Claude Opus 4.5
Anthropic 2025 年 11 月发布的旗舰模型，专为编程/agent/computer use 优化，SWE-bench Verified 发布即 SOTA，新增 effort 参数大幅降本。
规格
- 厂商
- Anthropic
- 发布日期
- 2025/11/24
- 类型
- coding
- 上下文窗口
- 200K tokens
- 最大输出
- 64K tokens
- 定价
- Input $5/M · Output $25/M
- API 兼容
- anthropic, bedrock, vertex-ai
基准测试
✓ 优势
- •SWE-bench Verified 当时 SOTA，编程能力业界第一梯队
- •新增 effort 参数：medium 档省 76% token 仍持平 Sonnet 4.5
- •长程 agent 能力强，擅长多 subagent 编排
- •号称最稳健对齐的前沿模型，抗提示注入强（Gray Swan 验证）
- •上下文 compaction + 记忆能力，长任务不丢上下文
⚠ 不足
- •价格偏高（$5/$25），高吞吐场景成本压力大
- •国内无官方 API，需走中转
- •上下文 200K，低于 Gemini 3 Pro 的 1M
- •纯多模态弱于 Gemini，仅支持图片
适用场景
概述
Claude Opus 4.5 是 Anthropic 于 2025 年 11 月 24 日发布的旗舰模型（模型 ID claude-opus-4-5-20251101），专为编程、agentic 工作流和复杂 computer use 优化。发布时在 SWE-bench Verified 上达到 SOTA，是评测站高频对标的「编程能力天花板」。相比 Claude Sonnet 4.5，它在保持更强能力的同时通过 effort 参数大幅降低 token 消耗。
核心能力
编程 SOTA
- SWE-bench Verified：发布时业界最高分
- Aider Polyglot：较 Sonnet 4.5 提升 10.6%
- SWE-bench Multilingual：8 种编程语言里领先 7 种
官方一个内部性能工程师 take-home 考试中，Opus 4.5 在 2 小时限时内的得分超过所有人类候选人。
effort 参数（降本关键）
Opus 4.5 新增 API effort 参数，在速度/成本和能力之间权衡：
| effort 档位 | 表现 | token 消耗 |
|---|---|---|
| medium | 持平 Sonnet 4.5 的 SWE-bench | 比 Sonnet 4.5 少 76% |
| high | 超 Sonnet 4.5 4.3 个百分点 | 少 48% |
这意味着即便单价 $5/$25 偏高，实际账单因 token 消耗大幅下降而更可控。
长程 Agent 与编排
新增上下文 compaction 和记忆能力，长任务不丢上下文。擅长管理 subagent 团队——结合这些技术，官方深度研究评测提升近 15 个百分点。关于多 agent 编排的概念见 AI Agent。
对齐与安全
Anthropic 称其为当前最稳健对齐的前沿模型。抗提示注入能力显著强于同业（Gray Swan 第三方验证），在人类误用和自主不当行为上的「问题行为」分数更低。
API 调用示例
import anthropic
client = anthropic.Anthropic(api_key="sk-ant-...")
msg = client.messages.create(
model="claude-opus-4-5",
max_tokens=8000,
extra_body={"effort": "medium"}, # medium 省 76% token
messages=[{"role": "user", "content": "重构这个模块并加类型注解"}],
)
print(msg.content[0].text)
定价
| 项目 | 价格 |
|---|---|
| Input | $5 / 百万 token |
| Output | $25 / 百万 token |
比 Sonnet 4.5（$3/$15）贵，但配合 effort=medium 的 token 节省，复杂任务实际成本常更低。Claude Code 用户已可直接用上。
与同档模型怎么选
| 维度 | Claude Opus 4.5 | Gemini 3 Pro | GPT-5.1-Codex-Max |
|---|---|---|---|
| 纯编程（SWE-bench） | SOTA | 76.2% | 77.9% |
| 多模态 | 仅图片 | 原生全模态 | 弱 |
| 上下文 | 200K | 1M | 多窗口 compaction |
| agent 编排 | ★★★★★ | ★★★★☆ | ★★★★★（专用） |
| 国内可用 | ❌ | ❌ | ❌ |
建议：综合编程 + agent 编排选 Opus 4.5；纯长程自动化编码任务可看专用的 GPT-5.1-Codex-Max；要多模态选 Gemini 3 Pro。
避坑清单
- 善用 effort 参数：默认别拉 high，medium 已能持平 Sonnet 4.5 且省 76% token。
- 200K 上下文不是无限：超长 codebase 仍需配合 RAG 或检索压缩。
- 国内无直连：需 Bedrock / Vertex AI 或中转。
- 价格敏感场景算总账：单价高但 token 省，按实际任务估算而非只看单价。
实际使用体验
日常编码用 effort=medium 已经够打。在 Cursor/Claude Code 里跑中等规模重构（几百行级别、跨 3-5 个文件）时，medium 档的代码质量与 Sonnet 4.5 基本拉不开差距，但账单肉眼可见地降下来——一次会话原本 $0.4 左右能压到 $0.1 出头。只有遇到特别刁钻的边界条件、需要深度推理的 bug 时，切到 high 才有明显体感提升，日常没必要默认拉满。
长程 agent 任务是 Opus 4.5 真正拉开身位的地方。让它跑「读全仓 → 定位 → 改 → 自测」这种半小时以上的任务，compaction + 记忆能力的收益非常直观：中途上下文接近 200K 时会自动压缩关键信息，不会像早期模型那样在 100K 之后开始「失忆」或重复读同一文件。深度研究类任务（多轮检索 + 综合）能稳定跑完而不中途崩方向，这是 Sonnet 4.5 偶尔会翻车的场景。
多 subagent 编排在 Claude Code 里效果最明显。让 Opus 4.5 当主控拆任务、派给几个 subagent 并行跑（比如一个查依赖、一个写实现、一个补测试），主控对子任务结果的整合质量比 Sonnet 4.5 高一档——Sonnet 偶尔会把 subagent 的输出原样拼接而不真正融合，Opus 会重写冲突部分。不过编排本身有开销，简单任务别上多 agent，否则 overhead 吃掉收益。
和 Sonnet 4.5 的体感差距：日常 CRUD、改样式、写单测这种「确定性高」的活儿，两者几乎无差，Sonnet 性价比更高；真正拉开差距的是 30 分钟以上的长任务、需要跨多文件推理的重构、以及 agent 编排整合——这些场景 Opus 的稳定性明显更好。一句话总结：短任务用 Sonnet，长任务和编排用 Opus。
FAQ
Q: Opus 4.5 和 Sonnet 4.5 怎么选？ A: 看任务时长和复杂度。短任务（单文件改动、问答、补单测）选 Sonnet 4.5，性价比更高；30 分钟以上的长任务、跨多文件重构、需要 agent 编排的复杂场景选 Opus 4.5。预算紧且任务量大的团队，可以默认 Sonnet + Opus 兜底难任务的混合策略。
Q: effort 参数怎么选？
A: 默认 medium 起步，它已能持平 Sonnet 4.5 的 SWE-bench 表现且省 76% token。只有遇到复杂推理、刁钻 bug、或对正确性要求极高的任务才升 high。不建议长期挂 high，token 消耗会涨 3-4 倍，收益却未必线性。
Q: 国内怎么用 Claude Opus 4.5？ A: 官方 API 不对国内直供，常见三条路：① AWS Bedrock（需海外账号 + 信用卡）；② Google Vertex AI；③ 第三方中转 API（如 OpenRouter）。稳定性排序 Bedrock > Vertex > 中转，成本排序反之。个人尝鲜选中转，生产环境建议 Bedrock/Vertex。
Q: 200K 上下文够用吗？ A: 多数场景够，但不是无限。配合 compaction 和记忆能力，单次会话能撑住中型 codebase 的全量读取 + 多轮修改；超大型 monorepo（百万行级）仍需配合 RAG 或按目录分片检索。和 Gemini 3 Pro 的 1M 上下文比，Opus 靠 compaction 补了一部分差距，但一次性塞入能力确实弱一些。
延伸阅读
- 对比同档：GPT-5.1-Codex-Max / Gemini 3 Pro / GPT-5
- 配套工具：Claude Code
- 深度评测：Claude Code 深度评测