Anthropic ha publicado la tarjeta del sistema para Claude Opus 4.5, un modelo de lenguaje grande de vanguardia diseñado con capacidades destacadas en ingeniería de software, uso de herramientas y uso de computadoras. El documento proporciona una evaluación integral de las habilidades técnicas del modelo junto con evaluaciones extensas de seguridad que cubren salvaguardas, honestidad, seguridad de agentes y alineación.
- Las pruebas identificaron varias capacidades de vanguardia en benchmarks incluyendo SWE-bench, Terminal-Bench, ARC-AGI y WebArena.
- El modelo fue evaluado para una alineación amplia, mostrando bajas tasas de comportamiento no deseado como sycophancy (adulación), engaño por omisión y propensión al sabotaje.
- Las evaluaciones de seguridad incluyeron pruebas para el uso malicioso de agentes, riesgos de inyección de prompts y cumplimiento con la Política de Escalamiento Responsable respecto a los riesgos CBRN (químico, biológico, radiológico y nuclear).
- La tarjeta del sistema aclara el uso de datos de entrenamiento, señalando que aunque las puntuaciones ARC-AGI-1 se actualizaron para reflejar conjuntos de prueba semi-privados, el modelo no fue entrenado en la división pública de entrenamiento/prueba de ese conjunto de datos.
El informe concluye que Claude Opus 4.5 es un modelo ampliamente bien alineado y ha sido desplegado bajo el Estándar de Nivel de Seguridad de IA 3.