Claude Opus 4.6杀死编程角逐！挖出500个day0误差，天生k线成交量漫衍，尚有PPT直出

智工具作者｜王涵编辑｜心缘

智工具2月6日报道，今天破晓，Anthropic正式宣布旗舰模子Claude Opus 4.6，是Anthropic首款开启100万token上下文窗口测试功效的旗舰级模子。

Opus 4.6具备更缜密的妄想能力，能维持更长时间的智能体使命执行，可以在重大代码库中稳固运行，并能够举行自我纠错。

在基准测试中，Opus 4.6在智能体编程评估Terminal-Bench 2.0中获得最高分，于综合性多学科推理测试Humanity’s Last Exam中也坐稳了第一名的宝座。

针对金融、执法等经济价值领域的GDPval-AA评估中，Opus 4.6也是第一，并较第二名的GPT-5.2拉开约144个Elo分差，较前代版本Claude Opus 4.5提升了190分。

就在Opus 4.6宣布后几分钟，OpenAI把GPT-5.3-Codex也搬了出来“正面硬刚”。阻止北京时间2月6日11点，X平台上有关“Claude VS Codex”的话题下已有4.1万条讨论。

Varick Agent的CEO“vas”发帖称：“Claude 4.6 Opus仅用一次挪用就重构了我的整个代码库。25次工具挪用，新增3000多行代码，建设了12个全新文件。它�？榛怂心谌�，拆解了单体架构，理顺了杂乱的逻辑。效果没一个能运行，但重构后的代码，着实是美得惊人。”

有网友展示出他用Opus 4.6一次性做出的k线成交量漫衍表。谈论区纷纷叹息：这要是真的，那一切都竣事了。

在话题讨论中，有不少网友都自觉测评了Opus 4.6与GPT-5.3 Codex这两款模子，还晒出了测试Agent在重大现实天下使命中的体现的Terminal-Bench，效果显示GPT-5.3 Codex比Opus 4.6领先了11.9%。

在网友的测评中，在编程方面GPT-5.3 Codex获得的好评似乎更多。有网友发出比照：“Opus 4.6有100万上下文+企业/知识事情+发明500个零日误差+Claude代码中的Agent集群-基准测试效果不如Codex 5.3；而gpt-5.3-codex有代码基准测试胜出+速率更快+使命中转向，但上下文窗口不到Opus的一半。”

尚有网友放出了更直观的性能比照图：

价钱上，在200K上下文以内（包括200K），Opus 4.6输入每百万token的价钱为5美元（约合人民币34.69元），输出每百万token的价钱为25美元（约合人民币173.45元）；凌驾200K上下文，Opus 4.6输入每百万token的价钱为10美元（约合人民币69.38元），输出每百万token的价钱为37.5美元（约合人民币260.18元）。

别的，Anthropic还将向Pro与Max用户限时赠予价值50美元（约合人民币346.9元）的特殊使用额度，不适用于Team版、企业版及API/控制台用户。

使用特殊额度的用户需同时知足以下两个条件：

1、已于2026年2月4日（太平洋时间）晚11:59前开通Pro或Max订阅；

2、在2026年2月16日（太平洋时间）晚11:59前启用特殊用量功效。

Claude Opus 4.6克日起在claude.ai官网、API接口及所有主流云平台同步上线�？⒄呖赏ü鼵laude API挪用claude-opus-4-6模子。

一、“大海捞针”测试得分76%，缓解“上下文衰减”问题

在多语言编程测试SWE-bench Multilingual中，Opus 4.6的效果较Opus 4.5提升1.6分；在网络清静误差复现测试CyberGym中，Opus 4.6获得66.6分，较Opus 4.5提升15.6分，是Sonnet 4.5分数的两倍多。

Opus 4.6在长文本连贯性测试Vending-Bench 2中以 8017.59 的分数大幅领先，在盘算生物学BioPipelineBench测试中也以53.1分的效果位居第一。

Opus 4.6在从海量文档中检索相关信息方面能力较上一代有所提升。这一优势延伸至长上下文使命，它能在处置惩罚数十万token时更稳固地坚持和追踪信息，镌汰信息漂移，并能捕获到可能遗漏的深层细节。

Anthropic团队在博客中称，用户常诉苦AI模子保存“上下文衰减”问题——即对话凌驾一定token数目后性能会下降。

对此，研究团队对Opus 4.6举行了MRCR v2的“8针-100万”变体测试，这是类似于一种在众多文本中检索隐藏信息的“大海捞针”式基准测试。在这个测试中Opus 4.6得分达76%，而Sonnet 4.5仅得18.5%。

Opus 4.6的综合基准测试如下图所示。总而言之，Opus 4.6在长上下文中查找信息更精准，吸收信息后的推理能力更强。

二、行为失范率极低，新增六类网络清静探测工具

智能水平的奔腾并未以牺牲清静性为价钱。在Anthropic的自动化行为审计中，Opus 4.6的行为失范率极低，行为失范包括诱骗、奉承、助长用户妄想以及配合滥用等情形。

其清静对齐水平与前代旗舰模子，即迄今为止对齐度最高的Claude Opus 4.5坚持一律水准。

值得注重的是，Opus 4.6在所有近期Claude模子中展现出最低的太过拒绝率，即模子未能回应良性盘问的情形。

在博客中，Anthropic团队透露，针对Opus 4.6，他们开展了迄今最周全的清静评估系统，首次应用多项全新测试要领并对既有评估计划举行升级。Anthropic团队新增了用户福祉评估、更重大的危险请求拒答能力测试，并更新了模子隐藏执行有害行为的评估标准。

同时，其运用可诠释性科学的新要领举行实验，最先探讨模子特定行为背后的成因，以期发明标准测试可能遗漏的问题。

针对Opus 4.6在特定领域可能被危险使用的突出能力，研究团队同步安排了新的防护机制。尤其鉴于该模子显著增强的网络清静能力，他们开发了6种新型网络清静探测工具以资助追踪差别形式的潜在滥用行为。

同时，Anthropic也在加速推进Opus 4.6在网络防御领域的应用，通过其协助发明并修复开源软件误差。

他们以为网络防御者使用Claude这类AI模子来平衡攻防态势至关主要。网络清静领域生长迅速，Anthropic将凭证对潜在威胁的认知一连调解和更新防护步伐，近期其可能启动实时干预机制以阻断滥用行为。

三、API新增自顺应思索功效，Claude Code现可多智能体并行

通过API接口，开发者们还可以获取到更细腻的模子算力控制计划，并为恒久运行的智能体使命带来更高无邪性。详细新增以下功效：

1、自顺应思索：此前开发者仅能在启用或禁用深度思索模式间二选一。现在通过自顺应思索功效，Claude可自主判断何时需要深度推理。在默认算力品级（高）下，模子会在须要时启动深度思索，开发者也可通过调解算力品级来改变其触发频率。

2、算力调控：现提供四个可调理的算力品级：低、中、高（默认）、极致。

3、上下文压缩（测试版）：长程对话与智能体使命常触及上下文窗口限制。当对话靠近可设置阈值时，上下文压缩功效将自动总结并替换早期对话内容，使Claude能够执行更长使命而不受限制。

4、100万token上下文（测试版）：当提醒内容凌驾20万token时，将适用高级定价。

5、128k输出token：Opus 4.6支持最高128k token的输出长度，使Claude能完整处置惩罚需要大规模输出的使命，无需拆分为多次请求。

6、美国境内推理：关于需要在美国境内运行的事情负载，可选择美国专属推理效劳，定价为标准token用度的1.1倍。

在Claude与Claude Code平台，Anthropic新增了多项功效：

Claude Code中新增智能体团队的研究预览功效。现在用户可以启动多个并行事情的智能体，它们将自主协同配合，特殊适用于代码库审查这类可拆分为自力、重读取的子使命。

在与常用办公工具的协作体验方面，Claude Excel集成版现在能够处置惩罚长时程与高难度使命，支持先妄想后执行、自主剖析非结构化数据并推断准确名堂，还能单次完成多办法修改。

Excel集成版还能搭配PowerPoint集成版使用，用户可先在Excel中处置惩罚并结构化数据，再通过PowerPoint实现可视化泛起。

PowerPoint集乐成能现已面向Max、Team及企业版用户开放研究预览。

四、松手两千次会话，Opus 4.6率智能体团队“炼”出十万行C编译器

Anthropic官方还给出了一个开发者使用并行Claude智能体团队构建C语言编译器的案例。在这个案例中，开发者指派Opus 4.6率领智能体团队构建一个C语言编译器，随后便基本松手任其运行，仅用两周，就完成了一个小团队一个月的事情。

（视频）

在为期两周、近2000次Claude Code会话中，Opus 4.6消耗了20亿个输入token并天生1.4亿个输出token，总本钱略低于2万美元（约合人民币13.88万元），这个本钱仅相当于开发者小我私家自力完成所需投入的零头。

最终Opus 4.6做出了一个有着10万行代码规模的编译器，并且是净室实现，即开发全程Claude无网络会见权限，仅依赖Rust标准库。

这个编译器能在x86、ARM和RISC-V架构上构建可启动的Linux 6.9内核，还能编译QEMU、FFmpeg、SQLite、PostgreSQL、Redis等大型项目。

该编译器在包括GCC torture测试套件在内的大大都编译器测试中抵达99%通过率，甚至通过了编译器、操作系统等底层手艺的 “最终测试”：乐成编译并运行第一人称射击游戏《Doom》。

经由多轮实践，开发者总结出了协调多个Claude高效协作的四大焦点要领：

1、刷新测试框架：

在项目后期，Claude每次实现新功效时都会频仍破损现有功效。为此开发者构建了一连集成流水线，实验更严酷的检查机制，让Claude能更好地测试自身事情，确保新提交不会破损现有代码。

2、站在Claude的视角设计适配情形：

每个智能体都启动于无上下文的新容器中，会破费大宗时间自我定位，尤其在大型项目中。甚至在运行测试前，为资助Claude自助，开发者需要在说明中要求维护详细的README文档和进度文件，并需频仍更新目今状态。

3、简化并行机制：

当保存多个自力失败的测试时，并行化万无一失，但当智能体最先编译Linux内核时却陷入逆境。与包括数百个自力测试的套件差别，编译Linux内核是单项巨型使命，所有智能体都会遇到相同的bug，修复后却相互笼罩修改，运行16个智能体也不可，由于它们都卡在解决统一问题上。

为此，开发者编写了新测试框架，将GCC作为在线验证编译器举行比对。这让每个智能体都能并行事情，在差别文件中修复差别bug，直至Claude的编译器最终能编译所有文件。

4、多元智能体角色分工：

LLM编写的代码常重复实现现有功效，因此开发者指派了一个智能体专门合并发明的重复代码。另一个认真优化编译器自己的性能，第三个则专攻输出高效的编译代码，还让一个智能体以Rust开发者视角批判项目设计并举行结构性刷新，另设智能体专注文档事情。

开发者称，该效果已经迫近Opus的能力界线，但仍有需要提升的方面：

1、16位x86编译器缺失：缺乏从实模式启动Linux必需的16位x86编译器，该环节需挪用GCC（x86_32和x86_64编译器为自主实现）；

2、汇编器与链接器不完善：这两部分是Claude最后最先自动化的�？�，现在仍保存较多缺陷。演示视频中使用的是GCC汇编器与链接器；

3、兼容性未达全替换标准：虽能乐成构建众多项目，但尚不可完全替换真实编译器；

4、代码天生效率偏低：纵然启用所有优化选项，其输出代码效率仍低于禁用优化的GCC；

5、Rust代码质量有限：代码质量尚可，但远未抵达专业Rust程序员的水准。

结语：Anthropic在清静性上下了狠功夫

Opus 4.6在长上下文明确、重大推理与智能体协作等方面的性能提升，为企业级高密度、长周期使命提供了新的解决计划。

同时，在Anthropic的博客中，他们用了很大篇幅来写新模子的清静性。Anthropic通过增强清静评估系统与安排自动防护机制，展现出对AI危害治理的前置性投入。

《中文字幕在线欧美》，《Q8X2R7L1T4J5M9B6W3》

一级黄色片免费的

“欧美性交小视频”

日韩黄片性爱

……

02月08日

“欧美操逼大片”BLG晋级S14决赛

↓↓↓

各省网友为自家文旅局长疯狂揽活，是WTA年终总决赛郑钦文获亚军

02月08日，最高法：三名强奸未成年人的罪犯被依法执行死刑，午夜欧美888，八重身子被旅行者爆炒，神秘网站永不失联，欧美日韩国产亚洲无需播放器

02月08日，福建各级法院保护残疾人合法权益持续加大司法救助力度，体育生露J巨大包自慰，超会喷水的淫娃，屄眼，一节黄片

02月08日，杭州富阳半程马拉松举行 14国选手跑进《富春山居图》，18 男晨勃露露j，女人18毛片A 级毛片，上课被玩到喷出白浆h，成人啪啪啪视频在线观看

02月08日，2024年广东GDP增长预期目标为5%，91.18视频，无码毛片视频一区二区无码，色人人操色人人干，小12萝裸体扒开腿啪啪成人

02月08日，广东多地气温跌破0℃ 广州山区出现冰挂，少妇婬水A片好爽www动漫，19sexAV，守望人妻，米塔🔞🍌进去里❌❌❌官方版

02月08日，中国建设银行优秀县域支行巡礼丨陕西府谷支行，自拍99，一级欧美AA片免费欢看，国产大量自拍视频，三级片小视频免费看

02月08日，《中国我的爱》MV正式上线，护士白腿被老师玩坏h，成,人一级黄色视频在线免费播放。，毛片三级电影，国产一级黄片视频

02月08日，西藏海拔最高的夜市开业——点亮“夜经济” 燃旺“烟火气”，亚洲精品三级片网站，美国黑女人呵男人交配发清视频，久久毛片网，国产初高中精品视频

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

Claude Opus 4.6杀死编程角逐！挖出500个day0误差，天生k线成交量漫衍，尚有PPT直出

热门视频

k1体育麻将胡了

下载APP

所有

Claude Opus 4.6杀死编程角逐！挖出500个day0误差，天生k线成交量漫衍，尚有PPT直出

热门视频

Claude Opus 4.6杀死编程角逐！挖出500个day0误差，天生k线成交量漫衍，尚有PPT直出