Anthropicは、ソフトウェアエンジニアリング、ツール使用、コンピュータ操作において顕著な能力を持つ最先端の大規模言語モデルであるClaude Opus 4.5のシステムカードを公開した。この文書は、モデルの技術的能力の包括的な評価と、ガードレール、誠実性、エージェントの安全性、アライメントを網羅する広範な安全性評価を提供している。

  • テストにより、SWE-bench、Terminal-Bench、ARC-AGI、WebArenaなどのベンチマークで複数の最先端の能力が特定された。
  • 模型は広範なアライメントについて評価され、同調性、省略による欺瞞、破壊の傾向など、望ましくない行動の発生率が低いことが示された。
  • 安全性評価には、エージェントの悪意ある使用、プロンプトインジェクションのリスク、CBRN（化学、生物、放射線、核）リスクに関する責任あるスケーリングポリシーへの準拠テストが含まれる。
  • システムカードはトレーニングデータの使用方法を明確にし、ARC-AGI-1のスコアが半非公開テストセットを反映するように更新された一方で、モデルはそのデータセットのパブリックな訓練/テスト分割には学習されていないと注記している。

レポートは、Claude Opus 4.5が広範にアライメントされたモデルであり、AI Safety Level 3 Standardの下で展開されたと結論付けている。