Claude Opus 4.5 评测：SWE-bench 80.9%，编程王座又换人了

AI 圈的「一周闭环」

11 月 12 日，OpenAI 发布 GPT-5.1。11 月 18 日，Google 发布 Gemini 3 Pro。11 月 24 日，Anthropic 深夜放出 Claude Opus 4.5。

一周之内，AI 编程王座换了三次。

最后的赢家是 Claude Opus 4.5——SWE-bench Verified 得分 80.9%，成为首个突破 80% 的模型。Aider Polyglot 多语言编程测试 89.4% 编辑准确率，8 种编程语言中 7 种保持领先。

我在发布当天就接入了 API，测了三天。这篇文章讲的是跑分之外的东西：实际项目中的表现、token 效率、以及它到底值不值那个价。

定价：Opus 终于不贵了

先看价格。Opus 4.5 定价：输入 5 美元/百万 token，输出 25 美元/百万 token。

对比 Opus 4.1 的价格（输入 15 美元，输出 75 美元），降了 67%。对比 Claude Sonnet 4.5（输入 3 美元，输出 15 美元），Opus 4.5 贵不到一倍。

Anthropic 终于把 Opus 从"奢侈品"变成了"高端消费品"。Cursor CEO Michael Truell 说得很直白："Opus 4.5 在困难编码任务上的表现明显优于之前的 Claude 模型，定价和智能性都有显著提升。"

实测一：Token 效率

这是 Opus 4.5 最被低估的改进。

同样的编程任务，Opus 4.5 的 token 消耗比 Sonnet 4.5 少了 65%。什么意思？你花 5 美元的输入费，实际产出顶得上 Sonnet 花 15 美元的输入。

我实测了一个场景：重构一个 500 行的 Python 服务模块。

• Sonnet 4.5：输出 3200 token，完成时间 45 秒
• Opus 4.5：输出 1800 token，完成时间 28 秒

代码质量差不多，但 Opus 少了 44% 的 token 消耗。而且 Opus 的输出更"干练"——没有多余的注释，没有防御性冗余。

Anthropic 还新增了"努力"参数（effort parameter），让开发者自己权衡时间和质量。中等努力水平就能匹配 Sonnet 4.5 的最佳成绩，但输出 token 减少 76%。最高努力水平性能超越 Sonnet 4.5 达 4.3 个百分点。

实测二：多文件重构

给 Opus 4.5 一个真实任务：重构一个微服务项目，涉及 3 个仓库、12 个文件。

任务描述：把用户认证逻辑从每个服务里抽出来，统一放到一个 auth 中间件里。

Opus 4.5 的执行过程：

1. 先扫描三个仓库的结构

2. 找到每个服务里重复的认证代码

3. 设计统一的中间件接口

4. 修改 12 个文件，统一调用中间件

5. 更新测试，修复了 3 个因为接口变化导致的测试失败

整个过程大概 4 分钟。如果人工做，至少要半天。

Staff Engineer Paulo Arruda 的评价很到位："Opus 4.5 完成了一次令人印象深刻的重构，跨越两个代码库和三个协调的 Agent。非常彻底，帮助制定了稳健的计划，处理了细节并修复了测试。比 Sonnet 4.5 明显进步。"

实测三：模糊需求处理

Opus 4.5 最大的能力跃迁，不在跑分上。

在"处理模糊需求"这件事上，它和之前的模型有质的区别。

我故意给了一个模糊的需求："用户反馈登录太慢，帮我优化一下。"

之前的模型（包括 Sonnet 4.5）会直接开始改代码——加缓存、改查询、加索引。但 Opus 4.5 先问了我三个问题：

1. 登录慢是在哪个环节？是数据库查询慢还是 API 响应慢？

2. 你有没有监控数据可以给我看一下？

3. 用户量级大概多少？

问完这三个问题之后，它才给出了优化方案。而且方案里包含了"先加监控埋点，确认瓶颈再优化"的建议——这是有经验的工程师才会想到的事。

Anthropic 测试团队的评价是："Opus 4.5 能够处理模糊信息并在没有手把手指导的情况下权衡利弊。"说得没错。

缺点和注意事项

缺点 1：复杂任务偶尔"想太多"

遇到简单但多步骤的任务，Opus 4.5 有时候会过度规划。明明可以 3 步搞定的，它给你规划 7 步。这是"努力"参数调太高了——中等努力就够。

缺点 2：和 Cursor 的集成还在磨合

在 Cursor 里用 Opus 4.5，偶尔会出现响应格式不兼容的情况。Cursor 团队已经在修了，但现阶段偶尔会遇到。

缺点 3：中文场景不如英文

Opus 4.5 的中文能力比 Sonnet 4.5 有提升，但和 DeepSeek V3.2 比还是有差距。如果是纯中文项目，DeepSeek 仍然是更好的选择。

该升级吗？

• **从 Opus 4.1 升级**：必须升。价格降了 67%，能力提升了，没有理由不升。
• **从 Sonnet 4.5 升级**：如果日常处理复杂任务，建议升。如果只是简单补全，Sonnet 够用。
• **从 GPT-5.1 切换**：如果你的核心场景是编程，建议切。Opus 4.5 在编程上的优势是明显的。

---

#Claude #Opus45 #Anthropic #AI编程 #SWEbench