如何使用 Claude Opus 4.5 API

Anthropic 于 2025 年 11 月下旬发布了 Claude Opus 4.5，这是一款能力更强、效率更高的 Opus 级模型，面向专业软件工程、智能体工作流和长时程任务。它可通过 Anthropic 的开发者平台以及 CometAPI 获取，并引入了新的 API 控制项（尤其是 effort 参数）、改进的 computer-use 工具、扩展思考能力，以及对生产环境很重要的 token 效率提升。

下面是一份实用、专业的讲解：有哪些变化、如何获取访问权限、如何使用新控制项（effort、扩展思考、工具使用、文件/computer use）、成本与优化建议、安全/治理注意事项，以及真实世界的集成模式。

Claude Opus 4.5 到底是什么，为什么重要？

Claude Opus 4.5 是 Anthropic 最新的 Opus 级模型家族成员（于 2025 年 11 月 24–25 日发布），专注于最大化推理与编码能力，同时提升 token 效率，并提供新的 API 控制项以平衡成本与完整性。Anthropic 将 Opus 4.5 定位为其发布过的“最智能模型”，目标场景包括复杂软件工程任务、长时间运行的智能体、电子表格/Excel 自动化，以及需要持续多步推理的任务。

Opus 4.5 的主要更新有哪些？

Anthropic 将 Opus 4.5 设计为在提升推理深度和智能体行为的同时，让开发者更好地控制成本/延迟权衡。此次发布的亮点包括：

• Effort 参数（beta）： 一个一等 API 控制旋钮，用于控制 Claude 在一次请求上花费多少“思考预算”（通常为 low、medium、high）。它会影响推理、工具调用和内部“thinking” tokens，因此你可以按调用粒度调节速度与完整性，而不是通过切换模型来实现。这是 Opus 4.5 的标志性能力。
• 更好的智能体与工具编排： 在选择工具时准确性更高、工具调用结构更规范、tool-result 工作流更稳健，更适合构建智能体和多步流水线。Anthropic 提供了关于“tool use”流程的文档和 SDK 指南。
• Token / 成本效率 —— Anthropic 报告称，相比 Sonnet 4.5，在某些工作流中 token 使用量最高可减少约 50%，同时复杂工程任务中的工具调用错误更少、迭代次数更少。
• 增强的多模态能力： 在视觉、推理和数学性能方面有全面提升。
• 上下文窗口扩展至 200K tokens，支持深入、长对话和复杂文档分析。

实际能力有哪些提升？

性能升级

• 更好的智能体与工具编排：在选择工具时准确性更高、工具调用结构更规范、tool-result 工作流更稳健，更适合构建智能体和多步流水线。Anthropic 提供了“tool use”流程的文档和 SDK 指南。改进的上下文处理、面向长时间智能体运行的压缩辅助工具，以及用于注册和验证工具的一等工具 SDK，使 Opus 4.5 更适合构建可无人值守运行多步的智能体。
• 增强的多模态能力：在视觉、推理和数学性能方面有全面提升。
• 上下文窗口扩展至 200K tokens，支持深入、长对话和复杂文档分析。

编码与长时程工作

Opus 4.5 延续了以编码任务基准为导向的定位；在长作业（代码迁移、重构、多步调试）中，它减少了迭代次数和工具调用错误。早期报告和 Anthropic 的 system card 指出，它在工程基准上的持续表现有所改善，并在工具驱动流水线中实现了显著的效率收益。

在 SWE-bench， Opus 4.5 在软件工程基准上报告了领先分数（Anthropic 在发布材料中列出了 SWE-bench Verified 80.9% 的成绩），客户也反馈其在调试、多文件编辑和长时程代码任务上有所提升。

成本与效率

Anthropic 将 Opus 4.5 设计为在提升推理深度和智能体行为的同时，让开发者更好地控制成本/延迟权衡：

• 相比 opus 4.1 降价：每百万 tokens 输入 $5 / 输出 $25。
• Token 使用改进：在保持性能的同时，平均消耗减少 50–75%。
• 一个一等 API 控制旋钮，用于控制 Claude 在一次请求上花费多少“思考预算”（通常为 low、medium、high）。它会影响推理、工具调用和内部“thinking” tokens，因此你可以按调用粒度调节速度与完整性，而不是通过切换模型来实现。这是 Opus 4.5 的标志性能力（相比 Sonnet 4.5：Medium Effort → token 减少 76%，性能相当；High Effort → 性能提升 4.3%，token 使用减少 48%）。

如何访问并使用 Claude Opus 4.5 API？

如何获取访问权限和密钥？

1. 创建 Anthropic / Claude Developer 账户。 在 Claude/Anthropic 开发者门户注册，并通过 Console 创建 API key（团队场景也有 organization/admin 流程）。Messages API 是聊天/助手类交互的主要端点。
2. 云合作伙伴： Opus 4.5 也可通过主要云市场获取，例如 Google Vertex AI、CometAPI（一个 AI API 聚合平台，需要使用其认证）。在 CometAPI 中，你可以通过 Anthropic Messages 格式和 Chat 格式访问 Claude opus 4.5 API。

应该如何对请求进行身份验证？

使用标准 bearer token：在每个 API 调用中包含 Authorization: Bearer $_API_KEY 请求头。请求为 HTTPS 上的 JSON；Messages API 接收一个结构化消息列表（system + user + assistant）。

快速开始 — Python（官方 SDK）

安装 SDK：

pip install anthropic

最小示例（同步）：

import os
from anthropic import Anthropic

# expects ANTHROPIC_API_KEY in env

client = Anthropic(api_key=os.environ)

resp = client.messages.create(
    model="claude-opus-4-5-20251101",
    messages=,
    max_tokens=512,
)

print(resp.content.text)  # SDK returns structured content blocks

此调用使用规范的 Opus 4.5 模型标识符。对于由提供方管理的端点（Vertex、CometAPI、Foundry），请遵循提供方文档来构造客户端并提供提供方的 url 和 key（例如 CometAPI 的 https://api.cometapi.com/v1/messages）。

快速开始 — Python（CometAPI）

你需要登录 CometAPI 并获取一个 key。

curl 
--location 
--request POST 'https://api.cometapi.com/v1/messages' \ 
--header 'Authorization: Bearer ' \ 
--header 'Content-Type: application/json' \ 
--data-raw '{ "model": "claude-opus-4-5-20251101", "max_tokens": 1000, "thinking": { "type": "enabled", "budget_tokens": 1000 }, "messages":  }'

如何使用新的 effort 参数和扩展思考？

什么是 effort 参数，我该如何设置？

effort 参数是随 Opus 4.5 引入的一等 API 控制项，用于调整模型在生成输出时投入多少内部计算和 token 预算。典型值包括 low、medium 和 high。用它来平衡延迟和 token 成本与完整性之间的关系：

• low —— 面向高吞吐自动化和常规任务的快速、token 高效回答。
• medium —— 面向生产使用的质量/成本平衡。
• high —— 适用于深度分析、多步推理，或当准确性最重要时。

Anthropic 为 Opus 4.5（beta）引入了 effort。你必须包含一个 beta header（例如 effort-2025-11-24），并指定 output_config: { "effort": "low|medium|high" }（示例如下）。high 是默认行为。降低 effort 会减少 token 使用和延迟，但可能会略微降低完整性。适用于高吞吐或对延迟敏感的任务。

示例：

# Example using the beta messages API shown in Anthropic docs

from anthropic import Anthropic
import os

client = Anthropic(api_key=os.getenv("ANTHROPIC_API_KEY"))

response = client.beta.messages.create(
    model="claude-opus-4-5-20251101",
    betas=,   # required beta header

    messages=,
    max_tokens=1500,
    output_config={"effort": "medium"}  # low | medium | high

)

print(response)

何时使用哪种设置： 对自动化流水线（例如邮件分类）使用 low，对标准助手使用 medium，对代码生成、深度研究或高风险敏感任务使用 high。Anthropic 将此参数强调为 Opus 4.5 的关键控制项。

在 SWE-bench 测试中：

• 在 Medium Effort 模式下：性能与 Sonnet 4.5 相当，但输出 tokens 减少了 76%；
• 在 High Effort 模式下：性能比 Sonnet 4.5 高约 4.3 个百分点，且 tokens 减少了 48%。

什么是 Extended Thinking，如何调用？

Extended Thinking（也称“extended thinking”或“thinking blocks”）允许模型执行中间链式思考或分步推理，同时可选择保留或总结内部思考块。Messages API 支持这种行为，Anthropic 还增加了用于保留先前 thinking blocks 的控制项，以便多轮智能体复用先前推理，而无需重复进行昂贵的重计算。当任务需要多步规划、长时程问题求解或工具编排时，应使用扩展思考。

如何集成工具并用 Opus 4.5 构建智能体？

Opus 4.5 的主要优势之一是改进的工具使用：在客户端定义工具，让 Claude 决定何时调用它们，执行工具，然后返回 tool_result —— Claude 会在最终回复中使用这些结果。Anthropic 提供了 Agent SDK，允许你注册带类型的工具函数（例如 run_shell、call_api、search_docs），Claude 可在扩展思考期间发现并调用它们。平台会将工具定义转换为模型可调用并接收结果的函数。这就是安全构建智能体工作流的方式（通过受控输入/输出）。

下面给出一个实用模式和一个端到端 Python 示例。

工具使用模式（概念）

1. 客户端提供 tools 元数据，包括名称、描述和 JSON schema（input_schema）。
2. 模型返回一个 tool_use 块（模型发出的结构化指令，要求调用特定工具并传入特定输入）。API 响应中的 stop_reason 可能为 tool_use。
3. 客户端执行工具（你的代码调用外部 API 或本地函数）。
4. 客户端发送一条后续消息，其中 role:"user" 且包含一个 tool_result 内容块，携带工具输出。
5. 模型消费工具结果，并返回最终答案或进一步的工具调用。

这一流程能够在客户端安全控制模型执行的内容（模型提出工具调用；执行由你控制）。

端到端示例 — Python（简单天气工具）

# 1) Define tools metadata and send initial request

from anthropic import Anthropic
import os, json

client = Anthropic(api_key=os.environ)

tools = [
    {
        "name": "get_weather",
        "description": "Return the current weather for a given city.",
        "input_schema": {"type":"object","properties":{"city":{"type":"string"}},"required":}
    }
]

resp = client.messages.create(
    model="claude-opus-4-5-20251101",
    messages=,
    tools=tools,
    max_tokens=800,
)

# 2) Check if Claude wants a tool call

stop_reason = resp.stop_reason  # SDK field

if stop_reason == "tool_use":
    # Extract the tool call (format varies by SDK; this is schematic)

    tool_call = resp.tool_calls  # e.g., {"name":"get_weather", "input":{"city":"Tokyo"}}

    tool_name = tool_call
    tool_input = tool_call

    # 3) Execute the tool client-side (here: stub)

    def get_weather(city):
        # Replace this stub with a real weather API call

        return {"temp_c": 12, "condition": "Partly cloudy"}

    tool_result = get_weather(tool_input)

    # 4) Send tool_result back to Claude

    follow_up = client.messages.create(
        model="claude-opus-4-5-20251101",
        messages=[
            {"role":"user", "content":[{"type":"tool_result",
                                        "tool_use_id": resp.tool_use_id,
                                        "content": json.dumps(tool_result)}]}
        ],
        max_tokens=512,
    )

    print(follow_up.content.text)
else:
    print(resp.content.text)

应该如何设计智能体结构以提高可靠性？

• 清洗工具输入（避免通过提示词进行注入）。
• 在将工具输出反馈给模型之前进行验证（schema 检查）。
• 限制工具作用域（最小权限原则）。
• 使用压缩辅助工具（Anthropic SDK 提供）以在长时间运行中保持上下文可管理。

---

我应该如何为 Opus 4.5 设计提示词并组织消息结构？

哪些消息角色和预填充策略效果最好？

使用三段式模式：

• System（role: system）：全局指令——语气、护栏、角色。
• Assistant（可选）：固定示例或预置引导内容。
• User（role: user）：当前请求。

在 system 消息中预填充约束（格式、长度、安全策略、若希望结构化输出则给出 JSON schema）。对于智能体，请加入工具规范和使用示例，以便 Opus 4.5 能正确调用这些工具。

如何使用上下文压缩和提示缓存来节省 tokens？

• 上下文压缩： 将对话中较早的部分压缩为模型仍可使用的简明摘要。Opus 4.5 支持在不丢失关键推理块的情况下自动压缩上下文。
• 提示缓存： 为重复提示缓存模型响应（Anthropic 提供了降低延迟/成本的 prompt caching 模式）。

这两项功能都能减少长交互中的 token 占用，推荐用于长时间运行的智能体工作流和生产助手。

错误处理与最佳实践

下面是一些面向生产环境集成 Opus 4.5 的务实可靠性与安全建议。

可靠性与重试

• 处理限流（HTTP 429） 时使用指数退避和抖动（从 500–1000ms 开始）。
• 幂等性： 对于无副作用的 LLM 调用，你可以安全重试；但在模型触发外部副作用（工具调用）的工作流中要谨慎——通过跟踪 tool_use_id 或你自己的 request ID 来去重。
• 流式稳定性： 处理部分流并优雅重连；如果发生中断，优先重试整个请求，或者使用应用层状态恢复，以避免不一致的工具交互。

安全与防护

• 提示注入与工具安全： 绝不要允许模型在未经验证的情况下直接执行任意 shell 命令或代码。始终验证工具输入并清洗输出。模型提出工具调用；是否执行由你的代码决定。Anthropic 的 system card 和文档描述了对齐约束与安全级别——在高风险领域请遵循它们。
• 数据处理与合规： 对于包含 PII 或受监管数据的提示词以及工具输入/输出，应按照你的法律/合规政策处理。如果你有严格的数据驻留或审计要求，请使用提供方的 VPC/企业控制（Bedrock / Vertex / Foundry 提供企业选项）。

可观测性与成本控制

• 记录请求/响应元数据（除非被允许，否则不要记录原始敏感内容）——token 计数、effort 级别、延迟、模型 id 和提供方。这些指标对于成本归因和调试至关重要。
• 使用 effort 控制单次调用成本： 对常规摘要或高 QPS 端点优先使用 low effort；对深度调试或调查使用 high effort。监控质量与 token 消耗的关系，以便为不同端点选择默认值。

结论——何时（以及如何）选择 Opus 4.5？

当你的产品需要以下能力时，Claude Opus 4.5 是一个自然的选择：

• 深度多步推理（长逻辑链、研究或调试），
• 稳健的智能体/工具编排（调用外部 API 的复杂工作流），或
• 面向大型代码库的生产级代码辅助。

在运营层面，使用 effort 来调节每次调用预算；依靠工具使用模式来保留执行安全性；并根据你的合规需求选择云合作伙伴（或直接使用 Anthropic API）。请使用你自己的语料进行基准测试：厂商数据（如 SWE-bench 等）只是有用信号，但真正决定 ROI 的是你的实际任务和数据。出于安全考虑，请遵循 Opus 4.5 的 system card，并在工具执行和 PII 处理周围设置护栏。

开发者可以通过 Claude Opus 4.5 API 在 CometAPI 上访问 Claude Opus 4.5 API。开始前，请在 Playground 中探索 CometAPI 的模型能力，并查阅 API guide 以获取详细说明。在访问之前，请确保你已经登录 CometAPI 并获得 API key。CometAPI 提供远低于官方价格的价格，以帮助你完成集成。

准备开始了吗？→ 立即注册 CometAPI！

如果你想了解更多关于 AI 的技巧、指南和新闻，请在 VK、X 和 Discord 上关注我们！