近期，人工智能领域的两大巨头OpenAI与Anthropic展开了激烈的新一轮角逐，通过发布新模型和进行罕见的交叉评测，向外界展示了各自的技术实力与发展方向。这些实测结果不仅揭示了模型间的性能差异，也预示了人工智能未来的发展趋势。
这场竞争的高潮，是两家公司几乎在同一时间发布了针对高级应用，尤其是编程领域的新模型：Anthropic推出了Claude Opus 4.6，而OpenAI则以GPT-5.3-Codex作为回应。这场被业界称为“AI编程大战”的正面交锋，凸显了双方在智能体（Agent）能力上的竞逐。
GPT-5.3-Codex被OpenAI定位为“迄今为止最强大的智能体编码模型”。它不仅在多个编程基准测试中刷新了纪录，如在Terminal-Bench 2.0上获得77.3%的高分，更重要的是其能力的扩展。OpenAI明确表示，Codex正从一个单纯编写和审查代码的工具，进化为一个能处理研究、工具使用、复杂执行乃至制作PPT和进行数据分析的“电脑伙伴”。其一大亮点是“自我加速”能力，即OpenAI利用该模型的早期版本来辅助自身的开发、调试和部署，极大地缩短了研发周期。此外，GPT-5.3-Codex在交互上也做出了改进，它会在执行长任务时与用户保持沟通，实时汇报进展，允许用户中途介入和调整。
另一边，Anthropic发布的Claude Opus 4.6则以其强大的综合能力和超长上下文处理能力令人瞩目。新模型首次在旗舰级别引入了测试版的100万token上下文窗口，在著名的“大海捞针”测试中表现优异，证明其能有效处理和理解海量信息，这对于分析大型代码库或多篇长文档等任务至关重要。Opus 4.6不仅在编程能力上依旧领先，更在金融、法律等专业知识工作评估中超越了对手。Anthropic还展示了其惊人的智能体协作能力：通过“Agent Teams”功能，16个AI智能体在两周内从零构建了一个能够编译Linux内核的C语言编译器，充分展示了其在复杂项目上的并行处理和自主协作潜力。此外，Opus 4.6在网络安全领域的测试中，自主发现了超过500个未知的零日漏洞，展现了其在专业领域的深度应用价值。
除了这场火药味十足的新品对决，OpenAI和Anthropic还进行了一次业界罕见的合作，即相互开放API权限，对彼此的模型进行了一系列安全性和行为评估。这次交叉评测揭示了两个模型系列在设计哲学上的根本差异。
在“幻觉”问题上，Claude系列模型表现得更为谨慎。当不确定答案时，它们会倾向于拒绝回答，拒答率有时高达70%，这虽然让其显得保守，但有效降低了提供错误信息的风险。相比之下，OpenAI的GPT系列模型则更倾向于积极作答，即使这意味着出现幻觉的概率会更高。OpenAI在报告中也以“惊人的拒答率”来形容Claude的表现。
在遵守指令和保密方面，Claude模型同样展现出更强的“原则性”。在抵御系统提示词提取（即套取模型机密信息）的测试中，Claude Opus 4和Sonnet 4表现优异。当系统指令与用户请求发生冲突时，Claude也更能坚守系统设定的规则，不容易被用户的诱导所动摇。而在抵御“越狱”攻击方面，双方各有千秋，OpenAI的推理模型o3和o4-mini表现出更强的防御力。
从大量用户的实际测试和反馈来看，这些模型的“性格”差异在日常使用中体现得淋漓尽致。用户普遍认为，Claude模型速度快，适合处理中小复杂度的任务，但有时会显得有些“敷衍”或“糊弄”。GPT-5.2则被形容为一个“缓慢但深思熟虑的天才”，它在处理复杂问题和进行深度推理时表现最佳，考虑周全，但速度是其主要短板。新发布的GPT-5.3-Codex则似乎找到了一个平衡点，它在保持较高智力水平的同时，解决了前代模型“懒惰”的问题，效率和稳定性都得到了提升，弥补了Claude和GPT主模型之间的空白。许多开发者开始探索一种新的工作流：使用思考更全面的GPT模型进行规划和方案设计，然后将具体的执行任务交给速度更快的Claude或效率与智力兼备的GPT-5.3-Codex。
然而，随着模型能力的增强，新的问题也浮出水面。有研究发现，大语言模型在进行长篇推理时，在生成一定数量的token（如2000个）后，容易陷入一种名为“词语沙拉”的状态，即不断生成语义重复、毫无信息增量的废话。更令人惊讶的是，模型的内部状态显示，它似乎“知道”自己在重复，但却无法停下来。这揭示了当前AI在逻辑推理的底层机制上仍存在缺陷，单纯追求生成长度并不等同于高质量的思考。
OpenAI与Claude的实测对比，展现了当前AI领域两条并行的发展路径。一方面，模型在编程、推理、多模态理解等硬实力上持续突破，并朝着能够自主规划和执行复杂任务的“智能体”方向快速演进。另一方面，模型也逐渐形成了各自独特的“个性”——有的谨慎求实，有的勇于尝试；有的快而泛，有的慢而精。对于用户而言，未来可能不再是寻找一个全能的“最优”模型，而是学会如何像管理一个团队一样，根据不同AI的特长，将它们组合起来，以最高效的方式完成工作。这场顶尖对决，最终将推动整个行业从单纯的模型能力竞赛，走向更注重实际应用和人机协同的全新阶段。
