导读：Anthropic 发布了全新旗舰模型 Claude Opus 4.6，在编程、推理和长上下文处理方面实现了显著突破。该模型在 Terminal-Bench 2.0 和 Humanity's Last Exam 等权威基准测试中取得最高分，在经济价值知识工作评估 GDPval-AA 上领先 GPT-5.2 约 144 个 Elo 点。最值得关注的变化是 Opus 4.6 首次在 Opus 系列中开放 1M token 上下文窗口测试版，并引入了自适应思考、努力控制等全新开发者功能。

Anthropic 正式发布了全新旗舰模型 Claude Opus 4.6，该模型在编程能力、任务规划、代码审查和调试等方面均有显著提升，同时首次在 Opus 级别模型中开放了 1M token 上下文窗口测试版。

核心能力突破

Claude Opus 4.6 在多个关键领域实现了实质性升级。在编程能力方面，模型能够进行更谨慎的任务规划，在大型代码库中保持更稳定的自主运行，并具备更强的代码审查和自我调试能力，能够主动发现并修正自身错误。在实际工作场景中，Opus 4.6 可胜任财务分析、研究任务、文档处理、电子表格创建和演示文稿制作等多种日常工作。

基准测试表现方面：在代理编程评估 Terminal-Bench 2.0 中取得最高分，在复杂多学科推理测试 Humanity's Last Exam 中领先所有前沿模型。

更具实际意义的是，在评估经济价值知识工作能力的 GDPval-AA 基准测试中，Opus 4.6 领先 OpenAI 的 GPT-5.2 约 144 个 Elo 点，相较前一代 Opus 4.5 提升了 190 个 Elo 点。

长上下文处理是 Opus 4.6 的核心亮点之一。在needle-in-a-haystack 基准测试 MRCR v2 的 8-needle 1M 变体中，Opus 4.6 得分达到 76%，而前一代 Sonnet 4.5 仅能获得 18.5% 的分数。

新模型能够在百万 token 的超长上下文中准确检索信息，有效解决了长期困扰用户的"上下文衰减"问题。

开发者新功能

Anthropic 同时推出了一系列面向开发者的新功能。自适应思考功能让模型能够根据上下文判断何时需要深度推理，开发者可通过努力参数在 low、medium、high（默认）和 max 四个级别中选择。上下文压缩功能可自动总结和替换较早的对话内容，使模型能够执行更长任务而不会触及上下文限制。

在产品层面，Claude Code 引入了代理团队功能预览，允许开发者启动多个并行工作的代理组成团队，特别适合代码库审查等需要大量独立阅读的任务。此外，Claude in Excel 实现了重大升级，而 Claude in PowerPoint 也以研究预览形式推出，能够读取布局、字体和幻灯片母版以保持品牌一致性。

Claude Opus 4.6 已通过 claude.ai、API 及所有主流云平台开放使用。开发者可通过 Claude API 使用 claude-opus-4-6 端点，定价保持不变为每百万 token 5/25。1M token 上下文窗口的测试版对超过 200k token 的提示采用溢价定价，每百万输入/输出 token 为 10/37.50。

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