Model
.ai
vi följer öppna AI-modeller
Claude Opus 4.5

Anthropic | 200,000 token context | $5.00/M input, $25.00/M output. Claude Opus 4.5 är Anthropics avancerade resonemangsmodell optimerad för komplex mjukvaruutveckling, agentiska arbetsflöden och långsiktigt datoranvändande. Den erbjuder starka multimodala kapaciteter, konkurrenskraftig prestanda över verkliga kodnings- och resonemangsbenchmarkar samt förbättrad robusthet mot promptinjektion. Modellen är designad för att arbeta effektivt över varierande ansträngningsnivåer, vilket gör det möjligt för utvecklare att balansera hastighet, djup och tokenanvändning beroende på uppgiftskrav. Den…Anthropic | 200,000 token context | $5.00/M input, $25.00/M output. Claude Opus 4.5 är Anthropics avancerade resonemangsmodell optimerad för komplex mjukvaruutveckling, agentiska arbetsflöden och långsiktigt datoranvändande. Den erbjuder starka multimodala kapaciteter, konkurrenskraftig prestanda över verkliga kodnings- och resonemangsbenchmarkar samt förbättrad robusthet mot promptinjektion. Modellen är designad för att arbeta effektivt över varierande ansträngningsnivåer, vilket gör det möjligt för utvecklare att balansera hastighet, djup och tokenanvändning beroende på uppgiftskrav. Den levereras med en ny parameter för att kontrollera tokeneffektivitet, som kan nås via OpenRouter Verbosity-parameter med nivåerna låg, medium eller hög. Opus 4.5 stödjer avancerad verktygsanvändning, utökad kontexthantering och koordinerade multi-agentuppsättningar, vilket gör den väl lämpad för autonom forskning, felsökning, flerstegsplanering och manipulation av kalkylblad/webbläsare. Den levererar betydande förbättringar i strukturerat resonemang, exekveringspålitlighet och anpassning jämfört med tidigare Opus-generationer, samtidigt som tokenöverhuvud minskas och prestanda förbättras vid långvariga uppgifter.

Guider för denna modell
Alla guider
Claude Opus 4.5 är Anthropics toppmodell byggd för komplex mjukvaruutveckling, agentbaserade arbetsflöden och datoranvändningsuppgifter som sträcker sig över många steg. Den har en kontroll för ordrikedom så att du kan justera tokenanvändningen upp eller ner beroende på om du behöver djup eller snabbhet. Om du kör autonoma agenter, flerstegs felsökningspipelines eller automatisering av webbläsare och kalkylblad är detta Anthropic-modellen för dig.

Känd för

  • Långsiktiga agentuppgifter inklusive webbläsar- och kalkylbladsmanipulation
  • Förbättrat motstånd mot promptinjektion i multi-agentuppsättningar
  • Ordrikedom-parametern låter dig byta tokenkostnad mot svarsdjup
  • Starkt strukturerat resonemang och pålitlig exekvering över kodningsuppgifter
  • 200 000-token kontext för uthålliga, flerdokumentarbetsflöden

Se upp för

  • Output-prissättning på 25,00 USD per miljon tokens gör ordrika körningar snabbt dyra.
  • Endast stängda vikter – ingen lokal driftsättning, ingen offline-användning.
  • Ingen offentlig modellkortsinformation; interna benchmark-siffror är inte oberoende verifierade.

Promptar att prova

Felsök en flerstegs pipeline
Jag har en Python-datapipeline som läser CSV-filer, sammanfogar dem på kund-ID, aggregerar månatliga utgifter och skriver sedan en sammanfattning till en ny fil. Den tappar tyst cirka 15 % av raderna och jag kan inte hitta varför. Här är koden: [klistra in din kod]. Gå igenom varje steg, identifiera var rader sannolikt förloras och föreslå lösningar med förklaringar.
Planera en autonom forskningsagent
Designa ett multi-agent system som övervakar ett antal RSS-flöden för omnämnanden av en konkurrent, extraherar produktannonser, tar bort dubbletter, poängsätter varje efter sannolik marknadspåverkan och postar en veckovis sammanfattning till en Slack-kanal. Specificera agenterna, deras verktyg, hur de överlämnar arbete och var risk för promptinjektion behöver skyddas.
Resonera kring en komplex omstrukturering
Jag behöver omstrukturera en monolitisk Flask-app till en tjänsteorienterad arkitektur. Appen hanterar användarautentisering, orderhantering, lageruppdateringar och e-postnotifikationer, allt i en kodbas med en gemensam databas. Föreslå en fasindelad migrationsplan som håller appen igång hela tiden, identifiera de mest riskfyllda kopplingspunkterna och föreslå hur varje fas kan testas innan övergång.

Jämför med

  • Claude Opus 5.5
    Endast API-modell
    1,000,000 tokens kontext · $4.00/M indata, $20.00/M utdata
  • Claude Sonnet 5.5
    Endast API-modell
    1,000,000 tokens kontext · $2.00/M indata, $10.00/M utdata
  • Claude Sonnet 5
    Endast API-modell
    1,000,000 tokens kontext · $2.00/M indata, $10.00/M utdata
  • Claude Opus 5
    Endast API-modell
    1,000,000 tokens kontext · $5.00/M indata, $25.00/M utdata
Fler textmodeller från anthropic

Vanliga frågor

Kan jag köra Claude Opus 4.5 lokalt?
Nej. Anthropic har inte släppt öppna vikter för denna modell, så det är endast API-åtkomst – ingen lokal driftsättningsväg finns.
Vad kostar den och hur lång är kontexten?
Prissättningen är 5,00 USD per miljon input-tokens och 25,00 USD per miljon output-tokens, med ett kontextfönster på 200 000 tokens.
Hur skiljer sig Opus 4.5 från tidigare Opus-modeller?
Opus 4.5 lägger till en kontroll för ordrikedom för att justera token-effektivitet, förbättrat motstånd mot promptinjektion och bättre prestanda på långvariga agent- och datoranvändningsuppgifter jämfört med tidigare Opus-generationer.
Kaptens omdöme
Rätt verktyg för seriösa agentpipelines, men den höga output-priset på 25 USD kommer att kännas om du inte är noga med ordrikedom-inställningarna.
Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.
Ranking badge
Updated Oct 22, 2026
Claude Opus 4.5 på ModelTrends.ai: Heat 3,695°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Hur denna poäng räknas ihop
Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.
Ordlista: termerna som används här
Heat-poäng
Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet
De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter
Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala
Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden
Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet
Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad
Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder
Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde
Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter
Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token
En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint)
Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding
Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter
Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder
Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost
En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng
Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod)
En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend
Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell
Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.