队的专家深度交流落地经验与思考。2025 年最后一场，不容错过。

今日荐文

你也「在看」吗？