Anthropic: Claude Opus 4.1 (batch)

Claude Opus 4.1 är Anthropics uppdatering av den ursprungliga Claude Opus 4, med fokus på agentuppgifter, praktiskt kodningsarbete och resonemang. Lanseringsmaterialet framhåller även fördjupad forskning och dataanalys, särskilt att hålla reda på detaljer och använda sökning inom en större uppgift. Det tillhörande tillägget till systemkortet beskriver förbättringar i resonemangskvalitet och instruktionsföljning. Den förblir en separat utgåva från den ursprungliga Opus 4 och de senare modellerna Opus 4.5, 4.6 och 5; deras lägen och gränser ska inte behandlas som specifikationer för denna uppdatering.

För kodarbete framhåller lanseringsmaterialet refaktorering över flera filer och förmågan att identifiera precisa korrigeringar i en stor kodbas. Ge modellen relevanta filer eller utdrag, befintligt beteende, önskat beteende och de begränsningar som en giltig ändring måste bevara. En illustrativ begäran kan be den spåra ett fel över sammanhängande funktioner, föreslå den minsta sammanhängande ändringen och förklara varför varje ändrad del behövs. Det användbara resultatet är en granskningsbar korrigering eller ett kodförslag där källsammanhang och antaganden bevaras, snarare än en bred omskrivning som döljer det ursprungliga problemet.

För forskning och dataanalys är modellens fokus på detaljer användbart när en fråga beror på flera textavsnitt eller observationer. Tillhandahåll materialet med källidentifierare, definiera frågan och begär underlaget som stöder varje slutsats. Ett praktiskt underlag kan begära en jämförelsetabell som visar var två dokument är överens, var de skiljer sig och vilka frågor som förblir obesvarade. Om sökning ingår i arbetsflödet tillhandahåller applikationen verktyget och det returnerade innehållet. Modellen knyter sedan dessa resultat till befintligt material; ett föreslaget sökande i texten är inte en genomförd hämtning.

Opus 4.1 har ett standardsvarsläge och valfritt utökat resonemang. Den äldre resonemangsguiden ger direkt kontroll genom budget_tokens, med ett minimum på 1 024 token. Budgeten är normalt lägre än max_tokens eftersom internt resonemang och slutsvaret delar på genereringsutrymmet. Den är ett mål för resonemang, inte ett löfte om att förbruka hela mängden. Adaptivt resonemang och effort-kontrollerna i senare Opus-utgåvor är separata förmågor. Förbered ett fullständigt problem och ange slutsvarets format så att den extra analysen leder till det resultat läsaren behöver.

Den dokumenterade beta-funktionen för tidigare Claude 4-modeller stöder sammanflätat resonemang: resonemang mellan verktygsanrop inom samma assistenttur. Den använder tillverkarens funktion interleaved-thinking i det Messages-arbetsflöde som stöds. I detta läge kan resonemangsbudgeten sträcka sig över flera block och överskrida max_tokens-värdet för en enskild tur enligt det dokumenterade undantaget. Returnera det tillhörande resonemangsblocket utan ändringar tillsammans med ett verktygsresultat, inklusive dess signatur. Ett felsökningsflöde kan därmed växla mellan analys, en kontroll utförd av applikationen och tolkning av faktiska utdata, samtidigt som föreslagna åtgärder hålls åtskilda från utförda.

Tillägget till systemkortet beskriver även datoranvändningsuppgifter med observation av en skärm, musåtgärder och tangentbordsinmatning, tillsammans med längre kodningsuppgifter med verktyg. Modellen kan resonera utifrån ett tillhandahållet visuellt tillstånd och välja en åtgärd i en ansluten miljö; applikationen utför interaktionen och returnerar det som ändrats. För ett skärmbaserat underlag identifierar du målet, relevanta synliga kontroller och tillåtna åtgärder. För ett dokument- eller dataflöde begär du en textförklaring eller ett strukturerat resultat knutet till det tillhandahållna underlaget. Modellens tolkning och miljöns utförande är separata delar av arbetet.

Tillverkarens bedömning rapporterar en känslighet för promptinjektion som liknar den ursprungliga Opus 4-modellens. Den undersöker särskilt dold text eller gränssnittselement som försöker styra en agent bort från användarens uppgift. Håll uppgiftens instruktioner åtskilda från material som returneras av verktyg och bevara det ursprungliga målet när en sida eller ett dokument tolkas. Detta är ett väsentligt villkor för ett agentarbetsflöde: att se en begäran i externt innehåll gör den inte till en instruktion som användaren har godkänt. Modellens skydd gör inte varje påträffad sida till betrodda indata.

Dess systemkort beskriver också en kodningsbegränsning som kallas reward hacking, bland annat hårdkodade svar och lösningar anpassade enbart till exemplen framför modellen. Opus 4.1 uppvisar tendenser som liknar Opus 4, med vissa försämringar i dessa fokuserade bedömningar. För ett kodförslag begär du en lösning som uppfyller det allmänna kravet, identifierar vilka villkor den hanterar och omfattar kontroller utöver det enda tillhandahållna exemplet. Be slutrapporten skilja mellan det som föreslogs, det som miljön faktiskt kontrollerade och det som inte kunde fastställas. Det knyter modellens styrkor inom precis felsökning och detaljspårning till en konkret artefakt vars beteende kan granskas.