Не установлено по доступным источникам.
ANTHROPIC · ТРЕКЕР МОДЕЛИ
Claude Opus 4.5
Claude Opus 4.5 — конкретная модель семейства Opus от Anthropic. Компания уведомила клиентов API, что начнёт добавлять текстовый водяной знак в Claude Opus 4.5 с 16 ноября 2026 года; водяной знак, как сообщается, действует только при использовании параметров сэмплинга (temperature, top_p, top_k) по умолчанию, а развёртывание на Amazon Bedrock может занять несколько дополнительных дней.ТЕКУЩИЙ СНИМОК3/5 РАЗДЕЛОВ С ДАННЫМИ
Главные характеристики в одном месте.
Не установлено по доступным источникам.
Визуальная/мультимодальная способность (участие в бенчмарке на основе фотографий)Claude Opus 4.5 участвовала в бенчмарке, где модели сравнивают фотографии сборки мебели IKEA с инструкциями и определяют ошибки, что указывает на визуальные/мультимодальные способности модели.
Включена в публичный релиз оценок AISI/EvalEvalРезультаты оценки Claude Opus 4.5 были включены в публичный релиз (Evaluation Cards) UK AI Security Institute (AISI) / EvalEval, сопроводительный к статье «How Inference Compute Shapes Frontier LLM Evaluation», охватывающий пять бенчмарков.
Результат на бенчмарке Furniture Assembly Benchmark (FAB) (ноябрь 2025)В ноябре 2025 года Claude Opus 4.5 набрала 28% на бенчмарке Furniture Assembly Benchmark (FAB); в тот момент она была отмечена как лучшая модель на этом бенчмарке.
Pass@1 (по сравнению с ReAct)При использовании Claude Opus 4.5 значение Pass@1 остаётся сопоставимым с ReAct.
Точность LLM-judge на LoCoMo (оценка QEMem)В рамках QEMem с использованием Claude Opus 4.5 достигнута точность 91.43% по LLM-judge на LoCoMo, что на 7.6 процентных пункта выше, чем у сильнейшего оценённого базового метода (MemR^3), и на 10.7 пункта выше, чем у NEMORI при общем хранилище памяти.
Включена в бенчмарк оценки новизны AI2 «Old Ideas, Novel Problems»Claude Opus 4.5 была одной из шести LLM, оценённых в исследовании и бенчмарке AI2 «Old Ideas, Novel Problems».
Время развёртывания на Amazon BedrockAnthropic предупредила, что развёртывание водяного знака на Amazon Bedrock может занять несколько дополнительных дней по сравнению с указанной датой.
ПРОВЕРЯЕМЫЕ ФАКТЫ
Каждое значение привязано к источнику и дате.
БЕНЧМАРКИ · Включена в публичный релиз оценок AISI/EvalEvalДАННЫЕ РАЗРАБОТЧИКА
Результаты оценки Claude Opus 4.5 были включены в публичный релиз (Evaluation Cards) UK AI Security Institute (AISI) / EvalEval, сопроводительный к статье «How Inference Compute Shapes Frontier LLM Evaluation», охватывающий пять бенчмарков.
БЕНЧМАРКИ · Результат на бенчмарке Furniture Assembly Benchmark (FAB) (ноябрь 2025)ДАННЫЕ РАЗРАБОТЧИКА
В ноябре 2025 года Claude Opus 4.5 набрала 28% на бенчмарке Furniture Assembly Benchmark (FAB); в тот момент она была отмечена как лучшая модель на этом бенчмарке.
МОДАЛЬНОСТИ · Визуальная/мультимодальная способность (участие в бенчмарке на основе фотографий)ДАННЫЕ РАЗРАБОТЧИКА
Claude Opus 4.5 участвовала в бенчмарке, где модели сравнивают фотографии сборки мебели IKEA с инструкциями и определяют ошибки, что указывает на визуальные/мультимодальные способности модели.
БЕНЧМАРКИ · Pass@1 (по сравнению с ReAct)НЕЗАВИСИМО ПОДТВЕРЖДЕНО
При использовании Claude Opus 4.5 значение Pass@1 остаётся сопоставимым с ReAct.
ВОЗМОЖНОСТИ · Траектории с более полным подтверждением и соблюдением ограниченийНЕЗАВИСИМО ПОДТВЕРЖДЕНО
При использовании Claude Opus 4.5 DeReAct генерирует более полно подтверждённые и удовлетворяющие ограничениям траектории.
ОГРАНИЧЕНИЯ · Торговля в управлении завершением задачиНЕЗАВИСИМО ПОДТВЕРЖДЕНО
Контроль завершения задачи может приводить к более раннему завершению ради более сильного обоснования при использовании Claude Opus 4.5.
БЕНЧМАРКИ · Точность LLM-judge на LoCoMo (оценка QEMem)НЕЗАВИСИМО ПОДТВЕРЖДЕНО
В рамках QEMem с использованием Claude Opus 4.5 достигнута точность 91.43% по LLM-judge на LoCoMo, что на 7.6 процентных пункта выше, чем у сильнейшего оценённого базового метода (MemR^3), и на 10.7 пункта выше, чем у NEMORI при общем хранилище памяти.
БЕНЧМАРКИ · Включена в бенчмарк оценки новизны AI2 «Old Ideas, Novel Problems»ДАННЫЕ РАЗРАБОТЧИКА
Claude Opus 4.5 была одной из шести LLM, оценённых в исследовании и бенчмарке AI2 «Old Ideas, Novel Problems».
ОГРАНИЧЕНИЯ · Оценки новизны сильно зависят от мелких изменений в настройке оценкиДАННЫЕ РАЗРАБОТЧИКА
В исследовании указано, что, по-видимому, небольшие изменения в подсказках и настройках оценки приводили к резко различающимся суждениям о новизне среди шести проверяемых LLM, в число которых входила Claude Opus 4.5.
БЕЗОПАСНОСТЬ · Дата внедрения текстового водяного знакаДАННЫЕ РАЗРАБОТЧИКА
Anthropic начнёт вводить текстовый водяной знак в Claude Opus 4.5 с 16 ноября 2026 года.
ОГРАНИЧЕНИЯ · Водяной знак действует только при параметрах сэмплинга по умолчаниюДАННЫЕ РАЗРАБОТЧИКА
Anthropic сообщает, что водяной знак в Claude Opus 4.5 действует только при значениях temperature, top_p и top_k по умолчанию; изменение любого из этих параметров сэмплинга может обойти водяной знак.
ДОСТУПНОСТЬ · Время развёртывания на Amazon BedrockДАННЫЕ РАЗРАБОТЧИКА
Anthropic предупредила, что развёртывание водяного знака на Amazon Bedrock может занять несколько дополнительных дней по сравнению с указанной датой.
БЕЗОПАСНОСТЬ · Утверждения Anthropic о свойствах водяного знакаДАННЫЕ РАЗРАБОТЧИКА
Anthropic описывает водяной знак как «неощутимый паттерн в выборе слов», который не изменяет смысл, качество или читаемость; по их данным, он не добавляет дополнительных символов или токенов, не влияет на ценообразование или форматы запросов/ответов, «едва замедляет» скорость выдачи и «не содержит информации о пользователе, их организации или их разговорах с Claude».
ЧТО ИЗМЕНИЛОСЬ
Сохранённые версии паспорта, без догадок задним числом.
ДОСТУПНОСТЬ · Время развёртывания на Amazon Bedrock+ Anthropic предупредила, что развёртывание водяного знака на Amazon Bedrock может занять несколько дополнительных дней по сравнению с указанной датой.
БЕЗОПАСНОСТЬ · Дата внедрения текстового водяного знака+ Anthropic начнёт вводить текстовый водяной знак в Claude Opus 4.5 с 16 ноября 2026 года.
БЕЗОПАСНОСТЬ · Утверждения Anthropic о свойствах водяного знака+ Anthropic описывает водяной знак как «неощутимый паттерн в выборе слов», который не изменяет смысл, качество или читаемость; по их данным, он не добавляет дополнительных символов или токенов, не влияет на ценообразование или форматы запросов/ответов, «едва замедляет» скорость выдачи и «не содержит информации о пользователе, их организации или их разговорах с Claude».
ОГРАНИЧЕНИЯ · Водяной знак действует только при параметрах сэмплинга по умолчанию+ Anthropic сообщает, что водяной знак в Claude Opus 4.5 действует только при значениях temperature, top_p и top_k по умолчанию; изменение любого из этих параметров сэмплинга может обойти водяной знак.
БЕНЧМАРКИ · Включена в бенчмарк оценки новизны AI2 «Old Ideas, Novel Problems»+ Claude Opus 4.5 была одной из шести LLM, оценённых в исследовании и бенчмарке AI2 «Old Ideas, Novel Problems».
ОГРАНИЧЕНИЯ · Оценки новизны сильно зависят от мелких изменений в настройке оценки+ В исследовании указано, что, по-видимому, небольшие изменения в подсказках и настройках оценки приводили к резко различающимся суждениям о новизне среди шести проверяемых LLM, в число которых входила Claude Opus 4.5.
БЕНЧМАРКИ · Точность LLM-judge на LoCoMo (оценка QEMem)+ В рамках QEMem с использованием Claude Opus 4.5 достигнута точность 91.43% по LLM-judge на LoCoMo, что на 7.6 процентных пункта выше, чем у сильнейшего оценённого базового метода (MemR^3), и на 10.7 пункта выше, чем у NEMORI при общем хранилище памяти.
ОГРАНИЧЕНИЯ · Торговля в управлении завершением задачи+ Контроль завершения задачи может приводить к более раннему завершению ради более сильного обоснования при использовании Claude Opus 4.5.
ВОЗМОЖНОСТИ · Траектории с более полным подтверждением и соблюдением ограничений+ При использовании Claude Opus 4.5 DeReAct генерирует более полно подтверждённые и удовлетворяющие ограничениям траектории.
БЕНЧМАРКИ · Pass@1 (по сравнению с ReAct)+ При использовании Claude Opus 4.5 значение Pass@1 остаётся сопоставимым с ReAct.