Claude Opus 4.5來了：谷歌把Anthropic逼到了墻角

上周，Google實在是太猛了，拳打OpenAI，腳踢Anthropic。Gemini 3 Pro模型在編程、數(shù)學、推理等能力上都達到了當之無愧的SOTA級別。

被逼到墻角之后，就看誰先有能力掀桌坐不住了。

于是，就在今天，Anthropic發(fā)布了Claude Opus 4.5。

Opus 4.5的核心還是聚焦在編程能力，可以說很炸裂：SWE-bench Verified達到80.9%，首次突破80%，超越Gemini 3 Pro的76.2%。

以及，很少見的是，他們甚至降價了！價格從之前的貴得離譜的$15/$75直接降到$5/$25 per million tokens，直降66%！！

Opus 4.5的發(fā)布，說明Anthropic是真的急了——或者說，終于認真了。

Opus 4.5到底有多強？

先說benchmark數(shù)據(jù)。

SWE-bench Verified：80.9%

這是業(yè)界公認的編程能力測試標準。Opus 4.5是第一個突破80%的模型。

對比一下：

- Gemini 3 Pro：76.2%

- Claude Sonnet 4.5：77.2%

- GPT-5.1：76.3%/77.9%

80.9%是什么概念？Anthropic內(nèi)部拿性能工程師的面試題測試，Opus 4.5的得分超過了所有人類候選人。

Terminal-bench 2.0：59.3%

這個測試主要看模型在終端環(huán)境下的編程能力。Opus 4.5比Gemini 3 Pro高了5個百分點（54.2%），比自家的Sonnet 4.5高了近10個百分點（50.0%）。

這個差距說明一個事實：Claude在真實開發(fā)環(huán)境下，就是比其他模型強。

GPQA Diamond：87.0%

這是研究生級別的推理測試，涵蓋物理、化學、生物。Opus 4.5在這個測試上落后于Gemini 3 Pro（91.9%），但87%的成績也不差。

總結(jié)一下：編程能力世界第一，推理能力也不弱。

價格策略的巨大轉(zhuǎn)變

Opus 4.5最讓人意外的，是在性能提升的同時，價格還暴降了。

新定價：

- 輸入：$5 / million tokens

- 輸出：$25 / million tokens

Anthropic的官方說法是："making Opus-level capabilities accessible to even more users, teams, and enterprises"（讓更多用戶、團隊和企業(yè)能用上Opus級別的能力）。

邏輯很明顯：Anthropic需要更多人用Opus。

之前Opus的定位是"高端用戶"，但高端市場就那么大。現(xiàn)在降價，是要搶占"中端市場"——那些之前用Sonnet，但其實需要更強能力的開發(fā)者。

不到一周，正面交鋒

11月18日，Google發(fā)布Gemini 3 Pro。

11月24日，Anthropic發(fā)布Claude Opus 4.5。

不到一周，兩個頂級模型連續(xù)發(fā)布。

這不是巧合。

Gemini 3 Pro發(fā)布時，各種benchmark數(shù)據(jù)都很炸裂，尤其是GPQA Diamond的91.9%，直接刷新了推理能力的記錄。當時AI圈的共識是：Google這次真的起來了。

Anthropic當然不會讓Google獨占風頭。

Opus 4.5的發(fā)布時機，明顯是沖著Gemini 3來的。而且，Anthropic選擇的戰(zhàn)場很聰明：不和你比推理，和你比編程。

Gemini 3 Pro在推理上確實強（91.9% vs 87.0%），但在編程上，Claude Opus 4.5領先了近5個百分點（80.9% vs 76.2%）。

更關鍵的是，編程能力是開發(fā)者最關心的指標。推理能力再強，如果寫不出好代碼，開發(fā)者也不會買單。

這就是Anthropic的策略：在自己最擅長的領域，做到絕對領先。

為什么Anthropic能在編程上這么強？

之前我在測試Claude Code時，有個很深的感受：

Claude Code好用的邏輯，不是因為它是終端工具，而是因為Anthropic有模型成本和模型認知的優(yōu)勢。

他們可以更無所畏懼地投喂代碼上下文燒token，能知道如何擠壓模型Agentic的能力實現(xiàn)更長步驟的推理，可以用agentic search而非RAG的方式處理上下文。

這些優(yōu)勢，說白了就一個原因：Anthropic從一開始就是奔著編程和Agent去優(yōu)化模型的。

我之前評價Claude 4時說：最強編程模型 + 最強Agent基建。

Anthropic對模型的所有優(yōu)化，都是奔著To B做AI coding和讓開發(fā)者建agent而去的。他們主要做了這幾個方面的優(yōu)化：

1. 擴展思維與工具使用：允許模型在思考和使用工具之間來回切換，形成"思考-執(zhí)行-再思考"的循環(huán)

2. 改進的記憶能力：可以創(chuàng)建和維護"記憶文件"來存儲關鍵信息，支持長時間任務

3. 更強的指令遵循能力：可以處理超過10000個token的系統(tǒng)提示

4. 減少獎勵黑客行為：模型為了達到目標而走捷徑的傾向降低了80%以上

這些優(yōu)化，放在Opus 4.5上，效果更明顯了。

相比之下，Gemini 3的優(yōu)勢在于多模態(tài)。如果你的任務涉及視覺、圖片、視頻，Gemini 3會更強。但如果是純編程任務，Claude Opus 4.5幾乎沒有對手。

產(chǎn)品層面的配合

Opus 4.5的發(fā)布，不是孤立的。

Anthropic同時推出了幾個重要的產(chǎn)品更新：

1. Claude Code進入桌面端：支持并行運行多個本地和遠程會話，長對話自動總結(jié)早期上下文

2. Claude for Chrome：擴展至所有Max用戶

3. Claude for Excel：面向所有Max、Team和Enterprise用戶正式發(fā)布

這些產(chǎn)品更新，都是在強化一個信號：Claude不只是一個聊天模型，它是一個生產(chǎn)力工具。

尤其是Claude Code。

我之前說過，從工具層面來說，從Cursor這種IDE圖形界面退回到Claude Code這種終端命令行工具，其實是個挺大的退步。但Claude Code之所以還是比Cursor好用，就是因為它背后的模型能力太強了。

現(xiàn)在Opus 4.5出來了，Claude Code的優(yōu)勢會更明顯。

而且，Anthropic還宣布了和Microsoft、NVIDIA的戰(zhàn)略合作：Claude擴展至Azure平臺，由NVIDIA提供算力支持。這意味著，Claude的To B布局在快速推進。

開發(fā)者該怎么選？

最后說點實際的：如果你是開發(fā)者，該選Claude還是Gemini？

我的建議是：

選Claude Opus 4.5，如果你的任務主要是：

• 純代碼編寫和調(diào)試

• 后端邏輯和復雜推理

• 長時間的編程任務（需要記憶和上下文管理）

選Gemini 3 Pro，如果你的任務主要是：

• 多模態(tài)任務（涉及圖片、視頻、視覺）

• 前端、UI設計

• 需要超強推理能力的研究級任務 如果預算夠，最好的辦法是：兩個都用。

Claude處理編程，Gemini處理多模態(tài)。各取所長。

我前兩天剛剛同時用Claude Code+Gemini 3 Pro，開發(fā)了一個有儀式感地記錄日常生活和靈感碎片的app「小票筆記 - Thermal」，在開發(fā)這款app時，我的工作步驟和體驗是：

1）Gemini 3在生成和復刻前端效果上明顯表現(xiàn)更優(yōu)

2）實際的開發(fā)和解決bug的過程，Claude Code還是比Cursor + Gemini 3 Pro，或者使用Antigravity的體驗，因為長程的編程能力還需要工具更好的工程化能力，以及模型更底層的編程能力。

最后

Opus 4.5的發(fā)布，不是孤立事件。

它是Anthropic在編程和Agent這條路上的又一次發(fā)力，是對Gemini 3的正面回應，也是對自己商業(yè)化策略的調(diào)整。

Anthropic這么跳，說明AI大模型的競爭進入白熱化了。

對開發(fā)者來說，這是好事。模型越來越強，價格越來越低，工具越來越好用。

接下來，看OpenAI怎么接招。

當然，如果你因為訂閱或者網(wǎng)絡問題不方便使用原版Claude Code的話，也歡迎試試我前段時間開發(fā)的GLM Code：