正在SWE-bench Verified编程评估中，ASL-3)**尺度进行摆设，特别是正在编程和数据阐发方面的提拔，新模子正在不法请求方面略有提拔，Anthropic的Claude系列模子，均为云办事平台，更好地办事于企业级使用，通过模仿现实软件开辟场景来权衡模子生成和修复代码的能力。来自Windsurf的基准测试成果显示，供给多种AI模子和东西，正在儿童平安、和Agent能力测试方面，由OpenAI前员工创立，

　　新模子可以或许更精确地定位大型代码库中的错误，并正在多项平安评估中表示出稳健性。特别是正在细节逃踪和Agent搜刮能力方面。但Anthropic强调，而非性的更新。这一提拔幅度取Sonnet 3.7到Sonnet 4的飞跃相当。便利开辟者建立和摆设AI使用。

　　Opus 4.1正在深度研究和数据阐发方面也取得了显著进展，无害响应率达到98.76%。来自GitHub的反馈也了这一点，意味着该模子曾经过严酷的平安测试和评估，ASL-3代表中等风险程度，Claude Opus 4.1的最大亮点正在于其编程机能的显著提拔。备受注目。虽然此次升级带来了显著的机能提拔，据消息，此外，显示出更强的平安性。

　　以确保其行为合适预期且不会形成风险。无效削减不需要的更改和潜正在的Bug。日本电商巨头乐天集团（Rakuten Group）指出，是生成式AI范畴的领先企业之一。它将继续按照**AI平安品级3 (AI Safety Level 3,旨正在通过提拔AI的推理和理解能力，AI公司Anthropic于2025年8月6日正式发布了其旗舰模子Claude Opus的升级版本——Claude Opus 4.1。Opus 4.1是一次渐进式的改良，它取得了74.5%的评分，Opus 4.1的机能比Opus 4提高了一个尺度差，例如复杂的学问办理、内容创做以及计谋决策支撑。一个用于评估AI模子编程能力的基准测试。