Claude Opus 4.6发布：ARC-AGI得分68%

Anthropic刚刚发布了Claude Opus 4.6，这是其最智能模型的一次重要升级。新模型在多个关键基准测试中表现出色，特别是在ARC-AGI 2测试中取得了68%的成绩，远超其他主流模型。

核心能力提升

Opus 4.6在编程能力上有了明显进步，能够更仔细地规划任务，在大型代码库中更可靠地操作，并具备更好的代码审查和调试技能。这是Opus系列首个支持100万token上下文窗口的模型（测试版）。

在日常办公任务方面，新模型可以运行财务分析、进行研究，以及使用和创建文档、电子表格和演示文稿。在Cowork环境中，Opus 4.6可以自主运用这些技能为用户服务。

基准测试表现

除了ARC-AGI的突出表现外，Opus 4.6在多个评估中均达到行业领先水平：

• 在Terminal-Bench 2.0代理编码评估中取得最高分

• 在Humanity's Last Exam复杂多学科推理测试中领先所有其他前沿模型

• 在GDPval-AA经济价值工作任务评估中，比行业次优模型（OpenAI GPT-5.2）高出约144个Elo点

有网友评论称：“ARC-AGI 2的得分太疯狂了，几个月内这个领域就会饱和。”但也有人质疑这些基准测试是否真的能衡量有意义的能力。

实际应用反馈

早期测试合作伙伴对Opus 4.6的评价积极。Notion表示这是“Anthropic发布的最强模型”，GitHub指出它在“复杂的多步骤编码工作”上表现出色，Replit则认为在代理规划方面是“巨大飞跃”。

定价保持不变

尽管性能提升显著，但定价维持不变：每百万token输入5美元，输出25美元。这让一些期待降价或提速的用户感到些许失望。

定价信息

安全性能

Anthropic强调，这些智能提升并未以安全为代价。在自动行为审计中，Opus 4.6显示出较低的错误对齐行为率，如欺骗、奉承、鼓励用户妄想和合作滥用等。

开发者新功能

API方面引入了多项新功能：

• 自适应思考：模型可以自行决定何时需要深度推理
• 努力控制：四个可调节的智能水平选项
• 上下文压缩：自动总结和替换较旧的上下文
• 128k输出token支持

Claude Opus 4.6现已通过claude.ai、API和所有主要云平台提供。对于需要处理复杂任务和长期代理工作的用户来说，这次升级值得关注。