anthropic

Claude Opus 4.5

Claude Opus 4.5 adalah frontier model paling kuat dari Anthropic, memberikan performa SWE-bench 80,9% yang memecahkan rekor dan agency otonom tingkat lanjut...

anthropic logoanthropicClaude 424 November 2025
Konteks
200Ktoken
Output maks.
64Ktoken
Harga input
$5.00/ 1M
Harga output
$25.00/ 1M
Modalitas:TextImage
Kemampuan:VisiAlatStreamingPenalaran
Benchmarks
GPQA
87%
GPQA: Tanya Jawab Sains Tingkat Doktoral. Benchmark ketat dengan 448 pertanyaan pilihan ganda dalam biologi, fisika, dan kimia yang dibuat oleh pakar domain. Para ahli PhD hanya mencapai akurasi 65-74%, sementara non-ahli hanya mendapat 34% bahkan dengan akses web tak terbatas (sehingga disebut 'tahan Google'). Claude Opus 4.5 meraih skor 87% pada benchmark ini.
MMLU
90.8%
MMLU: Pemahaman Bahasa Multitugas Masif. Benchmark komprehensif dengan 16.000 pertanyaan pilihan ganda meliputi 57 mata pelajaran akademik termasuk matematika, filsafat, hukum, dan kedokteran. Menguji pengetahuan luas dan kemampuan penalaran. Claude Opus 4.5 meraih skor 90.8% pada benchmark ini.
MMLU Pro
80%
MMLU Pro: MMLU Edisi Profesional. Versi MMLU yang ditingkatkan dengan 12.032 pertanyaan menggunakan format 10 pilihan yang lebih sulit. Mencakup Matematika, Fisika, Kimia, Hukum, Teknik, Ekonomi, Kesehatan, Psikologi, Bisnis, Biologi, Filsafat, dan Ilmu Komputer. Claude Opus 4.5 meraih skor 80% pada benchmark ini.
IFEval
90%
IFEval: Evaluasi Kepatuhan Instruksi. Mengukur seberapa baik model mengikuti instruksi dan batasan tertentu. Menguji kemampuan untuk mematuhi aturan format, batas panjang, dan persyaratan eksplisit lainnya. Claude Opus 4.5 meraih skor 90% pada benchmark ini.
AIME 2025
37%
AIME 2025: Ujian Matematika Undangan Amerika. Soal matematika tingkat kompetisi dari ujian AIME bergengsi yang dirancang untuk siswa SMA berbakat. Menguji pemecahan masalah matematika tingkat lanjut yang membutuhkan penalaran abstrak, bukan sekadar pencocokan pola. Claude Opus 4.5 meraih skor 37% pada benchmark ini.
MATH
85%
MATH: Pemecahan Masalah Matematika. Benchmark matematika komprehensif yang menguji pemecahan masalah dalam aljabar, geometri, kalkulus, dan domain matematika lainnya. Membutuhkan penalaran multi-langkah dan pengetahuan matematika formal. Claude Opus 4.5 meraih skor 85% pada benchmark ini.
GSM8k
95%
GSM8k: Matematika SD 8K. 8.500 soal cerita matematika tingkat SD yang membutuhkan penalaran multi-langkah. Menguji aritmatika dasar dan pemikiran logis melalui skenario dunia nyata seperti belanja atau perhitungan waktu. Claude Opus 4.5 meraih skor 95% pada benchmark ini.
MGSM
92%
MGSM: Matematika SD Multibahasa. Benchmark GSM8k yang diterjemahkan ke 10 bahasa termasuk Spanyol, Prancis, Jerman, Rusia, Cina, dan Jepang. Menguji penalaran matematika dalam berbagai bahasa. Claude Opus 4.5 meraih skor 92% pada benchmark ini.
MathVista
72%
MathVista: Penalaran Matematika Visual. Menguji kemampuan untuk menyelesaikan masalah matematika yang melibatkan elemen visual seperti grafik, diagram geometri, dan figur ilmiah. Menggabungkan pemahaman visual dengan penalaran matematika. Claude Opus 4.5 meraih skor 72% pada benchmark ini.
SWE-Bench
80.9%
SWE-Bench: Benchmark Rekayasa Perangkat Lunak. Model AI mencoba menyelesaikan masalah GitHub nyata dalam proyek Python open-source dengan verifikasi manusia. Menguji keterampilan rekayasa perangkat lunak praktis pada codebase produksi. Model terbaik meningkat dari 4,4% di 2023 menjadi lebih dari 70% di 2024. Claude Opus 4.5 meraih skor 80.9% pada benchmark ini.
HumanEval
90%
HumanEval: Masalah Pemrograman Python. 164 masalah pemrograman yang ditulis tangan di mana model harus menghasilkan implementasi fungsi Python yang benar. Setiap solusi diverifikasi dengan unit test. Model terbaik sekarang mencapai akurasi lebih dari 90%. Claude Opus 4.5 meraih skor 90% pada benchmark ini.
LiveCodeBench
75%
LiveCodeBench: Benchmark Koding Langsung. Menguji kemampuan koding pada tantangan pemrograman dunia nyata yang terus diperbarui. Berbeda dengan benchmark statis, menggunakan masalah baru untuk mencegah kontaminasi data dan mengukur keterampilan koding yang sebenarnya. Claude Opus 4.5 meraih skor 75% pada benchmark ini.
MMMU
80.7%
MMMU: Pemahaman Multimodal. Benchmark Pemahaman Multimodal Multi-disiplin Masif yang menguji model penglihatan-bahasa pada masalah tingkat universitas di 30 mata pelajaran yang membutuhkan pemahaman gambar dan pengetahuan ahli. Claude Opus 4.5 meraih skor 80.7% pada benchmark ini.
MMMU Pro
60%
MMMU Pro: MMMU Edisi Profesional. Versi MMMU yang ditingkatkan dengan pertanyaan lebih sulit dan evaluasi lebih ketat. Menguji penalaran multimodal tingkat lanjut di tingkat profesional dan ahli. Claude Opus 4.5 meraih skor 60% pada benchmark ini.
ChartQA
90%
ChartQA: Tanya Jawab Grafik. Menguji kemampuan untuk memahami dan bernalar tentang informasi yang disajikan dalam grafik dan diagram. Membutuhkan ekstraksi data, perbandingan nilai, dan melakukan perhitungan dari representasi visual data. Claude Opus 4.5 meraih skor 90% pada benchmark ini.
DocVQA
94%
DocVQA: Tanya Jawab Visual Dokumen. Benchmark Tanya Jawab Visual Dokumen yang menguji kemampuan untuk mengekstrak dan bernalar tentang informasi dari gambar dokumen termasuk formulir, laporan, dan teks yang dipindai. Claude Opus 4.5 meraih skor 94% pada benchmark ini.
Terminal-Bench
59.3%
Terminal-Bench: Tugas Terminal/CLI. Menguji kemampuan untuk melakukan operasi baris perintah, menulis skrip shell, dan menavigasi lingkungan terminal. Mengukur keterampilan administrasi sistem praktis dan alur kerja pengembangan. Claude Opus 4.5 meraih skor 59.3% pada benchmark ini.
ARC-AGI
37.6%
ARC-AGI: Abstraksi dan Penalaran. Abstraction and Reasoning Corpus untuk AGI - menguji kecerdasan fluida melalui teka-teki pengenalan pola baru. Setiap tugas membutuhkan penemuan aturan yang mendasari dari contoh, mengukur kemampuan penalaran umum daripada menghafal. Claude Opus 4.5 meraih skor 37.6% pada benchmark ini.

Tentang Claude Opus 4.5

Pelajari tentang kemampuan, fitur, dan cara menggunakan Claude Opus 4.5.

Claude Opus 4.5 adalah model flagship dari Anthropic, yang dirilis pada akhir 2025. Model ini dirancang khusus untuk rekayasa perangkat lunak yang kompleks dan reasoning berisiko tinggi. Model ini mencapai skor 80,9% yang memecahkan rekor pada benchmark SWE-bench Verified, menjadikannya pilihan utama untuk debugging otonom dan refactoring sistem. Model ini memperkenalkan persona halus yang menekankan kejujuran diplomatik dan bantuan yang bernuansa.

Optimasi Multimodal dan Agentic

Arsitekturnya mendukung context window 200.000 token dan batas output 64.000 token. Pengembang dapat menggunakan parameter effort khusus untuk menskalakan kedalaman reasoning terhadap biaya komputasi. Fleksibilitas ini memungkinkan tugas logika intensitas tinggi atau draf kreatif yang lebih cepat dan ekonomis. Model ini bersifat multimodal, unggul dalam menafsirkan diagram arsitektur dan tata letak UI yang padat.

Rekayasa dan Penggunaan Tool

Dioptimalkan untuk alur kerja agentic, model ini menavigasi lingkungan terminal melalui Claude Code untuk melakukan audit seluruh sistem. Ini secara signifikan mengurangi harga input dan output dibandingkan iterasi flagship sebelumnya. Kemampuannya untuk menjaga koherensi di seluruh tugas jangka panjang memposisikannya sebagai mitra yang andal bagi tim teknik profesional dan analisis data yang kompleks.

Claude Opus 4.5

Kasus Penggunaan untuk Claude Opus 4.5

Temukan berbagai cara menggunakan Claude Opus 4.5 untuk hasil yang luar biasa.

Rekayasa Perangkat Lunak Otonom

Mengotomatiskan debugging end-to-end dan refactoring seluruh sistem dengan skor 80,9% SWE-bench yang memecahkan rekor.

Alur Kerja Riset Agentic

Mensintesis sejumlah besar data teknis menjadi strategi bisnis yang dapat ditindaklanjuti menggunakan context window 200k.

Vision UI/UX High-Fidelity

Mengonversi desain Figma dan diagram arsitektur yang kompleks menjadi kode frontend yang siap produksi dengan akurasi piksel yang presisi.

Orkestrasi Multi-Agent

Berfungsi sebagai otak pusat bagi tim sub-agent untuk mengelola proyek berjangka panjang di berbagai basis kode yang berbeda.

Analisis Data Lanjutan

Mengotomatiskan pemodelan keuangan yang kompleks dan alur kerja Excel dengan presisi dan kedalaman reasoning yang tinggi.

Penulisan Sastra dan Kreatif

Menghasilkan prosa bernuansa yang mematuhi selera penulisan tertentu dan prinsip desain yang berpusat pada manusia yang kompleks.

Kelebihan

Keterbatasan

Performa Coding Elite: Model pertama yang menembus batas 80% pada SWE-bench Verified (80,9%), mengungguli semua frontier model lainnya.
Kesenjangan Benchmark Matematika: Meskipun unggul dalam coding, model ini sedikit tertinggal di belakang model khusus untuk matematika tingkat PhD.
Kontrol Reasoning yang Fleksibel: Parameter effort memberikan pengembang kontrol granular atas biaya komputasi dan kedalaman reasoning untuk alur kerja tertentu.
Latensi Perencanaan: Mengatur parameter effort ke tingkat high dapat mengakibatkan fase berpikir yang jauh lebih lama sebelum token pertama muncul.
Nuansa Percakapan Natural: Dikenal karena persona halus yang menangani ambiguitas dan mengikuti pengaturan latar belakang yang kompleks tanpa panduan kaku seperti robot.
Batas Token Konteks: System prompts dan definisi tool dapat menghabiskan sebagian besar porsi window sebelum pemrosesan dimulai.
Efisiensi Biaya yang Signifikan: Harga $5/$25 membuat kecerdasan tingkat Opus dapat diakses untuk produksi skala enterprise bervolume tinggi.
Kesenjangan Pengingatan Fakta: Pada tes akurasi khusus seperti SimpleQA, model terkadang masih bisa membuat detail yang keliru dibandingkan dengan kompetitor yang berfokus pada pencarian.

Mulai Cepat API

anthropic/claude-opus-4.5

Lihat Dokumentasi
anthropic SDK
import Anthropic from '@anthropic-ai/sdk';

const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

const msg = await anthropic.messages.create({
  model: 'claude-opus-4-5-20251101',
  max_tokens: 4096,
  effort: 'high',
  messages: [{ role: 'user', content: 'Analisis arsitektur sistem ini untuk race conditions.' }],
});

console.log(msg.content[0].text);

Instal SDK dan mulai melakukan panggilan API dalam hitungan menit.

Apa Kata Orang Tentang Claude Opus 4.5

Lihat apa yang dipikirkan komunitas tentang Claude Opus 4.5

Claude Opus 4.5 terasa lebih seperti rekan tim yang gigih daripada asisten tanpa status (stateless). Model ini bisa melacak asumsi di berbagai file dengan cara yang terasa jauh lebih kuat.
Federal-Piano8695
reddit
Menyaksikan agent AI Anda mengembangkan persona media sosial yang beresonansi dengan orang sungguhan dengan cara yang tidak bisa Anda jelaskan. Infrastruktur lebih penting daripada prompt.
auxten
twitter
Opus adalah model dengan performa terbaik dalam aspek ini. Diskusinya sangat natural, dan model ini benar-benar mengikuti alur diskusi Anda.
ArchMeta1868
reddit
Opus 4.5 menangkap nuansa terkecil. Ini satu-satunya model yang berhasil menyertakan mekanisme trailer inline pada percobaan pertama.
Matt Berman
youtube
Skor 80,9% SWE-bench mungkin nyata tapi juga agak menyesatkan. Perlu pengaturan lingkungan yang jelas untuk mencapai angka tersebut secara konsisten.
testingcatalog
twitter
SWE-bench Verified: 80,9% (Opus 4.5) vs 71,3% (Claude 3-Opus). Ini adalah lompatan besar untuk keandalan di dunia nyata.
Daniel Garcia
medium

Video Tentang Claude Opus 4.5

Tonton tutorial, ulasan, dan diskusi tentang Claude Opus 4.5

Opus 4.5 menangkap nuansa terkecil

Ini satu-satunya model yang berhasil menyertakan mekanisme trailer inline pada percobaan pertama

Evaluasi kode berbasis agent mengonfirmasi perasaan subjektif ini, memberikan nilai 7/10 untuk kelengkapan fitur pada Opus

Reasoning-nya jauh lebih logis daripada versi sebelumnya saat menangani edge cases

Model ini menjaga konsistensi codebase selama sesi 30 menit

Harganya sekarang tiga kali lebih murah. Hanya $5 untuk satu juta input tokens

Input seharga $5 dan output seharga $25 untuk satu juta token

Opus 4.5 mendapat skor lebih tinggi daripada kandidat manusia mana pun yang pernah ada pada ujian take-home dari Anthropic

Ini adalah model pertama yang menembus batas 80 persen pada SWE-bench

Model ini menangani sesi coding otonom selama 30 menit tanpa intervensi manusia

Anggap Claude Opus 4.5 sebagai lapisan persuasi dan monster agentic yang mutlak

Ini adalah monster coding agentic yang sesungguhnya

Para engineer lebih memilih bekerja dengan Claude Opus 4.5 karena mereka mendapatkan feedback loop yang sangat ketat

Parameter reasoning effort adalah fitur yang paling menonjol bagi pengembang

Rasanya lebih seperti kolaborator daripada sekadar alat dalam diskusi panjang

Lebih dari sekadar prompt

Tingkatkan alur kerja Anda dengan Otomatisasi AI

Automatio menggabungkan kekuatan agen AI, otomatisasi web, dan integrasi cerdas untuk membantu Anda mencapai lebih banyak dalam waktu lebih singkat.

Agen AI
Otomasi Web
Alur Kerja Cerdas

Tips Pro untuk Claude Opus 4.5

Tips ahli untuk memaksimalkan Claude Opus 4.5.

Mengatur Reasoning Effort

Gunakan parameter effort ke tingkat high untuk logika kompleks atau tugas coding, dan medium untuk penulisan kreatif standar.

Desain Vision-Native

Unggah tangkapan layar resolusi tinggi dari bug UI karena model telah di-fine-tuning untuk mengidentifikasi ketidaksesuaian visual yang terlewatkan oleh deskripsi teks.

System Prompts Terstruktur

Definisikan peran agentic dan tingkat effort yang jelas dalam system prompts Anda agar model tidak terlalu berlebihan dalam berpikir untuk tugas prosedural yang sederhana.

Pemadatan Konteks

Ringkas riwayat dalam sesi yang berjalan lama agar context window 200k tetap fokus pada informasi yang paling relevan.

Testimoni

Apa Kata Pengguna Kami

Bergabunglah dengan ribuan pengguna puas yang telah mengubah alur kerja mereka

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Terkait AI Models

google

Gemini 3.1 Flash-Lite

Google

Gemini 3.1 Flash-Lite is Google's fastest, most cost-efficient model. Features 1M context, native multimodality, and 363 tokens/sec speed for scale.

1M context
$0.25/$1.50/1M
xai

Grok-4

xAI

Grok-4 by xAI is a frontier model featuring a 2M token context window, real-time X platform integration, and world-record reasoning capabilities.

2M context
$3.00/$15.00/1M
moonshot

Kimi K2.5

Moonshot

Discover Moonshot AI's Kimi K2.5, a 1T-parameter open-source agentic model featuring native multimodal capabilities, a 262K context window, and SOTA reasoning.

256K context
$0.60/$3.00/1M
zhipu

GLM-5

Zhipu (GLM)

GLM-5 is Zhipu AI's 744B parameter open-weight powerhouse, excelling in long-horizon agentic tasks, coding, and factual accuracy with a 200k context window.

200K context
$1.00/$3.20/1M
openai

GPT-5.1

OpenAI

GPT-5.1 is OpenAI’s advanced reasoning flagship featuring adaptive thinking, native multimodality, and state-of-the-art performance in math and technical...

400K context
$1.25/$10.00/1M
openai

GPT-5.2

OpenAI

GPT-5.2 is OpenAI's flagship model for professional tasks, featuring a 400K context window, elite coding, and deep multi-step reasoning capabilities.

400K context
$1.75/$14.00/1M
alibaba

Qwen3.5-397B-A17B

alibaba

Qwen3.5-397B-A17B is Alibaba's flagship open-weight MoE model. It features native multimodal reasoning, a 1M context window, and a 19x decoding throughput...

1M context
$0.40/$2.40/1M
moonshot

Kimi K2 Thinking

Moonshot

Kimi K2 Thinking is Moonshot AI's trillion-parameter reasoning model. It outperforms GPT-5 on HLE and supports 300 sequential tool calls autonomously for...

256K context
$0.60/$2.50/1M

Pertanyaan yang Sering Diajukan tentang Claude Opus 4.5

Temukan jawaban untuk pertanyaan umum tentang Claude Opus 4.5