2026 年 2 月 6 日凌晨，Anthropic 突然发布旗舰模型 Claude Opus 4.6，以首款支持 100 万 token 上下文窗口测试功能的旗舰级模型身份，掀起 AI 圈新一轮技术比拼。这款模型凭借更缜密的规划能力、更长时的智能体任务执行能力、庞大代码库稳定运行能力及自我纠错能力，在多领域基准测试中斩获佳绩，而发布仅几分钟后，OpenAI 便紧急推出 GPT-5.3-Codex 正面回应，一场 AI 顶尖模型的巅峰对决正式上演。截至北京时间当日 11 点，X 平台 “Claude VS Codex” 相关话题讨论量已突破 4.1 万条，成为科技圈焦点。
基准测试大杀四方，多场景性能碾压竞品
Claude Opus 4.6 在多项核心基准测试中表现亮眼，展现出全面且强大的综合能力：
-
在智能体编程评估 Terminal-Bench 2.0 中拿下最高分 65.4%，较前代 Opus 4.5 提升 5.6 个百分点；
-
综合性多学科推理测试 Humanity’s Last Exam 中稳居第一，无工具加持下得分 53.1%，远超同类模型；
-
金融、法律等经济价值领域的 GDPval-AA 评估中，以 1606 的 Elo 分数夺冠，较第二名 GPT-5.2 拉开 144 分差距，较前代提升 190 分；
-
网络安全漏洞复现测试 CyberGym 中获得 66.6 分，较前代提升 15.6 分，是 Sonnet 4.5 分数的两倍多；
-
计算生物学 BioPipelineBench 测试中以 53.1 分位居第一，长文本连贯性测试 Vending-Bench 2 中更是以 8017.59 分大幅领先。
值得一提的是，Opus 4.6 针对性解决了 AI 模型普遍存在的 “上下文衰减” 问题。在 MRCR v2 的 “8 针 - 100 万” 变体测试（浩瀚文本中检索隐藏信息的 “大海捞针” 测试）中，其得分高达 76%，而 Sonnet 4.5 在 100 万 token 场景下仅得 10.8%。这意味着 Opus 4.6 在处理数十万 token 长文本时，能更稳定地追踪信息、减少漂移，精准捕捉深层细节，为长周期企业级任务提供了可靠支撑。
不过在网友自发开展的 Terminal-Bench 2.0 实测中，GPT-5.3-Codex 以 77.3% 的成绩领先 Opus 4.6 11.9 个百分点，在编程专项能力上更具优势。网友总结二者差异：“Opus 4.6 胜在广度 ——100 万上下文、企业级工作流、PPT 集成、知识工作与漏洞挖掘；GPT-5.3-Codex 强在深度 —— 顶尖编程基准分数、自我迭代、任务中转向，但上下文窗口不足 Opus 的一半。”
核心能力升级：从漏洞挖掘到办公协同，覆盖全场景需求
Claude Opus 4.6 的能力升级全面且实用，既强化了技术硬实力，又拓展了办公场景适配性，成为真正的 “全能型选手”。
技术硬实力：漏洞挖掘与智能体协作双突破
Opus 4.6 在网络安全领域展现出惊人潜力，成功挖掘出 500 + 零日漏洞，其网络安全漏洞复现能力较前代大幅提升，可协助企业发现并修复开源软件漏洞，平衡网络攻防态势。为防范滥用风险，Anthropic 还专门开发了 6 种新型网络安全探测工具，构建起完善的防护机制，未来可能启动实时干预机制阻断危险行为。
在智能体协作方面，Claude Code 新增智能体团队研究预览功能，支持多个智能体并行工作、自主协同，特别适用于代码库审查等可拆分的重读取子任务。Anthropic 官方案例显示，开发者指派 Opus 4.6 率领智能体团队构建 C 语言编译器，仅用两周（近 2000 次会话）就完成了小团队一个月的工作量，最终产出 10 万行代码规模的净室实现编译器（无网络访问，仅依赖 Rust 标准库）。该编译器支持 x86、ARM 和 RISC-V 架构，能构建 Linux 6.9 内核，编译 QEMU、FFmpeg、Redis 等大型项目，在多数测试中通过率达 99%，甚至能成功运行《Doom》游戏。
办公与 API：灵活适配企业级需求
Opus 4.6 大幅提升了办公场景实用性，Excel 集成版支持长时程高难度任务，可自主解析非结构化数据、推断格式并完成多步骤修改；新增的 PowerPoint 集成功能（面向 Max、Team 及企业版用户），可与 Excel 联动实现数据可视化，让 “数据处理 + 报告生成” 一站式完成。有网友展示用其一次性做出的 k 线成交量分布表，引发 “AI 将重塑办公流程” 的热议。
API 接口方面，Opus 4.6 新增六大实用功能，灵活性与可控性显著提升：
-
自适应思考：模型自主判断深度推理时机，支持算力等级（低 / 中 / 高 / 极致）调节；
-
上下文压缩（测试版）：自动总结早期对话，突破窗口限制，支持更长任务；
-
100 万 token 上下文（测试版）：满足超长篇文本处理需求；
-
128k 输出 token：无需拆分即可完成大规模内容输出；
-
美国境内推理：专属服务定价为标准费用的 1.1 倍；
-
Prompt 缓存：分档位计费，降低重复内容处理成本。
定价与上线：限时赠额度，多渠道同步开放
Claude Opus 4.6 采用阶梯定价模式，根据上下文长度区分费用：
-
200K token 以内：输入 5 美元 / 百万 token（约 34.69 元），输出 25 美元 / 百万 token（约 173.45 元）；
-
超过 200K token：输入 10 美元 / 百万 token（约 69.38 元），输出 37.5 美元 / 百万 token（约 260.18 元）；
-
Prompt 缓存：200K 以内写 6.25 美元 / 百万 token、读 0.5 美元 / 百万 token；超过 200K 写 12.5 美元 / 百万 token、读 1 美元 / 百万 token。
同时，Anthropic 推出限时福利：Pro 与 Max 用户可免费领取 50 美元（约 346.9 元）额外使用额度，需满足 “2026 年 2 月 4 日前订阅” 且 “2 月 16 日前启用” 两个条件，不适用于 Team 版、企业版及 API / 控制台用户。
目前，Claude Opus 4.6 已在 claude.ai 官网、API 接口及所有主流云平台同步上线，开发者可通过 Claude API 调用 claude-opus-4-6 模型，快速接入新一代 AI 能力。
安全性拉满：低失范率 + 全维度防护
智能升级并未以牺牲安全为代价。Opus 4.6 的行为失范率（包括欺骗、奉承、助长妄想等）极低，安全对齐程度与前代旗舰模型 Opus 4.5（迄今对齐度最高）保持一致，且过度拒绝率（未能回应良性查询）为近期 Claude 模型最低。
Anthropic 为 Opus 4.6 构建了迄今最全面的安全评估体系，新增用户福祉评估、复杂危险请求拒答测试，更新隐蔽有害行为评估标准，并运用可解释性科学探究模型行为成因。针对网络安全能力增强可能带来的滥用风险，除了 6 种新型探测工具，还将持续调整防护措施，确保技术安全可控。
结语：AI 模型进入 “广度与深度” 双线竞争时代
Claude Opus 4.6 的发布，标志着 AI 模型竞争从单一性能比拼转向 “广度覆盖 + 深度突破” 的双线对决。Opus 4.6 以 100 万上下文、全场景适配、企业级安全防护构建起广度优势，而 GPT-5.3-Codex 则在编程专项能力上保持深度领先。对于企业用户而言，二者的差异化竞争提供了更精准的选择空间：追求全流程协同与长文本处理，Opus 4.6 是最优解；聚焦编程效率与专项任务突破，GPT-5.3-Codex 更具优势。
随着两大巨头的正面交锋，AI 模型的迭代速度或将进一步加快，而企业级用户将成为最终受益者 —— 更强大的功能、更灵活的适配、更安全的防护，将推动 AI 在金融、法律、编程、办公等领域的深度落地，加速产业智能化变革。