(1).png)
一睜眼，Anthropic上新模型，讓Claude Opus 4.6來給您拜！年！了！
消息一出，金融數(shù)據(jù)服務商FactSet最慘盤中暴跌10%，S&P Global、穆迪、納斯達克公司紛紛下跌，各大指數(shù)全線跳水。
這已經(jīng)是Anthropic你小子本周第二次攪動市場了。
幾天前，它旗下一款自動化法律工作的插件悄悄上線，直接引爆了萬億美元級別的軟件股暴跌。
投資者的恐慌聚焦在一個問題：誰能保證幾年內(nèi)不被AI顛覆？不能就拋售。
想不到今天的Anthropic更狠。
今天以前，大家對Claude的印象，就是編程能力斷檔性的強。
Claude Opus 4.6冷笑一聲，梆梆一拳打破這個印象：俺在更多的領域都很強！
至少就官方說法而言，財務分析、研究，以及Office三件套，Claude Opus 4.6都可以玩兒得很溜。
官網(wǎng)直接寫到：
在GDPval-AA（一項評估金融、法律和其他領域經(jīng)濟價值知識工作任務的性能指標）上，Opus 4.6比行業(yè)下一最佳模型OpenAI GPT-5.2高出144個Elo喲～
（這意味著Claude Opus 4.6在大約70%的情況下在這個評估中獲得比GPT-5.2更高的分數(shù)，50%的情況下意味著分數(shù)相當）
當然，編程這塊它依舊獨領風騷。
在Agent編程評估Terminal-Bench 2.0中取得了最高分，并在“人類最后考試”中領先所有其他前沿模型。
好消息是加量不加價，Opus 4.6的定價保持原有標準：每百萬token輸入/輸出，價格是5美元/25美元。
（為了方便閱讀，以下簡稱新模型為Opus 4.6）
帶著 1M 上下文和自適應思考殺回巔峰
Opus 4.6最直觀的進步就是有了1M Token超大上下文，這是Claude首次在Opus級別模型中引入這個長度的上下文窗口。
這極大改善了Opus 4.6在處理長文本時會出現(xiàn)的“上下文衰減”情況。
在MRCR v2 8-needle 1M基準測試——大海撈針——中，Opus 4.6得分76%，而Claude Sonnet 4.5只有18.5%。
伴隨而來的結(jié)果是搜索能力的提升。
在BrowseComp評測（評估在線檢索難獲取信息的能力）中，Opus 4.6排名行業(yè)第一，深度多步驟代理式搜索表現(xiàn)最佳，能精準定位分散在長文檔中的關鍵信息。
Opus 4.6還引入了自適應思考（Adaptive Thinking）功能。
以前，使用Claude模型的開發(fā)者只能二選一，擴展思考模式要么開，要么關。
現(xiàn)在，Claude可以自己判斷什么時候需要深度推理。
（講真，這一步比ChatGPT慢了哈，下次請搞快點上這種好功能）
配套的effort參數(shù)提供四檔選擇——low、medium、high、max——，默認high，遇到模型過度思考的情況可以手動調(diào)低。
另一個實用功能是上下文壓縮（Context Compaction）。
當對話接近上下文窗口上限時自動摘要并替換舊內(nèi)容，讓長對話和Agent任務更輕松。
編碼、知識工作、搜索、推理等核心場景，殺爆了
官方博客顯示，Opus 4.6一出，幾乎無模型能與其爭鋒。
在編碼、知識工作、搜索、推理等核心場景，Opus 4.6有顯著突破。
多項評測成績超越前代及行業(yè)競品，be like：
看完有了個大概印象，我們再一個一個掰開說。
首先是編程能力。
Opus 4.6在Terminal-Bench 2.0中拿到了最高分。
從成績背后的實際能力來看，Opus 4.6能更周密地進行任務規(guī)劃，可在大型代碼庫中穩(wěn)定運行，代碼審查與調(diào)試精度提升。
而且能自主發(fā)現(xiàn)自身錯誤。
另一點是Opus 4.6支持多語言編碼，能處理跨語言軟件工程問題。
它能像高級工程師一樣完成數(shù)百萬行代碼庫遷移，且用時實打?qū)嵣僖话肽欠N。
寫到這里的時候，我不禁在想：
工程師們看到這個消息到底是高興得頭發(fā)都不掉了，還是會掉更快呢……（陷入沉思.jpg）
其次，Opus 4.6也在積極入侵傳統(tǒng)辦公領地。
這次它對Office三件套狠狠出手了。
-
能直接在Excel里攝入凌亂的非結(jié)構(gòu)化數(shù)據(jù)，自行推斷合理的表格結(jié)構(gòu)，一次操作中可處理多個復雜步驟；
-
能銘記你公司的PPT模板，包括字體和布局風格也記住，確保生成的PPT沒啥AI味，讓老板以為是你熬夜框框一頓做的。
在Cowork環(huán)境下，Opus 4.6可以代表用戶自主多任務運行，一邊跑財務分析，一邊把研究成果整理成文檔。
感覺，Anthropic有點想把Claude從聊天框里拉到更多空間里的意思？
第三，我們來說說它在推理能力上的進步。
先上個總結(jié)：
Opus 4.6在跨領域推理上，更強了。
在多學科復雜推理測試 “人類最后的考試” 中，Opus領先所有前沿模型。
在法律領域，Opus 4.6在40%為滿分的BigLaw Bench上，得分90.2%。
在金融、法律等經(jīng)濟價值導向任務評測GDPval-AA 中，Opus 4.6以144 Elo超越“行業(yè)競品”O(jiān)penAI GPT-5.2。
無論是復雜的法律、金融專業(yè)知識還是刁鉆的學術研究，它的推理理解深度都達到了目前frontier models的頂峰。
難得的是，這種智力的飛躍并沒有以犧牲安全性為代價。
在Anthropic最看重的自動化行為審計中，Opus 4.6的對齊水平極高，同時，欺騙、奉承等負面行為極低。
Opus 4.6甚至解決了目前AI圈普遍頭疼的“過度拒絕”問題——
在面對正常的、無害的請求時，它比以往任何模型都更少地表現(xiàn)出那種死板的拒絕。
目前，Opus 4，6已經(jīng)在官網(wǎng)、API和所有主流云平臺上線。
加量不加價，Opus 4.6的定價保持原有標準：每百萬token輸入/輸出，價格是5美元/25美元。
不過在10M token上下文測試版本中，提示詞超過200k token的話會有額外付費。
劃！重！點！
想要使用Opus 4.6的話，需要在調(diào)用API的時候明確制定模型標識 “Claude-opus-4-6”。
更多飯碗沒了
16個Agent兩周寫完C編譯器，運行毀滅戰(zhàn)士
Opus 4.6帶來的一項核心能力升級是Agent Teams，即多個Claude實例并行協(xié)作，無需人類實時監(jiān)督。
Anthropic安全團隊的研究員Nicholas Carlini拿它做了個壓力測試：讓16個Agent從零開始用Rust寫一個能編譯Linux內(nèi)核的C編譯器。
兩周時間，近2000次Claude Code會話，燒掉20億輸入Token和1.4億輸出Token，總成本不到2萬美元。
最終產(chǎn)出是一個10萬行的編譯器，能在x86、ARM和RISC-V三個架構(gòu)上編譯Linux 6.9，還能跑Doom。
這套并行機制讓每個Agent跑在獨立的Docker容器里，共享一個git倉庫。
為了防止多個Agent撞車，都屁顛屁顛跑去解決同一個問題，系統(tǒng)用了一個簡單的鎖機制。
Agent通過往current_tasks/目錄寫文件來”認領”任務，git的同步機制自動處理沖突。Agent之間沒有專門的通信協(xié)議，也沒有編排Agent，每個Claude自己決定下一步干什么。
Carlini在博客里寫道：
“當Agent開始編譯Linux內(nèi)核時曾一度卡住，因為這是一個巨型單體任務，16個Agent全撞在同一個bug上互相覆蓋?！?/p>
解法是引入GCC作為”oracle”對照組，讓每個Agent只編譯內(nèi)核的隨機子集，通過二分法定位問題文件，這樣并行能力才真正發(fā)揮出來。
500個零日漏洞，開箱即挖
Opus 4.6在網(wǎng)絡安全領域的表現(xiàn)讓Anthropic自己都有點意外。
在發(fā)布前的測試中，Anthropic的前沿紅隊把Opus 4.6扔進一個沙箱環(huán)境，給它Python和常規(guī)漏洞分析工具（fuzzer、debugger那些），沒有任何專門指令或領域知識，讓它自己去找開源代碼里的漏洞。
結(jié)果它挖出了超過500個此前未知的高危零日漏洞。
每一個都經(jīng)過了Anthropic團隊成員或外部安全研究員的驗證的哦。
具體案例包括：
-
在GhostScript（一個處理PDF和PostScript文件的常用工具）中發(fā)現(xiàn)了一個可導致崩潰的漏洞，而且是在傳統(tǒng)fuzzing和人工分析都沒找到問題之后，Claude自己翻了項目的git提交歷史才挖出來的；
-
在OpenSC（處理智能卡數(shù)據(jù)的工具）和CGIF（處理GIF文件的工具）中發(fā)現(xiàn)了緩沖區(qū)溢出漏洞；在CGIF那個案例里，Claude甚至主動寫了PoC（概念驗證代碼）來證明漏洞真實存在。
Anthropic前沿紅隊負責人Logan Graham說，如果這成為未來開源軟件安全審計的主要方式之一，他一點也不驚訝。
不過Anthropic也承認，這種能力可能被濫用。
為此，團隊加了六套新的網(wǎng)絡安全探測機制，未來可能會上線實時攔截系統(tǒng)來阻止惡意流量。
One More Thing
官網(wǎng)顯示，Anthropic現(xiàn)在已經(jīng)是“用Claude構(gòu)建Claude”。
自家工程師每天都在用Claude Code編寫代碼，每個新模型首先都在自己的工作環(huán)境中進行測試。
本文來源：
贊
.png)
986
收藏
