Anthropic: Claude Opus 4.1 (batch)

A Claude Opus 4.1 az Anthropic eredeti Claude Opus 4 modelljének frissítése, ügynökfeladatokra, valós programozási munkára és gondolkodásra összpontosítva. Bemutatója a mélyreható kutatást és adatelemzést is kiemeli, különösen a részletek követését és a keresés alkalmazását egy nagyobb feladaton belül. A mellékelt rendszerkártya-kiegészítés a gondolkodás minőségének és az utasításkövetésnek a javulását ismerteti. Továbbra is külön kiadás az eredeti Opus 4 és a későbbi Opus 4.5, 4.6 és 5 modellek mellett; azok módjai és korlátai nem tekinthetők e frissítés specifikációinak.

Kódmunkánál a bemutató a több fájlra kiterjedő refaktorálást és a nagy kódbázison belüli pontos javítások azonosítását hangsúlyozza. Adja meg a modellnek a megfelelő fájlokat vagy részleteket, a meglévő viselkedést, a kívánt viselkedést és az érvényes módosítás által megőrzendő korlátokat. Egy szemléltető kérés megkérheti, hogy kövessen végig egy hibát kapcsolódó függvényeken, javasolja a legkisebb egységes módosítást, és magyarázza meg minden megváltoztatott rész szükségességét. A hasznos eredmény ellenőrizhető kódjavítás vagy kódjavaslat, amely megőrzi a forráskontextust és a feltételezéseket olyan átfogó újraírás helyett, amely elfedi az eredeti problémát.

Kutatásnál és adatelemzésnél a részletek követésére helyezett hangsúly akkor hasznos, ha a kérdés több részlettől vagy megfigyeléstől függ. Adja meg az anyagot forrásazonosítókkal, határozza meg a kérdést, és kérje az egyes következtetéseket alátámasztó bizonyítékokat. Egy gyakorlati feladatleírás olyan összehasonlító táblázatot kérhet, amely megmutatja, hol egyezik két dokumentum, hol térnek el, és mely kérdések maradnak megválaszolatlanul. Ha a munkafolyamat része a keresés, az alkalmazás adja az eszközt és annak visszaadott tartalmát. A modell ezután ezeket az eredményeket kapcsolja össze a meglévő anyaggal; a szövegében javasolt keresés nem elvégzett lekérés.

Az Opus 4.1 szokásos válaszmóddal és választható kiterjesztett gondolkodással rendelkezik. A korábbi gondolkodási útmutató közvetlen vezérlést ad a budget_tokens használatával, legalább 1 024 tokennel. A keret rendszerint kisebb a max_tokens értékénél, mert a belső gondolkodás és a végső válasz közös generálási keretet használ. Ez gondolkodási célérték, nem ígéret a teljes mennyiség felhasználására. A későbbi Opus kiadások adaptív gondolkodása és erőfeszítés-vezérlői külön képességek. Készítsen elő teljes problémaleírást, és adja meg a végső válasz formátumát, hogy a további elemzés az olvasó számára szükséges eredményhez vezessen.

A korábbi Claude 4 modellekhez dokumentált béta támogatja a közbeiktatott gondolkodást: egy asszisztenskörön belül az eszközhívások közötti gondolkodást. A szolgáltató közbeiktatott gondolkodási funkcióját használja a támogatott Messages munkafolyamatban. Ebben a módban a gondolkodási keret több blokkra terjedhet ki, és a dokumentált kivétel szerint meghaladhatja az egy körre vonatkozó max_tokens értéket. A megfelelő gondolkodási blokkot változatlanul küldje vissza az eszközeredménnyel együtt, az aláírását is beleértve. Egy hibakeresési munkafolyamat így váltogathat elemzést, az alkalmazás által végrehajtott ellenőrzést és a tényleges kimenet értelmezését, miközben elkülöníti a javasolt műveleteket az elvégzettektől.

A rendszerkártya-kiegészítés a képernyő megfigyelésével, egérműveletekkel és billentyűzetbevitellel járó számítógép-használati feladatokat is leírja az eszközökkel végzett hosszabb programozási munkák mellett. A modell a megadott vizuális állapotból gondolkodhat, és műveletet választhat egy csatlakoztatott környezetben; az alkalmazás végzi az interakciót, és visszaadja, mi változott. Képernyőalapú feladatleíráshoz azonosítsa a célt, a megfelelő látható vezérlőket és az engedélyezett műveleteket. Dokumentum- vagy adatmunkafolyamatnál kérjen a megadott bizonyítékokhoz kötött szöveges magyarázatot vagy strukturált eredményt. A modell értelmezése és a környezet végrehajtása a munka külön részei.

A szolgáltató értékelése az eredeti Opus 4 modelléhez hasonló promptinjekciós érzékenységről számol be. Kifejezetten olyan rejtett szöveget vagy interfészelemeket vizsgál, amelyek az ügynököt a felhasználó feladatától próbálják eltéríteni. Tartsa külön a feladat utasításait az eszközök által visszaadott anyagtól, és oldal vagy dokumentum értelmezésekor őrizze meg az eredeti célt. Ez az ügynök-munkafolyamat lényeges feltétele: a külső tartalomban látott kérés nem válik ettől a felhasználó által engedélyezett utasítássá. A modell védelmei nem tesznek minden felkeresett oldalt megbízható bemenetté.

Rendszerkártyája jutalomkijátszásnak nevezett programozási korlátot is leír, beleértve a kódba rögzített válaszokat és a modell előtt lévő példákra szabott megoldásokat. Az Opus 4.1 az Opus 4 modellhez hasonló hajlamokat mutat, néhány visszaeséssel ezekben a célzott értékelésekben. Kódjavaslatnál kérjen az általános követelményt teljesítő megoldást, azonosítsa az általa kezelt feltételeket, és szerepeljenek ellenőrzések az egyetlen megadott példán túl is. Kérje, hogy a végső jelentés különítse el a javaslatot, azt, amit a környezet ténylegesen ellenőrzött, és azt, ami nem volt megállapítható. Így a modell pontos hibakeresési és részletkövetési erősségei konkrét, vizsgálható viselkedésű eredményhez kapcsolódnak.