新聞速讀｜Claude Opus 4.5 奪下 Anthropic 工程考試歷來最高分
新聞速讀｜Claude Opus 4.5 奪下 Anthropic 工程考試歷來最高分
兩小時效能工程測驗首度由 AI 奪冠 超越所有人類候選人
InfoAI 編輯部
當工程甄試的「最高分」第一次寫上模型名字，人類工程師真正要面對的，已經不是被取代，而是如何改寫自己和工具之間的合作規則。
這次事件的關鍵不在「AI 考贏人」，而在宣告一個新現實：標準化的工程解題，正快速從人類專業，轉變為 AI 模型與工程主管共同管理的流水線。
這次事件的關鍵不在「AI 考贏人」，而在宣告一個新現實：標準化的工程解題，正快速從人類專業，轉變為 AI 模型與工程主管共同管理的流水線。
01｜理解事件
2025 年 11 月，Anthropic 發表最新旗艦模型 Claude Opus 4.5，同時揭露一項內部實驗：這個模型在公司用來招募效能工程師的 兩小時居家工程測驗 中，拿下 歷來最高分，超過所有人類候選人。這份考試原本是用來篩選高階工程人才，如今首度由 AI 奪冠，象徵意味非常直接。
這份測驗鎖定的是「在時間壓力下解決技術問題」的能力。Anthropic 強調，考題設計用來評估候選人對系統效能、程式品質與問題拆解的掌握，卻不涵蓋團隊溝通、長期經驗與協作直覺，也沒有打算用一份考卷概括工程師的全部價值。
在技術細節上，Anthropic 採用所謂的 parallel test-time compute：讓 Opus 4.5 對同一份考題嘗試多個解法，再從中選出最佳答案。在這種「可以多次嘗試」的設定下，模型在限定兩小時內超越所有人類；如果進一步放寬時間限制並搭配專用開發工具，整體表現甚至可以追平歷來最強的人類考生。
外界對題目本身所知有限，只從求職者分享得知，Anthropic 的工程測驗曾要求在數個階段中，逐步設計並擴充一個系統。可以確定的是，這並不是單純的選擇題或語法小考，而是接近真實開發情境的小型專案。
換一個角度想：一邊是花兩小時專心作答的人類，一邊是可以在雲端同時展開多條思路、最後只端出最成熟解法的模型──這場競爭的規則，本身就已經不同。
02｜解讀新聞
從技術面來看，這次事件把一個趨勢具象化：只要問題可以被形式化、拆成明確步驟，並配上清楚的評分標準，頂級模型在解題上的表現已經是「考試型超人」。Anthropic 公布的數據顯示，Opus 4.5 在軟體工程標竿測試 SWE-bench Verified 拿下 80.9％，這個基準是要模型在真實 GitHub 專案中修復 bug，被視為評估「代理型程式助理」實力的重要指標。
此外，Opus 4.5 在多項「agent 與電腦操作」基準上也拿到領先成績，包含終端機操作、跨應用程式工作流程等。這意味著，它不只會寫程式碼，更被設計成能長時間操作電腦、呼叫多種工具、完成一連串任務的工程代理人（engineering agent）。
從商業與生態角度看，這份內部考試成績，等於替 Anthropic 的產品掛上「實戰背書」。企業如果打算導入 AI 程式助理，現在看到的不只是 benchmark 分數，而是：這個模型連我們公司用來考工程師的難題都能寫到歷史最高分。搭配它已經透過 Microsoft Foundry、GitHub Copilot 付費方案、Microsoft Copilot Studio 等管道進入企業環境，以及被 Meta 用於內部 Devmate 助理的事實，Anthropic 在「AI 程式工具供應商」的位置被進一步鞏固。
更值得注意的是，Anthropic 執行長 Dario Amodei 曾透露，公司多數團隊約 90％ 的程式碼已由 Claude 產生，但工程師並沒有因此被減少，而是把力氣挪到最困難的 10％、系統設計、風險判斷與對模型輸出的審核。這次工程測驗紀錄，某種程度上只是為這種新分工模式「公開蓋章」：模型負責大量重複與可形式化的工作，人類則升級為架構師與總監。
03｜延伸思考
我們可以從這篇新聞清楚看到 AI 在工程領域的核心邏輯：當問題被定義得足夠清楚、可以大量嘗試、結果又容易打分，模型就有條件在「狹義解題能力」上超車多數人類。Anthropic 的兩小時考試就是典型例子，題目明確、時間固定、評分標準清楚，再加上允許模型多次嘗試、選出最佳解。
但現實世界的工程工作，遠不只是一份考卷。需求常常模糊，利害關係人意見會衝突，技術債與風險必須在時間與成本中拉扯，還牽涉到使用者體驗與商業策略的權衡。這些情境，很難被壓縮進一份標準化測驗，也正是人類工程師仍然不可被輕易取代的地方。
對讀者而言，更重要的是學會閱讀這類「AI 贏了人類」新聞的方式。每次看到類似標題，可以先自問幾個問題：
測驗到底在考什麼？是實作系統、演算法設計，還是只在整理輸入輸出？
模型是否可以多次嘗試、挑出最好的一份，而人類只有一次交卷機會？
評分標準是只看「能不能跑起來」，還是也考慮安全性、維護成本與可解釋性？
當你把這些問題變成習慣，就不容易被「AI 已經比工程師強」這種說法帶著走，而是能拆解：在哪些子任務上，AI 已經客觀較強；在哪些環節，仍需要人類來定義、整合與負責。
對讀者來說，這代表：在 AI 時代要提升自己的工程素養，關鍵不在跟模型比誰寫得快，而是在於成為那個定義題目、設計評分標準、決定何時採用或否決模型輸出的人。考卷上的滿分不會立刻把人排除在外，但如果連出題與評分都交給模型，我們才是真的把主導權讓出去。
04｜重點提煉
Anthropic 最新旗艦模型 Claude Opus 4.5 在公司用來招募效能工程師的 兩小時居家工程測驗 中，透過平行多次作答並選出最佳解，拿下 歷來最高分，超越所有人類候選人；在軟體工程基準 SWE-bench Verified上也寫下 80.9％ 的成績，成為目前公認最強的程式代理模型之一。
這份成績不只是一個漂亮的 benchmark，而是強化了 Anthropic 在 AI 程式助理與工程代理工具 市場的地位，透過 Microsoft、GitHub、Meta 等生態系進入企業開發流程。搭配「模型寫 90％ 程式碼、人類專注最難 10％」的實務運作，工程工作的日常正在被重新切割與分工。
對企業來說，傳統「靠寫題目來篩選工程師」的招募方式，合理性正在下降。當模型可以在標準化考題上拿到歷史新高，未來更需要被評估的，會是候選人對系統思維、跨部門協作、風險意識與 AI 工具運用能力，而不是單次手寫程式的速度。
這則新聞提醒我們，面對任何「AI 打敗人類」敘事，關鍵不是驚訝，而是練習追問：在什麼題目、什麼測法、以誰設計的評分標準下勝出？ 只有這樣拆解，才能真正判斷一項 AI 技術的實際價值與侷限，同時找到自己在新分工裡的位置。
05｜後續觀察
接下來，第一個值得觀察的方向是工程招募與考核方式會怎麼改變。當頂級模型可以穩定在標準化測驗中拿高分，企業是否會減少依賴「演算法題」「居家考試」，改而增加情境式面談、跨部門協作模擬，甚至直接看候選人如何設計與管理一支「AI 工程隊」？
第二個觀察點是組織內部工程角色如何重組。Anthropic 已經示範一種方向：模型大量承接日常開發，人類工程師轉向架構設計、風險管理與對模型的審核與調教。未來幾年，其他大型科技公司與傳統企業是否會跟進，將決定工程教育、職涯規劃與團隊編制要如何全面調整。
參考資料：
Anthropic has a 2-hour engineering take-home test. It says its new Claude 4.5 model outscored every human who took it.
Introducing Claude Opus 4.5--Anthropic 官方部落格
Anthropic announces Claude Opus 4.5, the new AI coding frontrunner
Introducing Claude Opus 4.5 in Microsoft Foundry--Microsoft Azure Blog
版權聲明與授權須知
本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。
用內容建立信任
用洞察塑造品牌
在 AI 時代，真正有力量的行銷不是廣告聲量，而是持續輸出的深度思考。InfoAI 把全球 AI 趨勢與報告，轉譯成清楚、精準、有觀點的內容，讓企業不只是跟上變化，而是成為洞察的提供者，讓品牌變成被信任的決策夥伴。如果你不想只是「談 AI」，而是想「透過 AI 影響市場與客戶」，那就從內容開始。歡迎來信： contentpower688@gmail.com
如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［QRCode］／［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。
AI 協作聲明：
本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。
InfoAI｜讀懂 AI 如何改變世界
在 AI 改變世界之前
助你先讀懂 AI 世界
每日精選全球 AI 新聞
AI 趨勢 + 新聞 + 深度解讀
Content Power ｜賦能你在 AI 時代的專業能力
專注於「AI × 專業 × 工作方法」的知識平台
透過框架、流程與方法
協助你在 AI 時代重建專業能力