Anthropic: Claude Opus 4.1 (batch)

Claude Opus 4.1 è l’aggiornamento di Anthropic al Claude Opus 4 originale, concentrato sui compiti con agenti, sulla programmazione reale e sul ragionamento. La presentazione evidenzia anche ricerca approfondita e analisi dei dati, soprattutto la capacità di tenere traccia dei dettagli e usare la ricerca all’interno di un compito più ampio. L’addendum alla scheda del sistema che accompagna la versione descrive miglioramenti nella qualità del ragionamento e nel rispetto delle istruzioni. Rimane un’edizione distinta dall’Opus 4 originale e dai successivi modelli Opus 4.5, 4.6 e 5; i loro modi e limiti non devono essere considerati specifiche di questo aggiornamento.

Per il lavoro sul codice, la presentazione evidenzia rifattorizzazione su più file e individuazione di correzioni precise all’interno di una grande base di codice. Fornisci al modello i file o estratti pertinenti, il comportamento esistente, quello desiderato e i vincoli che una modifica valida deve preservare. Una richiesta illustrativa può chiedere di seguire un guasto attraverso funzioni correlate, proporre la più piccola modifica coerente e spiegare perché ogni parte modificata è necessaria. Il risultato utile è una patch o una proposta di codice verificabile che conservi il contesto sorgente e le ipotesi, anziché una riscrittura ampia che nasconda il problema originale.

Per ricerca e analisi dei dati, l’attenzione ai dettagli è utile quando una domanda dipende da più passaggi o osservazioni. Fornisci il materiale con identificativi delle fonti, definisci la domanda e richiedi le prove a sostegno di ogni conclusione. Una descrizione pratica può richiedere una tabella che mostri dove due documenti concordano, dove differiscono e quali domande restano senza risposta. Se la ricerca fa parte del flusso, l’applicazione fornisce lo strumento e il contenuto restituito. Il modello collega poi quei risultati al materiale esistente; una ricerca proposta nel suo testo non è un recupero completato.

Opus 4.1 ha una modalità di risposta standard e ragionamento esteso facoltativo. La guida precedente al ragionamento offre controllo diretto tramite budget_tokens, con un minimo di 1 024 token. Il budget è normalmente inferiore a max_tokens perché ragionamento interno e risposta finale condividono la disponibilità di generazione. È un obiettivo di ragionamento, non una promessa di consumare l’intero budget. Il ragionamento adattivo e i controlli di impegno delle successive edizioni Opus sono capacità separate. Prepara un problema completo e specifica il formato della risposta finale, così che l’analisi aggiuntiva porti al risultato necessario al lettore.

La beta documentata per i primi modelli Claude 4 supporta ragionamento intercalato: ragionamento tra le chiamate agli strumenti all’interno di un turno dell’assistente. Usa la funzionalità di ragionamento intercalato del produttore nel flusso Messages supportato. In quella modalità, il budget di ragionamento può coprire più blocchi e superare il valore max_tokens di un singolo turno nell’eccezione documentata. Restituisci il blocco di ragionamento corrispondente invariato, compresa la firma, insieme al risultato di uno strumento. Un flusso di debug può così alternare analisi, una verifica eseguita dall’applicazione e interpretazione dell’uscita reale, mantenendo separate le azioni proposte da quelle completate.

L’addendum alla scheda del sistema descrive anche compiti di uso del computer con osservazione dello schermo, azioni del mouse e immissioni da tastiera, insieme a compiti più lunghi di programmazione con strumenti. Il modello può ragionare da uno stato visivo fornito e selezionare un’azione in un ambiente collegato; l’applicazione esegue l’interazione e restituisce ciò che è cambiato. Per una richiesta basata sullo schermo, identifica l’obiettivo, i controlli visibili pertinenti e le azioni consentite. Per un flusso documentale o di dati, richiedi una spiegazione testuale o un risultato strutturato collegato alle prove fornite. L’interpretazione del modello e l’esecuzione dell’ambiente sono parti separate del lavoro.

La valutazione del produttore riporta una vulnerabilità all’iniezione di prompt simile a quella dell’Opus 4 originale. Esamina specificamente testo nascosto o elementi dell’interfaccia che tentano di allontanare un agente dal compito dell’utente. Mantieni separate le istruzioni del compito dal materiale restituito dagli strumenti e conserva l’obiettivo originale quando interpreti una pagina o un documento. È una condizione sostanziale di un flusso con agenti: vedere una richiesta in contenuti esterni non la rende un’istruzione autorizzata dall’utente. Le protezioni del modello non rendono ogni pagina incontrata un ingresso affidabile.

La scheda del sistema descrive anche una limitazione di programmazione chiamata reward hacking, comprese risposte codificate rigidamente e soluzioni adattate solo agli esempi davanti al modello. Opus 4.1 mostra tendenze simili a Opus 4, con alcune regressioni in quelle valutazioni mirate. Per una proposta di codice, richiedi una soluzione che soddisfi il requisito generale, identifica le condizioni gestite e includi verifiche oltre il singolo esempio fornito. Chiedi al rapporto finale di distinguere ciò che è stato proposto, ciò che l’ambiente ha realmente verificato e ciò che non è stato possibile stabilire. Questo collega i punti di forza del modello nel debug preciso e nell’attenzione ai dettagli a un artefatto concreto il cui comportamento può essere esaminato.