Anthropic выпустила Claude Opus 4.6

Anthropic обновила свою флагманскую модель: Opus 4.6 планирует тщательнее, дольше держит агентные задачи и впервые в Opus-классе получает миллион токенов контекста.

Что улучшилось в коде

Opus 4.6 надстраивает навыки предшественника: аккуратнее планирует, дольше тянет агентные задачи, надёжнее работает в больших кодовых базах и лучше ловит собственные ошибки в ревью и отладке. Впервые для Opus-класса появилось контекстное окно в 1M токенов (в бете). Anthropic пишет, что разрабатывает Claude с помощью Claude: каждую новую модель сначала проверяют на собственной работе инженеров.

Результаты на бенчмарках

Модель показывает state-of-the-art на ряде оценок. Она лидирует на агентном бенчмарке Terminal-Bench 2.0 и обходит другие фронтир-модели на Humanity’s Last Exam - сложном мультидисциплинарном тесте на рассуждение. На GDPval-AA (оценка экономически ценной knowledge work в финансах, праве и других сферах) Opus 4.6 обходит следующую лучшую модель индустрии (GPT-5.2 от OpenAI) примерно на 144 пункта Elo, а собственного предшественника Opus 4.5 - на 190 пунктов. На BrowseComp, где измеряется поиск труднодоступной информации в сети, она тоже первая.

Длинный контекст без «гниения»

Частая жалоба на модели - context rot, когда качество падает с ростом числа токенов. Opus 4.6 заметно лучше: на варианте 8-needle 1M бенчмарка MRCR v2 (поиск иголки в стоге сена) она набирает 76%, тогда как Sonnet 4.5 - всего 18,5%. Это качественный сдвиг в том, сколько контекста модель реально использует, не теряя точности.

Новые возможности продуктов

В Claude Code теперь можно собирать команды агентов под одну задачу. На API доступна компакция - модель суммирует собственный контекст, чтобы выполнять более длинные задачи, не упираясь в лимиты. Добавлены adaptive thinking (модель сама улавливает, сколько думать) и новые контролы усилия для баланса интеллекта, скорости и цены. Серьёзно обновился Claude in Excel, а Claude in PowerPoint вышел в research preview. По эффекту overthinking Anthropic советует на простых задачах снижать усилие с дефолтного high до medium через параметр /effort.

Что это значит

Если ты гоняешь длинные документы или большие кодовые базы, главный апгрейд здесь - контекст 1M и устойчивость к context rot: модель реже теряет детали в огромных объёмах текста. Цена осталась прежней - $5/$25 за миллион токенов, так что апгрейд бесплатный по затратам. На простых запросах помни про /effort, чтобы не переплачивать за лишние раздумья.