Claude Opus 4.6: всё, что нужно знать о флагмане Anthropic

Claude Opus 4.6 занимает первое место в полном индексе искусственного анализа интеллекта, но использовал примерно в 2 раза больше токенов вывода, чем Claude Opus 4.5 в режиме максимальных усилий.

Ключевые выводы

➤Opus 4.6 является явным лидером в Индексе искусственного анализа интеллекта, нашем показателе синтеза, который включает в себя 10 оценок, охватывающих возможности, включая агентские задачи, кодирование и научные рассуждения.

➤ Opus 4.6 побеждает в трех наших оценках: GDPval-AA (агентские реальные рабочие задачи), TerminalBench (агентное кодирование и использование терминала) и CritPT (физические задачи исследовательского уровня).

➤ Opus 4.6 получил наивысший балл в большинстве оценок в режиме адаптивного мышления с максимальными усилиями, за исключением теста TerminalBench, где режим без мышления получил наивысший балл (49% против 46%). Опус 4.6 демонстрирует небольшие успехи по сравнению с другими оценками, но не достигает новых оценок №1. Мы увидели большой прирост в HLE (+8 п.п.) и небольшой прирост в GPQA (+3 п.п.), SciCode (+2,3 п.п.) и Tau2 (+3 п.п.). Мы наблюдали небольшой регресс в AA-LCR (Long Context Reasoning) (-3 п.п.), IFBench (-5 п.п.) и Частоте галлюцинаций всеведения (+2 п.п.).

➤Опус 4.6 (в режиме адаптивного мышления с максимальными усилиями) стоит 2486 долларов США за запуск индекса искусственного интеллекта. Это дороже, чем GPT-5.2 (xhigh) от OpenAI, предыдущий лидер индекса интеллекта, который стоил 2304 доллара. Однако это не учитывает скидки на кэшированные входные токены, предлагаемые Anthropic и другими — мы будем включать их в наши расчеты стоимости индекса интеллекта в ближайшем будущем.

➤ Opus 4.6 использовал значительно больше токенов, чем Opus 4.5: он использовал 58 миллионов выходных токенов в режиме адаптивного мышления для проведения оценок индекса интеллекта, примерно в два раза Opus 4.5 (мышление, 29 миллионов), но значительно меньше, чем GPT-5.2 с высоким усилием рассуждения (130 миллионов).

➤ Цена Opus 4.6 идентична цене Opus 4.5 (5/25 долларов США за 1 миллион токенов ввода/вывода). Такая высокая цена по сравнению с конкурентами означает, что, несмотря на то, что Opus 4.6 по-прежнему относительно эффективен по сравнению с другими передовыми моделями, его общая стоимость высока.

➤Anthropic внесла несколько ключевых изменений в выпуск Opus 4.6

➤Opus 4.6 представляет новый режим «адаптивного мышления», который заменит предыдущий режим «расширенного мышления» Anthropic для будущих моделей. Вместо установки запутанного «бюджета токена мышления» разработчики теперь могут контролировать мышление модели с помощью настройки «усилия» (с настройками «низкий», «средний», «высокий» и «максимальный» — мы оценивали адаптивное мышление с максимальным усилием). Anthropic продвигают режим «адаптивного мышления», позволяющий Opus 4.6 более динамично решать, как долго думать, и рекомендуют разработчикам перейти на него одновременно с обновлением до Opus 4.6.

➤ Контекстное окно Opus 4.6 было расширено до 1 миллиона токенов, что делает его конкурентоспособным с Gemini 3 Pro для сверхдлинных контекстных задач (аналогично недавним выпускам Sonnet) — хотя Anthropic называет эту функцию «находящейся в стадии бета-тестирования».

➤ По сравнению с Opus 4.5 максимальный лимит выходных токенов Opus 4.6 увеличился вдвое с 64 000 до 128 000 токенов.

Ключевые детали модели

➤Контекстное окно: 1 млн токенов (в настоящее время в бета-версии) и 5 контекстных окон Opus 4.5 (200 тыс.)

➤Максимальное количество выходных токенов: 128 000 токенов (по сравнению с 64 000 токенов на выходе Opus 4.5)

➤Доступность: Claude Opus 4.6 доступен через API Anthropic, @GoogleCloudTech Vertex, AWS Bedrock и Microsoft Azure. Claude Opus 4.6 также доступен для Claude Chat, Claude Cowork и Claude Code.

Claude Opus 4.6 занимает первое место в рейтинге искусственного анализа интеллекта

Opus 4.6 (Adaptive) — вторая самая дорогая модель для запуска индекса искусственного анализа интеллекта после GPT-5.2 Codex (xhigh) — значительно дороже, чем GPT-5.2 (xhigh), модель, которая сейчас занимает второе место в индексе интеллекта. Anthropic оценил Opus 4.6 идентично Opus 4.5 — 5/25 долларов США за миллион токенов ввода/вывода.

Анализ затрат Opus 4.6 по сравнению с другими передовыми моделями

Ключевым отличием моделей Claude остается то, что они более эффективны с точки зрения токенов, чем большинство других передовых моделей. Claude Opus 4.6 (Адаптивный) использует примерно в два раза больше токенов вывода, чем Opus 4.5 (Мышление), но меньше, чем передовые одноранговые модели. Обе протестированные нами конфигурации Claude Opus 4.6 находятся на границе Парето диаграммы «Интеллект против токенов вывода».

Интеллект против токенов вывода, показывающий эффективность Claude Opus 4.6

Opus 4.6 (Адаптивный) получает наивысший балл (13%) по CritPT, оценке, состоящей из неопубликованных физических задач исследовательского уровня. Opus 4.6 также достигает оценки ~3% по CritPT в режиме без мышления, опережая несколько передовых моделей, которые «думают», прежде чем ответить.

Результаты оценки физики CritPT, показывающие лидерство Opus 4.6

Opus 4.6 (Адаптивный) занимает второе место в Индексе всезнания искусственного анализа, нашем собственном эталоне для измерения знаний и галлюцинаций в разных областях. Адаптивный вариант занимает третье место по точности и четвертое по уровню галлюцинаций, предлагая лучший баланс более высокой точности и более низкой частоты галлюцинаций по сравнению с аналогичными моделями.

Результаты индекса всезнания искусственного анализа

Opus 4.6 (Адаптивный) возглавляет GDPval-AA, наш основной показатель общей производительности агентов, измеряющий производительность моделей при выполнении задач информационной работы, от подготовки презентаций и анализа данных до редактирования видео. Модели используют доступ к оболочке и просмотр веб-страниц в агентном цикле через Stirrup, нашу агентную справочную систему с открытым исходным кодом.