Anthropic выпустила Claude Opus 4.6 — новый лидер в агентных задачах и программировании
Anthropic выпустила Claude Opus 4.6 — новый лидер в агентных задачах и программировании
Anthropic представила Claude Opus 4.6 — самую мощную модель компании на данный момент, которая демонстрирует значительное улучшение по сравнению с предыдущим поколением Opus 4.5.
🎯 Доступность в ExecAI
Важно: Claude Opus 4.6 уже доступен участникам закрытого бета-тестирования (OBT) в нашей системе ExecAI. Всем пользователям модель будет доступна в ближайшее время.
🔥 Ключевые бенчмарки
Opus 4.6 показывает впечатляющие результаты в самых сложных тестах:
| Бенчмарк | Результат | Что измеряет |
|---|---|---|
| Terminal-Bench 2.0 | 65.4% | Агентное программирование — лучший результат в индустрии |
| SWE-bench Verified | 81.42% | Решение реальных GitHub-issues (с модификацией промпта) |
| GDPval-AA | 1,606 Elo | Экономические задачи: на 144 пункта выше GPT-5.2, на 190 — выше Opus 4.5 |
| BigLaw Bench | 90.2% | Юридический reasoning: 40% идеальных ответов, 84% выше 0.8 |
| MRCR v2 | 76% | Работа с длинным контекстом (против 18.5% у Sonnet 4.5) |
| OSWorld | 72.7% | Использование компьютера — лучшая модель Anthropic |
| BrowseComp | Лидер | Поиск и обработка информации |
| Humanity's Last Exam | Высший балл | Сложный междисциплинарный reasoning |
| ARC-AGI 2 | Отличный результат | Абстрактное рассуждение |
🚀 Реальные агентные возможности
В практических тестах Opus 4.6 продемонстрировал выдающиеся результаты:
- 38 из 40 побед над Opus 4.5 в задачах по кибербезопасности
- За один день: закрыл 13 GitHub-issues и распределил 12 задач между командой из 50 человек в 6 репозиториях
- Лидерство в Terminal-Bench 2.0 подтверждает статус лучшей модели для агентного программирования
💡 Технические характеристики
- Контекстное окно: 1 миллион токенов
- Безопасность: Сохраняет высокий уровень выравнивания Opus 4.5, но с минимальным количеством ложных отказов (over-refusals) среди недавних моделей Claude
- Фокус: Enterprise-задачи, сложный reasoning, автономные рабочие процессы
🎓 Выводы
Claude Opus 4.6 устанавливает новую планку в области агентного ИИ и программирования. Модель особенно сильна в:
- Автономном решении сложных технических задач
- Работе с длинным контекстом
- Юридическом и экономическом reasoning
- Использовании компьютерных инструментов
Для пользователей ExecAI это означает еще более мощные возможности автоматизации и решения сложных бизнес-задач.
Участники OBT могут начать использовать Claude Opus 4.6 прямо сейчас. Следите за обновлениями о доступности для всех пользователей.