这两天围绕 Claude Opus 4.6 的讨论非常密集：一方面是 Anthropic 的官方发布与一系列评测指标；另一方面是媒体与社区对“长上下文 + 更强规划 + 更持久的智能体执行”的真实体验反馈。

如果你想快速判断 Opus 4.6 值不值得上（或该怎么上），这篇文章把当前能查到的公开资料做一次中文梳理：有哪些明确的升级点？哪些数字来自官方、哪些来自第三方榜单？又有哪些说法需要保留态度、等待更多验证？

1) Opus 4.6 到底升级了什么：不是“更会答”，而是“更会做”

在官方介绍中，Opus 4.6 的关键词不是单纯的“更聪明”，而是更偏向智能体能力（Agentic tasks）——它会更认真规划、更能长时间保持任务主线、在更大的代码库里更稳定、并且更擅长代码审查与调试（包括自我纠错）。同时，Opus 级模型首次在 Beta 中提供 1M token 上下文窗口。

另外一个很容易被忽略的点是“开发者可控性”：Anthropic 在 API 侧补上了一整套长程任务相关能力，比如上下文压缩（compaction）、自适应思考（adaptive thinking）与 effort 控制，让模型在“更深度推理”和“成本/延迟”之间有更可控的拨杆。

来源：

• Anthropic 官方发布： https://www.anthropic.com/news/claude-opus-4-6

2) 评测数据怎么读：官方说它领先，第三方榜单也把它排到第一

2.1 Agentic 编程：Terminal-Bench 2.0

Anthropic 明确宣称 Opus 4.6 在智能体编程评估 Terminal-Bench 2.0 上拿到最高分，并在脚注里说明：他们同时报告了“自家基础设施复现”的成绩以及“其他实验室公开发布”的成绩（具体细节建议以系统卡为准）。

Terminal-Bench 2.0 本身也强调：相比 1.0，它更难、并且做了更强的任务验证，目的是跟上智能体能力的快速进化。

来源：

• Anthropic 官方发布： https://www.anthropic.com/news/claude-opus-4-6
• Terminal-Bench 2.0 公告： https://www.tbench.ai/news/announcement-2-0

2.2 知识工作：GDPval-AA（Artificial Analysis）

在 GDPval-AA（面向金融、法律等“经济价值型”知识工作任务的评估）上，Anthropic 给出的说法是：Opus 4.6 领先“行业次优模型（GPT-5.2）”约 144 Elo，并领先自家 Opus 4.5 约 190 Elo。

与此同时，Artificial Analysis 的 GDPval-AA 排行榜页面也把 Opus 4.6 排在前列（榜单会随评测更新波动，建议以页面实时为准）。

来源：

• Anthropic 官方发布： https://www.anthropic.com/news/claude-opus-4-6
• GDPval-AA 排行榜： https://artificialanalysis.ai/evaluations/gdpval-aa

2.3 在线检索与“能把信息找出来”：BrowseComp

Anthropic 宣称 Opus 4.6 在 BrowseComp（衡量模型“找难找信息”的能力）上表现优于其他模型，并在脚注给出更多运行设置（例如 web_search/web_fetch、工具调用、上下文压缩等）。

BrowseComp 是 OpenAI 开源的 benchmark，强调它衡量的是“浏览/检索智能体的持久性与搜索策略”，而不是简单问答。

来源：

• Anthropic 官方发布： https://www.anthropic.com/news/claude-opus-4-6
• OpenAI BrowseComp 介绍： https://openai.com/index/browsecomp/

3) 长上下文体验：1M token 不是噱头，但“上下文衰减”才是关键

官方对 1M 上下文的叙述比较克制：它强调的是“长上下文下的可用性”，而不仅是“塞得下”。

一个值得关注的细节是，Anthropic 在文中提到常见问题“context rot（上下文衰减）”，并引用了 MRCR v2 的 8-needle 1M 变体：Opus 4.6 得分 76%，而 Sonnet 4.5 仅 18.5%。这意味着在超长对话/超长文档里，Opus 4.6 更有可能持续抓住关键信息，而不是越聊越漂。

但对使用者而言，长上下文带来的另一个现实问题是：成本和延迟会显著上涨。所以 Anthropic 同时提供了“上下文压缩（compaction）”和“effort 控制”，本质上是在帮你把长程任务拆成“信息保留”和“推理强度”两个可控开关。

来源：

• Anthropic 官方发布： https://www.anthropic.com/news/claude-opus-4-6

4) 安全与网络安全：它不仅能写代码，也更擅长找漏洞

这轮 Opus 4.6 的另一个高关注点是网络安全能力。

Anthropic 的安全团队在 2 月 5 日发布的文章里直说：Opus 4.6 在“无任务特制脚手架/无特殊提示”的情况下，也能更快找到高危漏洞；他们进一步提到，团队已经“发现并验证了 500+ 高危漏洞”，并开始向开源项目维护者报告并提交补丁。

对企业与开发者来说，这个信息的意义有两层：

• 正向：更强的“防守型 AI”能力，可能把漏洞发现与修复的效率往前推一大截。
• 反向：如果你的组织把“智能体 + 工具执行”上到了生产环境，风险面也会跟着扩大；需要更严格的权限、审计与使用边界。

来源：

• Anthropic 安全团队文章（0-Days）： https://red.anthropic.com/2026/zero-days/
• Anthropic 官方发布（含安全评估与系统卡链接）： https://www.anthropic.com/news/claude-opus-4-6

5) 价格与可用性：价格“看起来没变”，但长上下文会触发高级定价

官方信息里，Opus 4.6 在 claude.ai、API 以及主要云平台上可用，并给出基础定价：输入 $5 / 输出 $25（每百万 token）。

同时，在“1M 上下文（beta）”的脚注里，Anthropic 标注了：当 prompt 超过 200k token 时，会触发 premium pricing（输入 $10 / 输出 $37.5 每百万 token）。

换句话说：

• 日常 200k 以内的场景，成本结构与过去类似；
• 真正把 1M 上下文用起来的场景，要提前把预算与延迟纳入设计。

来源：

• Anthropic 官方发布（定价与 premium pricing）： https://www.anthropic.com/news/claude-opus-4-6
• IT之家（面向中文读者的整理）： https://www.ithome.com/0/919/686.htm

6) 实用建议：什么场景该上 Opus 4.6？怎么用才更划算？

结合官方描述与当前公开资料，如果你主要关心“值不值”，我建议从三个问题切入：

1) 你是否需要长程任务与工具调用？

• 需要：例如代码库级重构、端到端自动化、研究型检索、财务/法务类多源分析 —— Opus 4.6 的定位就是往这里走。
• 不需要：只是日常问答、轻量写作 —— 可能更适合用更便宜/更快的模型，把 Opus 留给关键任务。

2) 你是否经常遇到“上下文越长越崩”？

• 如果你已经被“上下文衰减”折磨过，Opus 4.6 的长上下文可用性提升，可能是一次质变。

3) 你能否把安全边界做扎实？

• 如果你把它当智能体用（能读写文件、能跑工具、能访问系统），请务必默认它是“高权限系统”，先上最小权限、审计、二次确认，再谈自动化。

参考与延伸阅读：

• Anthropic：Introducing Claude Opus 4.6

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

• Terminal-Bench 2.0 announcement

https://www.tbench.ai/news/announcement-2-0

• Artificial Analysis：GDPval-AA Leaderboard

https://artificialanalysis.ai/evaluations/gdpval-aa

• OpenAI：BrowseComp benchmark

https://openai.com/index/browsecomp/

• Anthropic Security：0-Days

https://red.anthropic.com/2026/zero-days/

• IT之家：Claude Opus 4.6 中文整理

https://www.ithome.com/0/919/686.htm