刚刚, Claude Opus 4.6登顶编程之王! 杀入Office全家桶, 15亿打工人变天

新智元报道

编辑：桃子 好困

【新智元导读】整个硅谷又癫狂了！Anthropic深夜扔出王炸，Claude 4.6用近乎恐怖的编程能力和智能体军团，给OpenAI和谷歌上了一堂名为「降维打击」的课。

Anthropic深夜惊雷，终于祭出了编程之王！

刚刚，Claude Opus 4.6横空出世，一夜成为全球最强编程AI，「无模」能敌。

它在前一代Opus 4.5的基础上，大幅提升了编码技能。

Claude Opus 4.6的规划更缜密，能更持久地执行AI Agent任务，在超大规模代码库中运行也更加可靠。

最重要的是，它还具备更强自我纠错能力，比如精准的代码审查、调试。

它也是Anthropic首款在beta阶段，上下文支持100万token的Opus级模型。

在多项基准测试中，Claude Opus 4.6编程实力几乎全方位领先，Gemini 3 Pro、GPT-5.2望尘莫及。

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

（左右滑动查看）

不仅如此，Opus 4.6一经上线，就开始革命办公了！

今天，这款新模型同时在Excel、PPT中的Claude，以及Claude Code、API中同步上线。

比如奥运长跑鞋供应链数据，和自己预测的不一样，好几个季度数据不能一眼过完，可以紧急向Opus 4.6求救。

它会遍历文件夹下所有Excel表，直接抓出差错的地方，还能同步绘制出折线图。

同样在PPT中，也能实时调用Opus 4.6了，从布局、字体到母板，Claude都能确保内容符合品牌规范。

从今天起，Claude Opus 4.6可以在Claude网页端、开发者平台，以及各大平台直接可上手。

硅谷今晚的火药味，恐怕要冲破屏幕了......

Opus 4.6发布后没几分钟，OpenAI紧急掏出GPT-5.3-Codex。

眼瞧着奥特曼发了预告，Anthropic立刻火速亮剑。只能说，起了个大早赶了个晚集

「编程新王」深夜炸场，革命全球打工人

Claude Opus 4.6的官宣，可以说是Anthropic一次重大转折。

负责人Alex Albert是这么说的，「Claude在2025颠覆了编程，在2026年将彻底重塑知识型工作」！

Opus 4.6绝不仅是一次简单的模型升级，而是AI真正成为人类「职场合伙人」的分水岭——

尤其是对于那些每天泡在表格、PPT和长文档里的打工人。正是这类工作，支撑起了金融和咨询等核心产业。

在真实的金融任务测试中，Opus 4.6比几个月前业界顶尖的Sonnet 4.5，足足提升了23%以上。

在这个时代，「几个月前」听起来就像上个世纪。

而且这些测试一点都不抽象，全是实打实的硬活：建财务模型、做路演 PPT、搞并购分析。以前分析师得忙活好几周的工作，现在眨眼间就能完成。

在日常工作任务中，Opus 4.6将成为最强助力——

运行财务分析、进行深度研究，以及使用和创建Word、Excel、PPT，全都可以调用。

值得一提的是，据不完全统计，全球约有15亿人都在Office全家桶上办公，Opus 4.6正在引发一场深层的办公效率变革。

不仅如此，在Claude Cowork中，Opus 4.6可以直接成为「牛马」手替，完成以上一切复杂任务。

在输出质量上，Opus 4.6也有了质的飞跃。

以前的模型可能需要反复修改好几轮，甚至根本搞不定；但现在，第一版出来的东西往往就能直接用了。

• Cowork让你丢进一整个文件夹就能同时启动多项分析；

• Excel里的Claude 处理起多表财务模型来得心应手，绝不跑偏；

• PowerPoint里的Claude，让你能直接在软件里生成和修改。

正如AI抹平了开发的门槛，它也将重塑每一位知识工作者的能力边界。

一场生产力的范式转移已箭在弦上，序幕才刚刚开启。

全面碾压Gemini 3、GPT-5.2

SOTA拿到手软

能够推动这种生产力范式的迁移，前提一定是，有一个实力全方位能打的模型。

Opus 4.6做到了！它在多项评估中的表现均达到了SOTA——

在智能体编程评估Terminal-Bench 2.0中，它拿下了65.4的高分；在HLE测试中，领跑所有其他前沿模型。

最重要的是，在GDPval-AA知识工作的性能评估中，Opus 4.6比GPT-5.2高出约144 Elo分，比上一代 Opus 4.5高出190分。

另外，Opus 4.6在智能体搜索BrowseComp基准上，表现完胜任何模型。

从更全面的基准PK中看，在智能体编程、计算机使用、工具使用、搜索和金融领域，Opus 4.6是业界领先的模型，优势更加明显。

在智能体工具使用t2-bench中，Opus 4.6拿下了近满分的成绩，零售91.9%，电信99.3%。

Opus 4.6在从海量文档中检索相关信息方面，表现得更好。

这种能力延伸到了长上下文任务中，它可以在数十万Token中保存和跟踪信息，且漂移更少，并且能捕捉到即使是Opus 4.5也会错过的深埋细节。

AI模型一个常见的痛点是「上下文衰减」（context rot），即随着对话超过一定数量的Token，性能会下降。

Opus 4.6表现明显优于其前身：在MRCR v2的8-needle 1M变体（一种「大海捞针」基准测试）上，其得分为 76%，而Sonnet 4.5得分仅为18.5%。

这代表了模型在保持峰值性能的同时，实际可用上下文数量上的质的飞跃。

总而言之，Opus 4.6更擅长在长上下文中查找信息，更擅长在吸收该信息后进行推理，并且总体上具有明显更强的专家级推理能力。

下面的图表显示了， Claude Opus 4.6 在各种基准测试中的表现。

这些测试评估了其软件工程技能、多语言编程能力、长期一致性、网络安全能力及其生命科学知识。

左右滑动查看

Claude Code「智能体群」登场

一人指挥AI大军

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，开发者可以组建智能体团队（agent teams）来协同处理任务。

也就是人们最近讨论最热的「智能体群」（Agent Swarms）。

Claude Code之父Boris Cherny警告，尚在实验阶段，可能会消耗大量token

从此以后，不再只是单个Claude孤军奋战、按部就班地处理任务。

如今，「主智能体」可以将任务分发给多个「Claude团队成员」。其他AI可以并行开展调研、调试和开发工作，并实时保持沟通协作。

这意味着，一个开发者可以带领Claude大军搞开发了。只要动动嘴描述一下想法，就能写出软件。

在官方文档介绍中，Anthropic将其称之为「多Claude Code会话团队编排」（Orchestrate teams）。

每次任务中，都会有一个领头人Claude在AI大军中挑起重担，负责统筹全局、分配任务并汇总最终结果。

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

其他AI则在各自独立的上下文中各司其职，并且彼此之间可以直接沟通。

这与「子智能体」有所不同：子智能体运行在单一会话内，只能向主智能体汇报；

而对于「AI智能体团队」，开发者可以越过负责人直接与任何一个成员进行交互。

在下面demo中，可以看到在同一个界面中，多个Agent同步执行任务，让开发效率狂飙。

砸2万美金，16个Claude组团写10万行C编译器

这不，Anthropic打了个样，让Opus 4.6智能体群打造出一款C编译器，人类只「旁观」几乎不干预。

两周后，它成功在Linux内核中运行了！

实验中，团队让16个Claude Opus 4.6，在没有任何人类干预的情况下，并行协作开发代码。

为了测试这套系统的极限，给这群AI派了一个硬核任务——从零开始用Rust语言写一个C编译器，而且目标是必须能编译Linux内核。

16个Claude疯狂「加班」，消耗了近20亿个输入Token，总共烧掉了约2万美元的API成本。

实验过程非常有意思，Nicholas Carlini构建了一个自动循环系统，让Claude 完不成任务就不准「下班」。

这里只想mark下Dario Amodei这句话：未来6-12月，软件工程不再需要人类

为了防止AI们打架，他设计了一套基于Git任务锁机制，让不同的Claude负责不同的模块：

有的在解 Bug，有的在写文档，有的在优化代码质量，甚至还有专门负责「吐槽」架构并进行重构的。

最终结果令人震撼：这支AI战队真的撸出了一个10万行代码的编译器！

它不仅能成功编译Linux 6.9内核（支持x86、ARM和RISC-V架构），还能跑通《毁灭战士》（Doom）、PostgreSQL、Redis等复杂项目。

Claude创造Claude，学会深度思考

在Anthropic内部，团队用Claude来构建Claude。

工程师每天都使用Claude Code编写代码，每一款新模型都会首先在内部工作中进行测试。

对于Opus 4.6，团队发现可以在无需被告知的情况下，更加专注于任务中最具挑战性的部分，在较简单的部分快速推进，以更好的判断力处理模棱两可的问题，并在更长的会话中保持高效。

Opus 4.6经常会进行更深度的思考，并在确定答案之前更仔细地重新审视其推理过程。

这在处理较难的问题时会产生更好的结果，但在较简单的问题上可能会增加成本和延迟。

如果发现模型在某个特定任务上「想太多」，建议将 Effort（思考力度）从默认设置（高）调低至中等。

左右滑动查看

加入百万token上下文革命

在API上，Claude可以用「上下文压缩」来总结其上下文，从而在不触及限制的情况下，执行运行时间更长的任务。

团队还引入了「自适应思考」（adaptive thinking）——模型可以根据上下文线索感知何时需要使用扩展思考；

以及，全新的Effort（思考力度）控制，让开发者对智能、速度和成本拥有更多掌控权。

在API定价方面，Claude Opus 4.6输入价格5美元/百万token，输出价格25美元/百万token。

此外，Opus 4.6是首款支持100万Token上下文的Opus级别模型。

对于超过200k Token的提示词，将按高级费率计费（每百万输入/输出 Token分别为10美元/37.5美元）。

另外，Opus 4.6支持高达128k Token的输出，这让Claude无需将任务分解为多个请求即可完成更大输出量的任务。

对于需要在美运行的工作负载，可以使用仅限美国推理（US-only inference），价格为Token定价的1.1倍。

更安全，更听话

智能的提升并非以牺牲安全性为代价。

在自动化行为审计中，Opus 4.6表现出较低的未对齐行为（misaligned behaviors）发生率，如欺骗、阿谀奉承（sycophancy）、助长用户妄想以及配合滥用。

总体而言，它与我们迄今为止最对齐的前沿模型Opus 4.5一样对齐良好。

Opus 4.6还显示出在任何最近的Claude模型中最低的过度拒绝（over-refusals）率——即模型拒绝回答良性查询的情况。

最后，用Anthropic负责人Alex Albert一句话总结Claude Opus 4.6的这场发布——

2025年是AI编程走向普及的元年，而2026年，AI将在编程之外的所有领域全面爆发。

参考资料：

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

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