Anthropic发布了Claude Opus 4.5的系统卡片，这是一款前沿的大型语言模型，在软件工程、工具使用和计算机使用方面具有显著能力。该文件提供了对模型技术能力的全面评估，以及涵盖保障措施、诚实性、代理安全性和对齐的广泛安全评估。

  • 测试在多个基准测试中确定了多项最先进的能力，包括SWE-bench、Terminal-Bench、ARC-AGI和WebArena。
  • 对该模型进行了广泛对齐评估，显示出较低的 undesirable behavior（不良行为）率，如阿谀奉承、隐瞒欺骗和破坏倾向。
  • 安全评估包括对代理恶意使用、提示注入风险以及关于CBRN（化学、生物、放射性和核）风险的负责任扩展政策的合规性测试。
  • 系统卡片澄清了训练数据的使用情况，指出虽然ARC-AGI-1的分数已更新以反映半私有测试集，但该模型并未在该数据集的公开训练/测试划分上进行训练。

报告得出结论，Claude Opus 4.5是一个广泛良好对齐的模型，并已根据AI安全级别3标准部署。