Anthropic发布了两款新的大型语言模型Claude Opus 4和Claude Sonnet 4，它们引入了“混合推理”功能，将快速响应与逐步思考相结合。这些模型取代了Claude 3.x系列，保留了200,000个token的上下文窗口，同时提升了安全性和代理能力。

  • 在SWE-bench Verified基准测试中，Opus 4取得了72.5%的准确率，Sonnet 4达到了72.7%，超越了OpenAI的GPT-4.1（54.6%）和Google的Gemini 2.5 Pro（63.2%）。
  • Anthropic报告称，Sonnet 4相比之前的Sonnet 3.7模型，奖励黑客行为减少了多达八倍。
  • 独立基准测试显示，Opus 4在Aider测试中排名第三，准确率为72%，而Lovable报告Sonnet 4的速度提升了40%。
  • 这些模型旨在处理长时间运行的任务，其中Opus 4能够进行数小时的自主编码会话而不丢失上下文。

此次发布旨在显著提升编码、推理和长文本处理能力，同时保持Claude品牌所关联的对话安全标准。