Anthropic 发布的 Claude Opus 4.6 不仅仅是常规迭代。凭借在多项关键基准测试中的领先表现，尤其是超越 GPT-5.2 的实力，以及突破性的百万级上下文窗口，这款模型正在重新定义顶级 AI 的能力边界，为开发者和知识工作者带来全新可能。
智能速览
在 GDPval-AA 评估中，Opus 4.6 以 144 Elo 的优势超越 GPT-5.2。
率先支持 100 万 token 上下文窗口，大幅减少长文本“遗忘”问题。
Terminal-Bench 2.0 编码能力得分 65.4%，展现出卓越的代理任务处理水平。
新增自适应思考和努力度控制，让开发者更灵活地平衡成本与效果。
安全性得到增强，过度拒绝率为近期模型中最低。
精华内容
Claude Opus 4.6 的升级并非简单的参数堆砌，而是在推理、编码和长上下文处理等核心能力上实现了质的飞跃。
性能碾压
在多项权威基准测试中，Claude Opus 4.6 的表现堪称惊艳。在独立评估平台 GDPval-AA 中，它以超过 144 Elo 的优势领先于 OpenAI 的 GPT-5.2，意味着在金融、法律等专业领域，其胜率高达 70%。
此外，在号称“人类最后的考试” Humanity’s Last Exam 和衡量信息检索能力的 BrowseComp 中，Opus 4.6 同样斩获行业最高分，确立了其在多学科推理和复杂信息处理领域的领先地位。
上下文突破
AI 模型处理长文本时普遍存在的“上下文腐烂”问题在 Opus 4.6 上得到显著改善。该模型首次支持 100 万 token 的上下文窗口，相当于能一次性“阅读”一本厚书。
在 MRCR v2 的“大海捞针”测试中，面对 100 万 token 的文本，Opus 4.6 的信息检索准确率达到 76%，远超 Sonnet 4.5 的 18.5%。正如 Thomson Reuters 首席技术官所言，这种一致性极大增强了设计和部署复杂研究工作流的能力。
编码进化
Opus 4.6 的编码能力不止是写代码，更是规划和执行。在 Terminal-Bench 2.0 代理编码评估中，它取得了 65.4% 的历史最高分。
来自业界的反馈证实了这一点：Cursor CEO 表示，Opus 4.6 在处理难题时韧性更强，能长时间保持专注；Rakuten 的实践则显示，该模型能在一天内自主处理十几个代码库 issue，并正确分配任务，展现出强大的项目管理能力。
开发者利器
为配合模型能力的释放，Anthropic 推出一系列开发者新功能。自适应思考让模型自动判断推理深度；努力度控制提供四个级别，精准平衡性能与成本。
上下文压缩功能则能自动总结旧信息，让代理任务运行更持久。此外，定价与前代持平，配合 128k 输出和 1M 上下文，性价比优势明显。
Claude Opus 4.6 的发布，标志着顶级 AI 模型在处理复杂现实任务上又迈出了坚实一步。它不仅是一个工具，更像是一个能够深度思考和协作的智能伙伴。未来，这样的 AI 将如何重塑我们的工作流程？
