Claude Opus 4.5
3695°
Anthropic | 200,000 token context | $5.00/M input, $25.00/M output. Claude Opus 4.5 是 Anthropic 的前沿推理模型，针对复杂软件工程、代理工作流和长远计算使用进行了优化。它具备强大的多模态能力，在真实编码和推理基准测试中表现竞争力，并提升了对提示注入的鲁棒性。模型设计支持不同推理强度，允许开发者根据任务需求在速度、深度和token使用间权衡。新增参数用于控制token效率，可通过 OpenRouter 的 Verbosity 参数设置为低、中、高。Opus 4.5 支持高级工具使用、扩展上下文管理和多代理协调，适合自主研究、调试、多步骤规划及电子表格/浏览器操作。相比前代 Opus，显著提升结构化推理、执行可靠性和对齐性，同时降低token开销并改善长时间任务表现。
本模型的指南
开放权重 vs 开源 vs 仅API：你到底能做什么
2026年10月如何选择AI模型：先看闭源新闻，再看值得下载的开源权重
2026年最便宜的10款ChatGPT替代品：免费本地模型、免费套餐和固定费率计划
船长笔记
2026-10-13 的笔记
Claude Opus 4.5 是 Anthropic 面向复杂软件工程、代理工作流和多步骤计算机使用任务的前沿模型。它带有冗长度控制功能，可根据需要调整令牌使用量以平衡深度和速度。如果你运行自主代理、多步骤调试流程或浏览器及电子表格自动化，这就是 Anthropic 针对你的模型。
以……著称
- 长周期代理任务，包括浏览器和电子表格操作
- 在多代理设置中增强对提示注入的抵抗力
- 冗长度参数允许在令牌成本和响应深度之间权衡
- 在编码任务中表现出强大的结构化推理和执行可靠性
- 20 万令牌上下文，支持持续多文档工作流
注意
- 输出价格为每百万令牌 25.00 美元，冗长运行成本迅速增加。
- 仅限闭源权重——无本地部署，无离线使用。
- 未发布公开模型卡，内部基准数据未经独立验证。
推荐尝试的提示词
调试多步骤管道
我有一个 Python 数据管道，读取 CSV 文件，按客户 ID 连接，汇总月度支出，然后写入新文件。它会无声丢弃约 15% 的行，我找不到原因。以下是代码：[粘贴你的代码]。请逐步检查每个阶段，找出可能丢失行的地方，并提出带解释的修复建议。
规划自主研究代理
设计一个多代理系统，监控一组 RSS 订阅，查找竞争对手提及，提取产品公告，去重，按可能的市场影响评分，并每周发布摘要到 Slack 频道。请指定代理、工具、工作交接方式及需防范提示注入风险的环节。
推理复杂重构方案
我需要将一个单体 Flask 应用重构为面向服务的架构。该应用处理用户认证、订单处理、库存更新和邮件通知，所有功能共用一个代码库和数据库。请提出分阶段迁移计划，确保应用持续在线，识别风险最高的耦合点，并建议如何在切换前测试每个阶段。
与……比较
- Claude Opus 5.5仅限API模型1,000,000 令牌上下文 · $4.00/M 输入，$20.00/M 输出
- Claude Sonnet 5.5仅限API模型1,000,000 令牌上下文 · $2.00/M 输入，$10.00/M 输出
- Claude Sonnet 5仅限API模型1,000,000 令牌上下文 · $2.00/M 输入，$10.00/M 输出
- Claude Opus 5仅限API模型1,000,000 令牌上下文 · $5.00/M 输入，$25.00/M 输出
来自 anthropic 的更多文本模型
常见问题
- 我可以本地运行 Claude Opus 4.5 吗？
- 不可以。Anthropic 尚未发布该模型的公开权重，仅通过 API 访问，无本地部署路径。
- 费用是多少，上下文窗口多大？
- 输入费用为每百万令牌 5.00 美元，输出费用为每百万令牌 25.00 美元，上下文窗口为 200,000 令牌。
- Opus 4.5 与早期 Opus 模型有何不同？
- Opus 4.5 增加了冗长度控制以调节令牌效率，提升了对提示注入的抵抗力，并在长时间运行的代理和计算机使用任务中表现更佳，相较于之前的 Opus 版本。
船长评语适合严肃的代理流水线，但 25 美元的输出价格如果不谨慎调整冗长度设置，会让成本迅速攀升。
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
Claude Opus 4.5 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153