Claude Opus 4.6 發佈說明

Anthropic 已發佈 Claude Opus 4.6，這是其最聰明模型的重大升級，旨在增強代理編碼 (agentic coding)、長程規劃 (long-horizon planning) 以及複雜的多學科推理能力。此次更新在測試版中引入了 1M token 上下文窗口，並透過新的努力程度設定 (effort settings) 為開發者提供對模型推理深度與成本的細粒度控制。

最頂尖的性能與基準測試

Claude Opus 4.6 在多項高複雜度的評估中領先業界，展現了在知識工作與代理任務中的卓越能力：

• 代理編碼 (Agentic Coding)： 它在 Terminal-Bench 2.0 評估中獲得了最高分。
• 多學科推理 (Multidisciplinary Reasoning)： 它在 Humanity’s Last Exam 中領先所有其他前沿模型。
• 知識工作 (Knowledge Work)： 在評估金融與法律領域性能的 GDPval-AA 中，Opus 4.6 比 OpenAI 的 GPT-5.2 高出約 144 Elo 分，比其前身 Claude Opus 4.5 高出 190 分。
• 資訊檢索 (Information Retrieval)： 它在 BrowseComp 中表現優於所有其他模型，該測試衡量定位難以尋找的線上資訊的能力。

長上下文能力與「上下文腐敗」(Context Rot)

Opus 4.6 解決了「上下文腐敗」(context rot，即長對話中的性能退化) 的問題。在 MRCR v2 needle-in-a-haystack 基準測試的 8-needle 1M 變體中，Opus 4.6 獲得了 76% 的分數，顯著高於 Sonnet 4.5 的 18.5%。這使得模型能夠以極小的漂移量追蹤數十萬個 token 的資訊，並更有效地檢索埋藏的細節。

開發者技術增強功能

Anthropic 在 Claude Platform 上推出了幾項新功能，以優化開發者實作長效代理 (long-running agents) 與管理成本的方式：

自適應思考與努力程度控制

開發者現在可以使用四種努力程度來管理智慧、速度與成本之間的平衡：low, medium, high (default), and max。

此外，自適應思考 (adaptive thinking) 允許模型根據上下文線索自主決定何時使用擴展思考，而非需要二元式的開/關切換。

上下文管理與輸出

• 上下文壓縮 (Context Compaction, Beta)： 為防止代理在執行長任務時達到上下文窗口限制，此功能會在達到可配置的閾值時，自動摘要並替換舊的上下文。
• 1M Token 上下文 (Beta)： 這是第一個支持 1M token 窗口的 Opus class 模型。超過 200k tokens 的提示詞 (prompts) 將適用於進階定價 ($10/$37.50 per million input/output tokens)。
• 128k 輸出 Token： 模型現在可以生成高達 128k tokens 的輸出，減少了將大型任務拆分為多個請求的需求。

產品整合與代理工作流

Opus 4.6 已整合至多項生產力工具中，以實現更自主的工作：

• Claude Code： 現在在研究預覽版中提供「代理團隊」(agent teams)，允許多個代理並行工作，並在代碼庫審查等任務上進行自主協調。
• Office 整合： Claude in Excel 已升級以處理多步變更與非結構化數據攝取。Claude in PowerPoint 的研究預覽版現已對 Max, Team, and Enterprise 計畫提供，允許模型根據佈局、字體與投影片母版生成簡報。
• Cowork： Opus 4.6 為 Cowork 研究預覽版提供動力，實現跨研究、金融分析與文件建立的自主多任務處理。

安全與對齊

根據系統卡 (system card)，Opus 4.6 維持著與其他前沿模型相當或更好的安全概況。它在誤對齊行為（包括欺騙與奉承行為）方面的發生率較低，並且在最近的 Claude 模型中，其過度拒絕 (over-refusals) 的比例最低。

為了減輕與模型增強的網路安全能力相關的風險，Anthropic 已實施了六項新的網路安全探測 (cybersecurity probes) 以檢測有害回應，並將模型的應用重點放在網路防禦用途上，例如修補開源軟體的漏洞。