Новая модель Anthropic научилась работать сразу за несколько человек. Claude Opus 4.6 может вести финансовый анализ, писать код, координировать команду виртуальных помощников — и все это с памятью на миллион слов. Она способна работать несколько часов подряд над сложной задачей без потери фокуса.
Главное новшество — контекстное окно в миллион токенов (примерно 750 тысяч слов). Это означает, что нейросеть может держать в памяти целую кодовую базу среднего стартапа. В тесте для оценки долгосрочной памяти моделей ИИ на длинных контекстах MRCR v2, Opus 4.6 показала 76% точности. Это качественный переход к системам, которые действительно могут работать с корпоративными объемами данных.
Также Anthropic впервые внедрила «командный режим» для агентов: теперь можно запустить несколько копий Claude, которые будут работать параллельно над разными частями задачи и координировать действия между собой. Инженер из Adobe в официальном пресс-релизе Microsoft (которая интегрировала модель в Azure) отметил: модель понимает «конвенции профессиональных доменов» и создает документы, которые выглядят так, будто их писал эксперт, а не алгоритм.
Цена осталась прежней — $5 за миллион входных токенов и $25 за выходные. Для сравнения: обработка романа «Война и мир» обойдется примерно в 3 цента. Однако есть нюанс: при превышении 200 тысяч токенов цена становится выше – $10/$37.50. Anthropic также ввела четыре уровня «усилий» модели (low, medium, high, max), позволяя разработчикам балансировать между качеством, скоростью и стоимостью.
По бенчмаркам Opus 4.6 обгоняет GPT-5.2 от OpenAI на 144 пункта Elo в тестах на «экономически ценную работу» (GDPval-AA). Здесь проверяется работа модели на 1320+ реальных заданиях из 44 профессий в 9 ключевых секторах ВВП США (финансы, инженерия, юриспруденция и т.д.). Задачи мультимодальные: анализ документов, таблиц, систем автоматизированного проектирования, видео с созданием отчетов или презентаций. В кодинге модель возглавила рейтинг Terminal-Bench 2.0 (виртуальный сисадмин в Linux-терминале), в финансовом анализе — Finance Agent benchmark, а в поиске информации в Интернете — BrowseComp (скорость и точность).
Anthropic утверждает, что модель безопаснее конкурентов: меньше «галлюцинирует», реже отказывается отвечать на безобидные вопросы и показывает низкий уровень «несогласованного поведения». Для киберзащиты разработали шесть новых тестов, чтобы проверять, не пытается ли ИИ-агент обмануть систему или выдать вредный совет.
Но есть и технические ограничения. Модель стала «задумчивее»: на простых заданиях может тратить больше времени и токенов, чем нужно. Anthropic рекомендует снижать уровень «усилий» для бытовых задач.
