Claude 4.1 Opus发布，编程能力再进化，“更大改进”还在后面？

全文概述

Anthropic发布了Claude 4.1 Opus，显著提升了编程、智能体任务和推理能力。新模型在编程基准测试中表现优异，尤其在SWE-bench Verified和Terminal-Bench中超越了竞争对手。此次发布旨在强化AI编程市场的护城河，并为即将到来的竞争做准备。

编程能力提升

Claude 4.1 Opus在软件工程基准测试SWE-bench Verified中得分74.5%，相比前代提升了2个百分点，超过OpenAI的o3模型和谷歌Gemini 2.5 Pro。在代理终端编程测试Terminal-Bench中，得分43.3%，比前代提高了4.1个百分点，远超竞争对手。

智能体任务改进

新模型增强了执行复杂任务的智能体能力，在多文件代码重构等复杂任务上表现出色。日本电商巨头乐天集团反馈称，新模型能精准定位并修正问题，避免引入新的错误，极大提升了调试效率。

推理能力保持稳定

尽管在编程领域取得了显著进展，Claude 4.1 Opus在研究生水平推理能力GPQA Diamond测试中的表现与前代持平，落后于Gemini 2.5 Pro和OpenAI o3。这表明其改进主要集中在编程领域。

商业表现及未来计划

Anthropic年化经常性收入从10亿美元增至接近50亿美元，驱动增长的核心是其在AI编程领域的技术壁垒。公司正在进行一轮高达50亿美元的融资，计划在未来几周内发布更大幅度的模型改进，以应对即将到来的GPT-5竞争。