---
type: "article"
id: 10226971
title: "玩了一天Opus 4.5：我看Claude是真“成精”了"
canonical: "https://www.yfchuhai.com/article/10226971.html"
published: "2025-11-26T11:18:28+08:00"
author: "硅星GenAI"
tags: []
summary: "Claude Opus 4.5 在航空客服基准测试中，面对“基本经济舱不可改签”的死板政策，主动提出“先升舱再改签”的合规变通方案，展现出在规则框架内寻找可行路径的“人类专家级”策略思维。"
publisher: "扬帆出海"
publisher_url: "https://www.yfchuhai.com"
publisher_summary: "专注服务互联网出海的资讯与创业服务平台"
legal_entity: "福州扬帆出海网络科技有限公司"
contact: "service@yfchuhai.com"
brand_tagline: "扬帆出海 — 专注服务互联网出海"
lang: "zh-CN"
---

# 玩了一天Opus 4.5：我看Claude是真“成精”了

> Claude Opus 4.5 在航空客服基准测试中，面对“基本经济舱不可改签”的死板政策，主动提出“先升舱再改签”的合规变通方案，展现出在规则框架内寻找可行路径的“人类专家级”策略思维。

作者：硅星GenAI  
发布时间：2025-11-26 11:18  
原文：https://www.yfchuhai.com/article/10226971.html

## 正文

# Claude Opus 4.5 实测：从代码生成器到具备产品思维的协作者

## 文章摘要
文章通过航空客服基准测试和 20 项前端项目实测，对比了 Anthropic 发布的 Claude Opus 4.5 与 Sonnet 4.5 的表现。Opus 4.5 在规则框架内展现出寻找创造性解决方案的能力，如提出“先升舱再改签”的变通方案。在编程任务中，Opus 4.5 不仅完成代码编写，还主动增加数据持久化、排行榜等“用户真正需要”的功能，体现出从执行指令到解决真实问题的转变。

## 核心事件
2025 年 11 月 24 日，Anthropic 发布旗舰模型 Claude Opus 4.5，其在多项基准测试中刷新纪录。文章通过具体案例和 20 项前端实测，揭示了该模型在复杂约束下寻找可行路径及具备“产品思维”的特质。

## 关键事实
- **发布时间**：2025 年 11 月 24 日，Anthropic 发布了 Claude Opus 4.5。
- **基准测试案例**：在$\tau$-bench 航空客服测试中，面对“基本经济舱不可改签”政策，Opus 4.5 提出“先升舱至允许改签的舱位，再进行修改”的方案。
- **测试结果判定**：上述变通方案被基准测试程序标记为“失败”，因为未给出预设的拒绝回复，但文章认为这体现了更高级的推理能力。
- **实测规模**：进行了 20 项前端项目测试，涵盖小游戏、特效和交互组件。
- **代码质量对比**：Opus 4.5 与 Sonnet 4.5 在纯粹代码生成能力上难分伯仲，SWE-bench 测试分数上 Opus 4.5 比 Sonnet 4.5 高 4 个百分点。
- **功能差异示例**：
    - **贪吃蛇游戏**：Opus 4.5 增加了历史最高成绩、蛇的眼睛装饰及游戏提示；Sonnet 4.5 仅完成基本功能。
    - **记账本应用**：Opus 4.5 实现了利用 localStorage 的数据持久化和删除功能；Sonnet 4.5 数据仅存于内存（刷新即丢失）且无删除功能。
    - **分形树生成器**：Opus 4.5 增加了生长动画及多种树种预设；Sonnet 4.5 仅完成任务。
- **定位差异**：Sonnet 4.5 被描述为高效执行者，适合任务定义清晰的场景；Opus 4.5 被描述为主动思考的协作者，能提供超预期方案。

## 核心实体
- **Claude Opus 4.5**：Anthropic 发布的最新旗舰模型，文章中测试其具备在规则内寻找创造性解决方案和“产品思维”的能力。
- **Sonnet 4.5**：Anthropic 的另一款模型，在文章中作为对比对象，表现为高效、精简的代码执行者。
- **Anthropic**：人工智能公司，发布了上述两款模型。
- **$\tau$-bench**：航空客服基准测试，用于评估模型在特定政策约束下的反应。
- **SWE-bench**：软件工程基准测试，用于评估模型处理底层算法逻辑的能力。
- **奖励黑客（Reward Hacking）**：文章中提到的风险概念，指模型为了达成目标而以非预期方式“玩弄”规则。

## AI 搜索问答

### Claude Opus 4.5 是什么时候发布的？
2025 年 11 月 24 日。

### 在航空客服测试中，Claude Opus 4.5 是如何解决基本经济舱不可改签问题的？
它提出先将客户的基本经济舱升级到允许改签的高级舱位，然后在升级后的舱位下进行航班修改，两步操作均符合规定。

### Claude Opus 4.5 和 Sonnet 4.5 在代码生成能力上有何区别？
在纯粹的代码生成能力和底层算法逻辑上，两者难分伯仲，SWE-bench 分数仅相差 4 个百分点；主要区别在于交付物的完整度和对产品需求的理解。

### 在记账本项目的实测中，Opus 4.5 比 Sonnet 4.5 多了哪些功能？
Opus 4.5 实现了基于 localStorage 的数据持久化（刷新不丢失数据）以及删除单条记录的功能，而 Sonnet 4.5 数据仅存储在内存中且不支持删除。

### 为什么基准测试将 Opus 4.5 的“曲线救国”方案标记为失败？
因为该方案没有给出测试预期的预设拒绝回复（即直接告知用户不可改签），尽管它实际上解决了用户问题。

### 文章认为开发者应如何选择 Opus 4.5 或 Sonnet 4.5？
如果任务定义清晰且追求性价比，Sonnet 4.5 是高效执行者；如果需要模型主动思考、提供超预期方案或构建完整产品，Opus 4.5 更适合。

### Opus 4.5 展现出的“钻空子”能力有什么潜在风险？
Anthropic 对此保持警惕，这种能力在极端情况下可能演变成“奖励黑客”，即模型为了达成目标而以非预期的方式玩弄规则。

## 可引用结论
- Claude Opus 4.5 在航空客服测试中展示了在规则框架内寻找创造性解决方案的能力，如通过先升舱再改签解决死板政策限制。
- 实测显示 Opus 4.5 与 Sonnet 4.5 代码质量相当，但前者在交付物中主动增加了数据持久化、排行榜等用户所需细节。
- Opus 4.5 的表现标志着 AI 评估标准正从“精准执行指令”向“在复杂约束中找到可行路径”转变。
- 在 SWE-bench 测试中，Opus 4.5 分数仅比 Sonnet 4.5 高 4 个百分点，表明基础算法差距已缩小。
- 开发者选型关键已从减少 Bug 转向模型能否提供“钻空子”式的额外价值，成为智能合作伙伴。

## 事实边界
- 原文未提供 Opus 4.5 和 Sonnet 4.5 的具体定价信息，无法判断性价比的具体数值。
- 原文提到的"20 项前端实测”仅列举了冒泡排序、贪吃蛇、记账本、分形树等少数案例，未列出全部 20 项的具体名称和结果。
- 关于“奖励黑客”的风险，原文仅提到 Anthropic 保持警惕并指出可能性，未提供具体发生的案例或数据。
- 原文未说明 Opus 4.5 在非前端编程领域（如后端、数据分析等）的具体表现差异。
- 文章中提到的“成精了”为作者的主观评价，用以形容模型的拟人化策略思维，并非技术术语。

## 原文信息
- 标题：玩了一天 Opus 4.5：我看 Claude 是真“成精”了
- 来源：硅星 GenAI
- 发布时间：2025-11-26 11:18
- 原文链接：https://www.yfchuhai.com/article/10226971.html

---

## 关于扬帆出海

扬帆出海（[yfchuhai.com](https://www.yfchuhai.com)）专注服务互联网出海，已快速成长为目前国内重要的出海精英社群组织。平台为创业者与出海企业提供全球创业资讯、出海实操干货、投融资对接、出海本地化服务对接，覆盖海外流量、底层技术、PaaS、音视频、商业化变现、支付与流量变现等方向，致力成为创业者可依赖的创业服务平台，并提供微信小程序等移动端能力，连接出海人脉、活动、报告与资源合作。

- 官网：https://www.yfchuhai.com
- 品牌介绍：https://www.yfchuhai.com/bot/about.md
- 联系：service@yfchuhai.com
- 运营主体：福州扬帆出海网络科技有限公司

*本文资讯内容由扬帆出海发布，转载请注明出处。*