NVIDIA 刚刚宣布发布 Nemotron 3 Ultra（2分钟阅读）

# @ArtificialAnlys 在 Thread Reader App 上的推文 来源：https://threadreaderapp.com/thread/2061304911565144230.html Anthropic 新发布的 Claude Opus 4.5 在 Artificial Analysis 智能指数中排名第二，仅次于 Google 的 Gemini 3 Pro，并与 OpenAI 的 GPT-5.1 (high) 持平。 Claude Opus 4.5 相比 Claude Sonnet 4.5（在 Artificial Analysis 智能指数上提升 +7 分）和 Claude Opus 4.1（提升 +11 分）实现了显著的智能跃升，成为 @AnthropicAI 的新旗舰模型。Anthropic 大幅降低了 Claude Opus 4.5 的每 token 价格，输入/输出每百万 token 仅需 $5/$25。然而，与之前的 Claude Opus 4.1 模型相比，它在完成我们的智能指数评估时多用了 60% 的 token（4800 万 vs. 3000 万）。这意味着运行智能指数评估的成本从 $3.1k 大幅降至 $1.5k，但实际降幅并不像表面价格削减那样显著。尽管 Claude Opus 4.5 在完成智能指数时使用了更多 token，但其成本仍显著高于其他模型，包括 Gemini 3 Pro (high)、GPT-5.1 (high) 和 Claude Sonnet 4.5 (Thinking)，在所有模型中仅低于 Grok 4 (Reasoning)。 关键基准测试要点： ➤ 🧠 Anthropic 最智能的模型：在推理模式下，Claude Opus 4.5 在 Artificial Analysis 智能指数上得分为 70。这比 2025 年 9 月发布的 Claude Sonnet 4.5 (Thinking) 提升了 +7 分，比 Claude Opus 4.1 (Thinking) 提升了 +11 分。Claude Opus 4.5 现在是第二智能的模型，领先于 Grok 4 (65) 和 Kimi K2 Thinking (67)，与 GPT-5.1 (high, 70) 持平，仅落后于 Gemini 3 Pro (73)。Claude Opus 4.5 (Thinking) 在 CritPt（一项前沿物理评估，反映研究助手能力）上得分为 5%，仅次于 Gemini 3 Pro (9%)，并与 GPT-5.1 (high, 5%) 持平。 ➤ 📈 编码和代理任务提升最大：与 Claude Sonnet 4.5 (Thinking) 相比，最大的提升出现在编码、代理任务和长上下文推理方面，包括 LiveCodeBench（+16 个百分点）、Terminal-Bench Hard（+11 个百分点）、τ2-Bench Telecom（+12 个百分点）、AA-LCR（+8 个百分点）和 Humanity's Last Exam（+11 个百分点）。Claude Opus 在 Artificial Analysis 智能指数涵盖的全部 10 个基准测试中均创下 Anthropic 最佳成绩。它在 Terminal-Bench Hard 上获得所有模型的最高分（44%），并在 MMLU-Pro 上与 Gemini 3 Pro 持平（90%）。 ➤ 📚 知识与幻觉：在我们最新推出的 AA-Omniscience 指数（衡量语言模型的内嵌知识和幻觉程度）中，Claude Opus 4.5 以 10 分排名第二，仅次于 Gemini 3 Pro Preview (13)，领先于 Claude Opus 4.1 (Thinking, 5) 和 GPT-5.1 (high, 2)。Claude Opus 4.5 (Thinking) 具有第二高的准确率（43%），幻觉率第四低（58%），仅落后于 Claude Haiku (Thinking, 26%)、Claude Sonnet 4.5 (Thinking, 48%) 和 GPT-5.1 (high)。Claude Opus 4.5 延续了 Anthropic 在 AI 安全方面的领先地位，其幻觉率低于 Grok 4 和 Gemini 3 Pro 等其他前沿模型。 ➤ ⚡ 非推理性能：在非推理模式下，Claude Opus 4.5 在 Artificial Analysis 智能指数上得分为 60，是最智能的非推理模型，领先于 Qwen3 Max (55)、Kimi K2 0905 (50) 和 Claude Sonnet 4.5 (50)。 ➤ ⚙️ Token 效率：Anthropic 继续展现出令人印象深刻的 token 效率。它在不显著增加 token 使用量的情况下提升了智能（与使用 64k token 最大推理预算评估的 Claude Sonnet 4.5 相比）。Claude Opus 4.5 运行 Artificial Analysis 智能指数使用了 4800 万个输出 token，低于其他前沿模型，如 Gemini 3 Pro (high, 9200 万)、GPT-5.1 (high, 8100 万) 和 Grok 4 (Reasoning, 1.2 亿)。 ➤ 💲 定价：与 Claude Opus 4.1 相比，Anthropic 降低了 Claude Opus 4.5 的每 token 定价。Claude Opus 4.5 输入/输出每百万 token 定价为 $5/$25（相比之下，Claude Opus 4.1 为 $15/$75）。这使得它与 Claude Sonnet 4.5（每百万 token $3/$15）的价格更加接近，同时提供了更高的思考模式智能。 关键模型详情： ➤ 📏 上下文窗口：200K tokens ➤ 🪙 最大输出 tokens：64K tokens ➤ 🌐 可用性：Claude Opus 4.5 可通过 Anthropic 的 API、Google Vertex、Amazon Bedrock 和 Microsoft Azure 使用。Claude Opus 4.5 也可通过 Claude 应用和 Claude Code 使用。图片 (https://pbs.twimg.com/media/G6mNES2bwAIzoT3.jpg) Claude 模型的一个关键差异化优势仍然是其 token 效率远高于所有其他推理模型。Claude Opus 4.5 在输出 token 没有大幅增加的情况下显著提升了智能，这与那些依赖推理时更多思考（即更多输出 token）的其他模型系列大不相同。在“Artificial Analysis 智能指数使用的输出 token vs. 智能指数”图表中，Claude 4.5 Opus (Thinking) 位于帕累托前沿。图片 (https://pbs.twimg.com/media/G6mNoWOb0AAYubD.jpg) 这种输出 token 效率使得 Claude Opus 4.5（在思考模式下）在运行 Artificial Analysis 智能指数时，能够比 Claude Opus 4.1 (Thinking) 和 Grok 4 (Reasoning) 提供更好的智能与成本权衡。图片 (https://pbs.twimg.com/media/G6mN9VvbkAAe82m.jpg)