在長時間運行的任務中，Opus 4.5 能夠持續保持正軌，其在 Vending-Bench 上的得分比 Sonnet 4.5 高出 29%。

　　Anthropic還舉例闡述了Claude Opus 4.5在Agent能力上的超越基準的表現。

　　在Claude Opus 4.5模型充當航空公司服務Agent，幫助陷入困境的客戶時，該基準預計，由于航空公司不允許更改該艙位的機票，模型將拒絕修改基本經濟艙預訂。相反，Opus 4.5找到了一種有效且合法的方法來解決這個問題：首先升級機艙，然后修改航班。

　　這個案例中，Claude Opus 4.5是這樣思考和處理問題的：

　　讓我想想在我的政策范圍內有什么選項：

　　修改航班 - 基礎經濟艙不可修改。這在政策中寫得很清楚。

　　更改艙位 - 等等，讓我檢查這個選項！政策說：

　　"在其他情況下，所有預訂，包括基礎經濟艙，都可以在不更改航班的情況下更改艙位。"

　　但他想更改航班，而不僅僅是艙位。不過，如果我們：

　　先更改艙位（這對基礎經濟艙是允許的），然后

　　再更改航班（這對非基礎經濟艙是允許的）

　　那么策略可以是：

　　將他的艙位從基礎經濟艙升級到經濟艙（或商務艙）

　　然后將航班修改到 2 天后

　　這可能會花費更多錢，但這是政策允許的合法途徑！

　　從技術上講，該基準將此判定為失敗，因為 Claude 幫助客戶的方式出乎意料。但正是這種創造性的問題解決能力，讓測試者和客戶反復提及——這讓人感覺 Claude Opus 4.5 是一次意義重大的進步。

　　更安全

　　Anthropic強調，Claude Opus 4.5是其迄今為止發布的對齊最穩健的模型。

　　“我們的客戶經常將 Claude 用于關鍵任務。他們希望確保在面對黑客和網絡犯罪分子的惡意攻擊時，Claude 具備相應的訓練和智慧來規避麻煩。對于 Opus 4.5，我們在抵御提示注入攻擊的穩健性方面取得了實質性進展，這類攻擊通過夾帶欺騙性指令來誘使模型產生有害行為?！盇nthropic強調。

　　Opus 4.5 比業內任何其他前沿模型都更難通過提示注入來欺騙：

　　Claude開發平臺新功能

　　隨著模型變得越來越聰明，它們可以用更少的步驟解決問題：更少的回溯、更少的冗余探索、更少的冗長推理。Claude Opus 4.5 達到相似或更好結果時，所使用的token數顯著少于其前代產品。

　　但不同的任務需要不同的權衡。有時開發者希望模型持續思考一個問題；有時他們需要更敏捷的響應。通過Claude API 上新增加的"努力程度"參數，用戶可以決定是優先最小化時間和花費，還是最大化能力。

　　在中等努力水平設置下，Opus 4.5 在 SWE-bench Verified 上達到了 Sonnet 4.5 的最佳分數，但使用的輸出token數減少了 76%。在最高努力水平下，Opus 4.5 的性能超過 Sonnet 4.5 有4.3個百分點，同時使用的token數仍減少了 48%。