Claude Opus 4.6：Anthropic 最强推理模型的重大升级
原标题： Introducing Claude Opus 4.6 发布日期： 2026年2月5日 原文链接： https://www.anthropic.com/news/claude-opus-4-6
一句话摘要
Anthropic 发布 Claude Opus 4.6，在编程、智能体任务和长上下文推理方面实现重大提升，首次为 Opus 系列引入百万 token 上下文窗口，并在多项前沿基准测试中领先 GPT-5.2。
完整核心内容翻译
总览
Anthropic 推出 Claude Opus 4.6，这是其最强大模型的升级版本，在编程、智能体任务和长上下文推理方面均有显著改进。
核心能力
编程与智能体任务： 模型展示出卓越的规划能力，能更有效地维持长时间任务的执行。在更大规模的代码库中运行更加可靠，代码审查和调试能力也得到了增强。
上下文窗口： Opus 4.6 配备百万 token 上下文窗口（beta），这是 Anthropic Opus 级别模型的首次。长上下文任务的性能表现出明显提升——在 8-needle 1M MRCR v2 基准测试中得分 76%，而 Sonnet 4.5 仅为 18.5%。
多功能性： 模型可处理金融分析、研究、文档创建、电子表格工作和演示文稿生成。在 Cowork 中支持自主多任务处理能力。
基准测试表现
- GDPval-AA： 在具有经济价值的知识工作任务上，以约 144 Elo 分的优势超越 GPT-5.2
- Terminal-Bench 2.0： 在智能体编程评估中取得最高分
- Humanity's Last Exam： 在多学科推理方面领先所有前沿模型
- BrowseComp： 在定位难以找到的在线信息方面表现最佳
产品更新
Claude Code： 引入智能体团队功能（Agent Teams），支持并行任务协调和独立工作分配。
API 功能：
- 自适应思维（Adaptive Thinking）： 模型智能判断何时需要扩展推理
- 上下文压缩（Context Compaction）： 在长对话中自动总结上下文
- 精力控制（Effort Controls）： 提供低、中、高、最大四个级别，平衡智能度、速度和成本
- 支持 128k 输出 token
- 提供仅限美国推理（US-only inference）选项
办公集成： Claude in Excel 针对复杂任务进行了大幅升级。Claude in PowerPoint 以研究预览形式上线，支持品牌感知的幻灯片生成和设计系统兼容性。
安全特性
根据 Anthropic 的评估，"Opus 4.6 同样展示出与业界任何其他前沿模型持平或更优的整体安全特性。"模型表现出较低的错位行为率，并在近期 Claude 模型中拥有最低的过度拒绝率。
鉴于模型增强的安全能力，Anthropic 开发了新的网络安全探测方法。该公司强调将这些工具用于防御性目的，帮助修补开源软件中的漏洞。
定价
基础定价保持 $5/$25（每百万输入/输出 token）。在 Claude 平台上，超过 200k token 的提示适用高级定价（$10/$37.50 每百万 token）。
可用性
Opus 4.6 可通过 claude.ai、API（使用 claude-opus-4-6 标识符）以及各大云平台（Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry）使用。
技术要点
- 百万 token 上下文窗口（beta）： Opus 级别首次，8-needle 1M MRCR v2 得分 76%（Sonnet 4.5 仅 18.5%），长上下文理解能力实现质的飞跃
- GDPval-AA 领先 GPT-5.2 达 144 Elo 分： 在具有真实经济价值的知识工作任务中，建立了显著的性能优势
- 智能体团队（Agent Teams）： Claude Code 中引入并行任务协调机制，支持多智能体独立工作和协同分配
- 自适应思维与精力控制： 四级精力控制（低/中/高/最大）允许用户根据具体场景灵活平衡智能度、速度和成本
- 128k 输出 token 支持： 大幅扩展单次输出能力，适用于长文档生成、完整代码文件输出等场景
深度解读
Opus 4.6 的发布是 Anthropic 在旗舰模型赛道上的一次强势出击。最核心的亮点在于三个方面：
首先是长上下文能力的跨越式提升。 百万 token 上下文窗口首次来到 Opus 系列，而且不仅仅是"能装下"这么简单——在 MRCR v2 基准测试中 76% 的得分（对比 Sonnet 4.5 的 18.5%）说明模型真正能够在超长上下文中进行精确的信息检索和推理。这对于企业级应用（如完整代码库分析、大规模文献综述）具有变革性意义。
其次是在知识工作基准上的绝对领先。 GDPval-AA 是一个衡量模型在"具有真实经济价值"的任务上表现的基准，Opus 4.6 以 144 Elo 分的差距领先 GPT-5.2，这个差距在 Elo 评分体系中相当显著。结合 Terminal-Bench 2.0 和 Humanity's Last Exam 上的最高分，Opus 4.6 可以说在多个维度上确立了前沿模型的标杆地位。
第三是 Claude Code 中智能体团队功能的引入。 这一功能标志着从"单一智能体"向"多智能体协作"的范式转变。多个智能体能够并行处理不同任务并进行协调，这对于大规模软件工程项目和复杂工作流自动化具有深远影响。
在安全方面，"最低的过度拒绝率"是一个值得关注的细节。过度拒绝一直是 AI 模型实用性的痛点——模型为了安全而拒绝合理请求会严重影响用户体验。Opus 4.6 在提升安全性的同时降低了过度拒绝率，实现了安全与可用性之间更好的平衡。
延伸思考
- 旗舰模型的护城河： 在 Sonnet 4.6 已能在 59% 的情况下击败 Opus 4.5 的背景下，Opus 4.6 需要在哪些维度上拉开足够大的差距来证明其高出约 67% 的定价？
- 智能体团队的生产化挑战： 多智能体并行协调听起来很美好，但在实际生产环境中，如何处理智能体间的冲突、保证一致性、以及控制成本？
- 百万 token 与 RAG 的博弈： 当模型能够直接处理百万 token 的上下文时，检索增强生成（RAG）架构的价值是否会被削弱？两者的最优结合点在哪里？
- 自适应思维的商业模式影响： 四级精力控制本质上是在让用户为"思考深度"付费。这种按需计费的推理模式是否会成为 AI 行业的新标准？
- Office 集成的战略意义： Claude in Excel 和 PowerPoint 的深度集成，是否是 Anthropic 进军企业办公自动化市场的前奏？这会如何影响微软 Copilot 的竞争格局？