Anthropic 发布 Claude Sonnet 4.5，领跑 SWE-bench Verified 与 OSWorld
Claude Sonnet 4.5 在发布时于 SWE-bench Verified 和 OSWorld 两项评测中取得最高成绩，并在长时间编程会话和通过界面操控计算机的能力上有所改进，面向源代码维护与软件上的重复性操作任务，可减少人力投入。
Anthropic 已发布 Claude Sonnet 4.5。在发布时，该模型在 SWE-bench Verified 和 OSWorld 两项评测中领先。据该公司介绍，Sonnet 4.5 在长时间编程会话和计算机使用能力上也有所改进。
SWE-bench Verified 要求模型修复真实软件项目中的缺陷，因此高分意味着阅读并理解源代码、给出正确修改的能力。OSWorld 衡量通过界面操控计算机的能力，即模型直接在屏幕和应用上操作，而不只是生成文本。
对企业而言，这两类工作都耗费大量人力时间：源代码维护，以及在软件上反复录入与操作的任务。如果模型能处理较长的操作序列而不偏离方向，技术团队就可以把部分机械性工作转交给工具。
需要注意的是，评测榜单上的结果不能替代真实环境中的测试。对于操控计算机的任务，应事先确定权限范围与停止点，并配合人工复核环节。
来源： anthropic.com
新闻 与 VASCOM 沟通
