Anthropic 公司在北京時間 5 月 23 日 0 點 30 分舉辦的活動中，推出了 Claude Opus 4 和 Claude Sonnet 4 新一代語言模型，在結構化推理、軟件工程和自主代理行為等領域實現重大進步。

　　Claude Opus 4 被定位為 Anthropic 迄今最強大的模型，專為處理復雜的推理流程和軟件開發場景設計。

　　測試數據顯示，該模型在 SWE-bench 基準測試(評估模型解決真實 GitHub 問題的能力)中準確率達到 72.5%;在 TerminalBench 測試(在多步驟終端代碼生成任務中驗證模型表現)中準確率為 43.2%。

　　更令人矚目的是，Opus 4 在軟件環境中展現出強大的自主行為，得益于改進的內存管理、更廣泛的上下文保留以及更強大的內部規劃機制，據 Rakuten 測試數據，可連續進行近 7 小時的代碼生成和任務執行，刷新 AI 世界紀錄，遠超前代 Claude 3 Opus(不到 1 小時)。