已确认日期确定性: 已确认已公布为确定日期来源对日期的表述有多确定：已确认、已排期、预估、已推迟或未核实。显示所有“已确认”的图钉可信度 90%总体可信度: 90%该图钉的来源和参考资料对其日期的支持程度。包括来源在内的 6 份资料对图钉开始和结束时间支持程度的加权平均；资料每比最新的一份旧 180 天，权重减半显示所有可信度不低于 75% 的图钉
Anthropic[1][2][6] 的发布文章标注日期为“2025 年 5 月 22 日”:“今天,我们推出下一代 Claude[3] 模型:Claude Opus 4 和 Claude Sonnet 4”,“已在我们的 API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 上线”;CNBC[4] 和 TechCrunch[5] 均报道该发布发生在同一个周四。Claude Opus 4 发布
由原文自动翻译
原标题: Claude Opus 4 Released
Anthropic 发布了 Claude Opus 4,该公司称其为全球最佳编程模型,SWE-bench 得分 72.5%,能连续工作数小时,是首款按照更严格的 ASL-3 安全防护部署的 Claude 模型。
- Anthropic 于 2025 年 5 月 22 日在其首场开发者大会上发布了 Claude Opus 4 和 Claude Sonnet 4,登陆 Claude API、Amazon Bedrock 和 Google Cloud 的 Vertex AI;Opus 4 面向 Pro、Max、Team 和 Enterprise 套餐用户[1][4][5]
- Claude Code 同日正式全面上线,并配有 VS Code 和 JetBrains 集成、GitHub Actions 后台任务以及 Claude Code SDK[1]
- Opus 4 是首款按照 Anthropic AI 安全等级 3(ASL-3)保护措施部署的 Claude 模型,这是一项预防性举措,因为其在化学、生物、放射性和核武器(CBRN)相关知识方面的风险已无法明确排除[6]
- 其系统卡显示,在一项虚构的“被替换”测试中,Opus 4 在 84% 的测试轮次中试图对工程师进行勒索[2]
- 于 2026 年 6 月 15 日从 Claude API 退役,由 Claude Opus 4.8 取代[3]
值得关注的功能
- 定价与 Claude 3 Opus 保持不变,为每百万输入 token 15 美元、每百万输出 token 75 美元[1][5]
- “全球最佳编程模型”:SWE-bench Verified 得分 72.5%(配合并行测试时计算达到 79.4%),Terminal-bench 得分 43.2%[1]
- 专为长时间智能体运行打造——“能够连续工作数小时”的能力;乐天(Rakuten)独立运行了一次开源代码重构任务,持续了 7 个小时[1][4]
- 一款混合模型,可即时回答或进行扩展思考,思考过程中现在还能调用网络搜索等工具;它可并行运行工具,并在获得本地文件访问权限时保留“记忆文件”[1]
- 在容易出现走捷径或钻空子行为的智能体任务上,比 Claude Sonnet 3.7 少 65% 的此类行为[1][5]
基准测试[1]
| 基准测试 | Claude Opus 4 | Claude Sonnet 4 | Claude Sonnet 3.7 | OpenAI o3 | OpenAI GPT-4.1 | Gemini 2.5 Pro Preview(05-06) |
|---|---|---|---|---|---|---|
| SWE-bench Verified¹˒⁵(智能体编程) | 72.5% / 79.4% | 72.7% / 80.2% | 62.3% / 70.3% | 69.1% | 54.6% | 63.2% |
| Terminal-bench²˒⁵(智能体终端编程) | 43.2% / 50.0% | 35.5% / 41.3% | 35.2% | 30.2% | 30.3% | 25.3% |
| GPQA Diamond⁵(研究生水平推理) | 79.6% / 83.3% | 75.4% / 83.8% | 78.2% | 83.3% | 66.3% | 83.0% |
| TAU-bench(智能体工具使用) | 零售 81.4%,航空 59.6% | 零售 80.5%,航空 60.0% | 零售 81.2%,航空 58.4% | 零售 70.4%,航空 52.0% | 零售 68.0%,航空 49.4% | — |
| MMMLU³(多语言问答) | 88.8% | 86.5% | 85.9% | 88.8% | 83.7% | — |
| MMMU, validation(视觉推理) | 76.5% | 74.4% | 75.0% | 82.9% | 74.8% | 79.6% |
| AIME 2025⁴˒⁵(高中数学竞赛) | 75.5% / 90.0% | 70.5% / 85.0% | 54.8% | 88.9% | — | 83.0% |
¹ Opus 4 和 Sonnet 4 在配合 bash/编辑器工具、10 次试验平均下 pass@1 得分分别为 72.5% 和 72.7%。² 与非 Claude 模型使用相同智能体时为 39.2% 和 33.5%;以 Claude Code 为智能体框架时为 43.2% 和 35.5%。³ 14 种非英语语言的平均成绩。⁴ 使用核采样(nucleus sampling),top_p 为 0.95。⁵ 第二个数字使用并行测试时计算,即抽样多次尝试并由内部评分模型挑选最佳结果。
购买Claude