剛剛, Claude Opus 4.6登頂編程之王! 殺入Office全家桶, 15億打工人變天

新智元報道

編輯：桃子 好困

【新智元導讀】整個硅谷又癲狂了！Anthropic深夜扔出王炸，Claude 4.6用近乎恐怖的編程能力和智能體軍團，給OpenAI和谷歌上了一堂名為「降維打擊」的課。

Anthropic深夜驚雷，終于祭出了編程之王！

剛剛，Claude Opus 4.6橫空出世，一夜成為全球最強編程AI，「無模」能敵。

它在前一代Opus 4.5的基礎上，大幅提升了編碼技能。

Claude Opus 4.6的規劃更縝密，能更持久地執行AI Agent任務，在超大規模代碼庫中運行也更加可靠。

最重要的是，它還具備更強自我糾錯能力，比如精準的代碼審查、調試。

它也是Anthropic首款在beta階段，上下文支持100萬token的Opus級模型。

在多項基準測試中，Claude Opus 4.6編程實力幾乎全方位領先，Gemini 3 Pro、GPT-5.2望塵莫及。

在ARC-AGI-2上，Opus 4.6拿下68.8%高分，超過GPT-5.2-xhigh

（左右滑動查看）

不僅如此，Opus 4.6一經上線，就開始革命辦公了！

今天，這款新模型同時在Excel、PPT中的Claude，以及Claude Code、API中同步上線。

比如奧運長跑鞋供應鏈數據，和自己預測的不一樣，好幾個季度數據不能一眼過完，可以緊急向Opus 4.6求救。

它會遍歷文件夾下所有Excel表，直接抓出差錯的地方，還能同步繪制出折線圖。

同樣在PPT中，也能實時調用Opus 4.6了，從布局、字體到母板，Claude都能確保內容符合品牌規范。

從今天起，Claude Opus 4.6可以在Claude網頁端、開發者平臺，以及各大平臺直接可上手。

硅谷今晚的火藥味，恐怕要沖破屏幕了......

Opus 4.6發布后沒幾分鐘，OpenAI緊急掏出GPT-5.3-Codex。

眼瞧著奧特曼發了預告，Anthropic立刻火速亮劍。只能說，起了個大早趕了個晚集

「編程新王」深夜炸場，革命全球打工人

Claude Opus 4.6的官宣，可以說是Anthropic一次重大轉折。

負責人Alex Albert是這么說的，「Claude在2025顛覆了編程，在2026年將徹底重塑知識型工作」！

Opus 4.6絕不僅是一次簡單的模型升級，而是AI真正成為人類「職場合伙人」的分水嶺——

尤其是對于那些每天泡在表格、PPT和長文檔里的打工人。正是這類工作，支撐起了金融和咨詢等核心產業。

在真實的金融任務測試中，Opus 4.6比幾個月前業界頂尖的Sonnet 4.5，足足提升了23%以上。

在這個時代，「幾個月前」聽起來就像上個世紀。

而且這些測試一點都不抽象，全是實打實的硬活：建財務模型、做路演 PPT、搞并購分析。以前分析師得忙活好幾周的工作，現在眨眼間就能完成。

在日常工作任務中，Opus 4.6將成為最強助力——

運行財務分析、進行深度研究，以及使用和創建Word、Excel、PPT，全都可以調用。

值得一提的是，據不完全統計，全球約有15億人都在Office全家桶上辦公，Opus 4.6正在引發一場深層的辦公效率變革。

不僅如此，在Claude Cowork中，Opus 4.6可以直接成為「牛馬」手替，完成以上一切復雜任務。

在輸出質量上，Opus 4.6也有了質的飛躍。

以前的模型可能需要反復修改好幾輪，甚至根本搞不定；但現在，第一版出來的東西往往就能直接用了。

• Cowork讓你丟進一整個文件夾就能同時啟動多項分析；

• Excel里的Claude 處理起多表財務模型來得心應手，絕不跑偏；

• PowerPoint里的Claude，讓你能直接在軟件里生成和修改。

正如AI抹平了開發的門檻，它也將重塑每一位知識工作者的能力邊界。

一場生產力的范式轉移已箭在弦上，序幕才剛剛開啟。

全面碾壓Gemini 3、GPT-5.2

SOTA拿到手軟

能夠推動這種生產力范式的遷移，前提一定是，有一個實力全方位能打的模型。

Opus 4.6做到了！它在多項評估中的表現均達到了SOTA——

在智能體編程評估Terminal-Bench 2.0中，它拿下了65.4的高分；在HLE測試中，領跑所有其他前沿模型。

最重要的是，在GDPval-AA知識工作的性能評估中，Opus 4.6比GPT-5.2高出約144 Elo分，比上一代 Opus 4.5高出190分。

另外，Opus 4.6在智能體搜索BrowseComp基準上，表現完勝任何模型。

從更全面的基準PK中看，在智能體編程、計算機使用、工具使用、搜索和金融領域，Opus 4.6是業界領先的模型，優勢更加明顯。

在智能體工具使用t2-bench中，Opus 4.6拿下了近滿分的成績，零售91.9%，電信99.3%。

Opus 4.6在從海量文檔中檢索相關信息方面，表現得更好。

這種能力延伸到了長上下文任務中，它可以在數十萬Token中保存和跟蹤信息，且漂移更少，并且能捕捉到即使是Opus 4.5也會錯過的深埋細節。

AI模型一個常見的痛點是「上下文衰減」（context rot），即隨著對話超過一定數量的Token，性能會下降。

Opus 4.6表現明顯優于其前身：在MRCR v2的8-needle 1M變體（一種「大海撈針」基準測試）上，其得分為 76%，而Sonnet 4.5得分僅為18.5%。

這代表了模型在保持峰值性能的同時，實際可用上下文數量上的質的飛躍。

總而言之，Opus 4.6更擅長在長上下文中查找信息，更擅長在吸收該信息后進行推理，并且總體上具有明顯更強的專家級推理能力。

下面的圖表顯示了， Claude Opus 4.6 在各種基準測試中的表現。

這些測試評估了其軟件工程技能、多語言編程能力、長期一致性、網絡安全能力及其生命科學知識。

左右滑動查看

Claude Code「智能體群」登場

一人指揮AI大軍

更值得一提的是，Opus 4.6深度集成到了Claude Code中。

如今，在Claude Code中，開發者可以組建智能體團隊（agent teams）來協同處理任務。

也就是人們最近討論最熱的「智能體群」（Agent Swarms）。

Claude Code之父Boris Cherny警告，尚在實驗階段，可能會消耗大量token

從此以后，不再只是單個Claude孤軍奮戰、按部就班地處理任務。

如今，「主智能體」可以將任務分發給多個「Claude團隊成員」。其他AI可以并行開展調研、調試和開發工作，并實時保持溝通協作。

這意味著，一個開發者可以帶領Claude大軍搞開發了。只要動動嘴描述一下想法，就能寫出軟件。

在官方文檔介紹中，Anthropic將其稱之為「多Claude Code會話團隊編排」（Orchestrate teams）。

每次任務中，都會有一個領頭人Claude在AI大軍中挑起重擔，負責統籌全局、分配任務并匯總最終結果。

可以使用Shift+Up/Down或tmux直接接管任何子智能體（subagent）

其他AI則在各自獨立的上下文中各司其職，并且彼此之間可以直接溝通。

這與「子智能體」有所不同：子智能體運行在單一會話內，只能向主智能體匯報；

而對于「AI智能體團隊」，開發者可以越過負責人直接與任何一個成員進行交互。

在下面demo中，可以看到在同一個界面中，多個Agent同步執行任務，讓開發效率狂飆。

砸2萬美金，16個Claude組團寫10萬行C編譯器

這不，Anthropic打了個樣，讓Opus 4.6智能體群打造出一款C編譯器，人類只「旁觀」幾乎不干預。

兩周后，它成功在Linux內核中運行了！

實驗中，團隊讓16個Claude Opus 4.6，在沒有任何人類干預的情況下，并行協作開發代碼。

為了測試這套系統的極限，給這群AI派了一個硬核任務——從零開始用Rust語言寫一個C編譯器，而且目標是必須能編譯Linux內核。

16個Claude瘋狂「加班」，消耗了近20億個輸入Token，總共燒掉了約2萬美元的API成本。

實驗過程非常有意思，Nicholas Carlini構建了一個自動循環系統，讓Claude 完不成任務就不準「下班」。

這里只想mark下Dario Amodei這句話：未來6-12月，軟件工程不再需要人類

為了防止AI們打架，他設計了一套基于Git任務鎖機制，讓不同的Claude負責不同的模塊：

有的在解 Bug，有的在寫文檔，有的在優化代碼質量，甚至還有專門負責「吐槽」架構并進行重構的。

最終結果令人震撼：這支AI戰隊真的擼出了一個10萬行代碼的編譯器！

它不僅能成功編譯Linux 6.9內核（支持x86、ARM和RISC-V架構），還能跑通《毀滅戰士》（Doom）、PostgreSQL、Redis等復雜項目。

Claude創造Claude，學會深度思考

在Anthropic內部，團隊用Claude來構建Claude。

工程師每天都使用Claude Code編寫代碼，每一款新模型都會首先在內部工作中進行測試。

對于Opus 4.6，團隊發現可以在無需被告知的情況下，更加專注于任務中最具挑戰性的部分，在較簡單的部分快速推進，以更好的判斷力處理模棱兩可的問題，并在更長的會話中保持高效。

Opus 4.6經常會進行更深度的思考，并在確定答案之前更仔細地重新審視其推理過程。

這在處理較難的問題時會產生更好的結果，但在較簡單的問題上可能會增加成本和延遲。

如果發現模型在某個特定任務上「想太多」，建議將 Effort（思考力度）從默認設置（高）調低至中等。

左右滑動查看

加入百萬token上下文革命

在API上，Claude可以用「上下文壓縮」來總結其上下文，從而在不觸及限制的情況下，執行運行時間更長的任務。

團隊還引入了「自適應思考」（adaptive thinking）——模型可以根據上下文線索感知何時需要使用擴展思考；

以及，全新的Effort（思考力度）控制，讓開發者對智能、速度和成本擁有更多掌控權。

在API定價方面，Claude Opus 4.6輸入價格5美元/百萬token，輸出價格25美元/百萬token。

此外，Opus 4.6是首款支持100萬Token上下文的Opus級別模型。

對于超過200k Token的提示詞，將按高級費率計費（每百萬輸入/輸出 Token分別為10美元/37.5美元）。

另外，Opus 4.6支持高達128k Token的輸出，這讓Claude無需將任務分解為多個請求即可完成更大輸出量的任務。

對于需要在美運行的工作負載，可以使用僅限美國推理（US-only inference），價格為Token定價的1.1倍。

更安全，更聽話

智能的提升并非以犧牲安全性為代價。

在自動化行為審計中，Opus 4.6表現出較低的未對齊行為（misaligned behaviors）發生率，如欺騙、阿諛奉承（sycophancy）、助長用戶妄想以及配合濫用。

總體而言，它與我們迄今為止最對齊的前沿模型Opus 4.5一樣對齊良好。

Opus 4.6還顯示出在任何最近的Claude模型中最低的過度拒絕（over-refusals）率——即模型拒絕回答良性查詢的情況。

最后，用Anthropic負責人Alex Albert一句話總結Claude Opus 4.6的這場發布——

2025年是AI編程走向普及的元年，而2026年，AI將在編程之外的所有領域全面爆發。

參考資料：

https://www.anthropic.com/news/claude-opus-4-6

https://x.com/claudeai/status/2019467372609040752