Opus 4.1

Anthropic 于 2025 年 8 月 5 日发布了其最新模型 Claude Opus 4.1，这是对其先前旗舰模型 Claude Opus 4 的一次升级。本次更新主要增强了模型在智能代理任务 (agentic tasks)、真实世界编码以及推理方面的能力，同时保持了与前代产品相同的定价。

核心亮点：编码与推理能力的提升

Claude Opus 4.1 在多个基准测试中展现了其性能的提升，尤其是在编码领域。根据 Anthropic 公布的数据，该模型在 SWE-bench Verified（一个衡量修复真实世界 GitHub 问题的能力的基准）上的得分达到了 74.5%。

除了编码能力的精进，Opus 4.1 还在深度研究和数据分析技能上有所提高，特别是在细节跟踪和智能代理搜索方面。GitHub 的报告指出，Opus 4.1 在多文件代码重构方面有显著的性能增长。同时，日本乐天集团 (Rakuten Group) 发现，该模型在大型代码库中能精准定位并修正问题，而不会引入不必要的调整或错误。

其他性能指标

根据 Anthropic 提供的基准测试表格，Claude Opus 4.1 在多个方面均优于 Opus 4，尽管部分提升幅度较小。

• 研究生水平推理 (GPQA Diamond): 从 79.6% 提升至 80.9%
• 多语言问答 (MMMLU): 从 88.8% 提升至 89.5%
• 高中数学竞赛 (AIME 2025): 从 75.5% 提升至 78.0%

值得注意的是，在“智能代理工具使用” (Agentic tool use) 的一项特定基准测试（航空公司类别）中，其得分略有下降。

定价与可用性

Claude Opus 4.1 的定价与 Opus 4 保持一致。该模型已向付费的 Claude 用户、Claude Code 用户以及通过 API 开放。此外，用户还可以通过亚马逊的 Amazon Bedrock 和谷歌云的 Vertex AI 等云平台接入使用。

安全性与市场反响

Anthropic 表示，尽管 Opus 4.1 是一个增量升级，公司仍对其进行了安全评估，以确保其风险在可接受范围内。在无害性方面，该模型拒绝违反政策请求的比例有所上升。

从市场反响来看，部分用户认为这是一次有效的迭代，特别是在处理复杂的编程任务时。然而，也有评论指出，对于日常或不太复杂的任务，其提升感知可能不明显，且高昂的成本仍然是用户考量的主要因素之一。Anthropic 预告，未来几周内将发布更大幅度的模型改进。