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 89%总体可信度: 89%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][3] 的发布文章标注日期为“2025 年 8 月 5 日”:“今天我们发布 Claude[2][4] Opus 4.1……现已面向付费 Claude 用户和 Claude Code 开放。它也已登陆我们的 API、Amazon Bedrock 和 Google Cloud 的 Vertex AI”;Claude 的发布说明和 GitHub[5] 的更新日志标注的日期相同。Claude Opus 4.1 发布
由原文自动翻译
原标题: Claude Opus 4.1 Released
Anthropic 发布了 Claude Opus 4.1,这是对 Claude Opus 4 的升级,在同等价格下将其 SWE-bench Verified 编程得分提升至 74.5%,发布当天正值 OpenAI 发布其自 2019 年以来首批开放权重模型。
- Anthropic 于 2025 年 8 月 5 日向付费 Claude 用户、Claude Code 以及其 API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 发布了 Claude Opus 4.1,价格与 Opus 4 相同[1][2]
- 该模型发布当天正值 OpenAI 发布其自 2019 年以来首批开放权重推理模型;Anthropic 表示计划“在未来几周对我们的模型做出更大幅度的改进”[1][6]
- GitHub 同日将其作为面向 Enterprise 和 Pro+ 套餐的公开预览版本纳入 Copilot[5]
- 与 Opus 4 一样,该模型按照 ASL-3 安全标准部署[3]
- 于 2026 年 8 月 5 日——恰好在发布一年后——从 Claude API 退役,由 Claude Opus 4.8 取代[4]
值得关注的功能
- 在“智能体任务、实际编程和推理方面”对 Claude Opus 4 进行了升级,深入研究和数据分析能力也有所提升,“尤其是在细节追踪和智能体搜索方面”[1]
- SWE-bench Verified 得分 74.5%,高于 Opus 4 的 72.5%;Terminal-Bench 得分 43.3%,高于 39.2%[1][6]
- Anthropic 表格中的其他成绩:GPQA Diamond 得分 80.9%,TAU-bench 零售场景得分 82.4%,MMMLU 得分 89.5%,AIME 2025 得分 78.0%[1]
- 客户反馈:GitHub 发现在多文件重构方面有显著提升,乐天(Rakuten)在大型代码库中获得了更精确的修复,“不会做出不必要的调整”,Windsurf 则观察到相较 Opus 4 有一个标准差的提升[1]
- 定价与 Opus 4 相同,每百万输入 token 15 美元、每百万输出 token 75 美元;API ID 为 claude-opus-4-1-20250805[1][6]
基准测试[1]
| 基准测试 | Claude Opus 4.1 | Claude Opus 4 | Claude Sonnet 4 | OpenAI o3 | Gemini 2.5 Pro |
|---|---|---|---|---|---|
| SWE-bench Verified¹(智能体编程) | 74.5% | 72.5% | 72.7% | 69.1% | 67.2% |
| Terminal-Bench²(智能体终端编程) | 43.3% | 39.2% | 35.5% | 30.2% | 25.3% |
| GPQA Diamond(研究生水平推理) | 80.9% | 79.6% | 75.4% | 83.3% | 86.4% |
| TAU-bench(智能体工具使用) | 零售 82.4%,航空 56.0% | 零售 81.4%,航空 59.6% | 零售 80.5%,航空 60.0% | 零售 70.4%,航空 52.0% | — |
| MMMLU³(多语言问答) | 89.5% | 88.8% | 86.5% | 88.8% | — |
| MMMU, validation(视觉推理) | 77.1% | 76.5% | 74.4% | 82.9% | 82% |
| AIME 2025⁴(高中数学竞赛) | 78.0% | 75.5% | 70.5% | 88.9% | 88% |
¹ Opus 4.1、Opus 4 和 Sonnet 4 配合 bash/编辑器工具运行 pass@1,10 次试验平均,单次尝试补丁,不使用测试时计算。² 默认智能体框架(Terminus 1),5 次试验平均。³ Claude 的成绩为 14 种非英语语言的平均值。⁴ 使用核采样(nucleus sampling),top_p 为 0.95。
购买Claude