Claude Opus 4.6

Name: Claude Opus 4.6
Author: Anthropic

Мультимодальная

Anthropic

Claude Opus 4.6 — самая интеллектуальная модель Anthropic для построения агентов и программирования. Значительно улучшены навыки кодинга: более тщательное планирование, длительная поддержка агентных задач, надёжная работа в крупных кодовых базах, улучшенный код-ревью и отладка. Контекстное окно: 200K токенов по умолчанию, 1M токенов доступен в бета-режиме с премиальной ценой ($10/$37.50 за миллион input/output токенов при >200K). Вывод до 128K токенов. Новые функции API: адаптивное мышление (модель сама решает когда использовать extended thinking), контроль усилий (low/medium/high/max), сжатие контекста для долгих задач. Лидирует на Terminal-Bench 2.0 (агентный кодинг), Humanity's Last Exam (мультидисциплинарное рассуждение), GDPval-AA (знаниевая работа в финансах, юриспруденции), BrowseComp (поиск информации), DeepSearchQA (глубокий агентный поиск). Поддерживает agent teams в Claude Code, Claude in Excel и Claude in PowerPoint.

Сравните Claude Opus 4.6 с GPT-6 и Claude вживую

Бесплатная ИИ-Арена: две нейросети отвечают вслепую

Основные характеристики

Параметры

Контекст

1.0M

Дата выпуска

4 февраля 2026 г.

Индекс

44.5

API документация Исследование Блог с результатами

Временная шкала

Ключевые даты в истории модели

Анонс

4 февраля 2026 г.

Последнее обновление

6 февраля 2026 г.

Сегодня

4 ноября 2026 г.

Технические характеристики

Параметры

Токены обучения

Граница знаний

1 мая 2025 г.

Семейство

Возможности

МультимодальностьZeroEval

Ценообразование и доступность

Вход (за 1М токенов)

$5.00

Выход (за 1М токенов)

$25.00

Макс. входящих токенов

1.0M

Макс. исходящих токенов

128.0K

Поддерживаемые возможности

Вызов функцийСтруктурированный выводВыполнение кодаПоиск в интернетеПакетная обработкаДообучение

Результаты бенчмарков

Показатели производительности модели на различных тестах и бенчмарках

Программирование

Тесты на навыки программирования

SWE-Bench Verified

SWE-Bench Verified — решение реальных задач из GitHub issues. • данные разработчика

78.0%

Рассуждения

Логические рассуждения и анализ

GPQA

Точность GPQA Diamond. • данные разработчика

91.3%

Другие тесты

Специализированные бенчмарки

Vending-Bench 2

Финальный баланс в USD. Симуляция вендингового бизнеса за год работы. Стартовый баланс $5,000. • данные разработчика

100.0%

GDPval-AA

Elo рейтинг. Независимая оценка Artificial Analysis. Превосходит GPT-5.2 на ~144 Elo и Claude Opus 4.5 на 190 пунктов. • данные разработчика

53.5%

AIME 2025

Точность Consensus@64 (наиболее часто встречающийся ответ среди 64 сэмплов). Независимая оценка Artificial Analysis. • данные разработчика

100.0%

TAU2 Telecom

Агентное использование инструментов (τ2-bench Telecom). • данные разработчика

99.0%

Graphwalks Parents >128K

GraphWalks Parents 256K подмножество 1M. F1 с максимальными выходными токенами, контекст 1M, среднее из 5 попыток. • данные разработчика

95.0%

MRCR v2 (8-needle)

OpenAI MRCR v2 256K 8-needles. Mean Match Ratio с максимальными выходными токенами. Контекст 1M, среднее из 5 попыток. • данные разработчика

93.0%

Humanity's Last Exam

Точность на HLE бенчмарке. • данные разработчика

46.2%

BrowseComp

Точность BrowseComp — навигация по интернету для поиска сложной информации. • данные разработчика

72.0%

ARC-AGI v2

ARC-AGI-2 — абстрактное рассуждение через визуальные трансформации сетки. • данные разработчика

68.8%

CharXiv-R

CharXiv-R — рассуждение о научных графиках из статей arXiv. • данные разработчика

74.0%

CyberGym

Воспроизведение уязвимостей в кибербезопасности. Без мышления, усилие по умолчанию, temperature и top_p по умолчанию. Предоставлен инструмент 'think' для чередующегося мышления в многоходовых оценках. • данные разработчика

73.8%

DeepSearchQA

Оценка F1. Бенчмарк из 900 промптов для оценки агентов на сложных многошаговых задачах поиска информации. Программные инструменты поиска, сжатие контекста, адаптивное мышление, максимальное усилие до 10M токенов суммарно. • данные разработчика

91.3%

FigQA

LAB-Bench FigQA. С адаптивным мышлением, инструментом обрезки изображений и максимальным усилием. Результаты усреднены по 5 запускам. Без инструмента обрезки изображений (только рассуждение): 58.0%. • данные разработчика

78.3%

Finance Agent

Оценка агентного финансового анализа. • данные разработчика

60.7%

FrontierSWE

Claude Code • проверено

56.0%

Graphwalks BFS >128k

GraphWalks BFS 256K — подмножество 1M. F1-оценка при 64k выходных токенах, контексте 1M, среднее по 5 запускам. Максимум выходных токенов: 61.1. Полный вариант 1M: 41.2 (64k выходных). • данные разработчика

61.5%

Graphwalks parents >128k

GraphWalks Parents 256K — подмножество 1M. F1-оценка с максимальным числом выходных токенов, контекст 1M, среднее по 5 запускам. При 64k выходных токенах: 95.1. Полный вариант 1M: 72.0 (max), 71.1 (64k). • данные разработчика

95.4%

Legal Agent Benchmark

All-pass rate (held-out набор Harvey) • проверено

4.2%

LiveBench

2026-01-08, Режим мышления, высокое усилие • проверено

76.3%

MCP Atlas

Масштабированное использование инструментов. При высоком усилии достигнут лидирующий в отрасли результат 62.7%. При максимальном усилии результат выше. • данные разработчика

62.7%

MMMLU

Многоязычные вопросы и ответы. • данные разработчика

91.1%

MMMU-Pro

Визуальное рассуждение с инструментами: 77.3%. Без инструментов: 73.9%. • данные разработчика

77.3%

MRCR v2 (8-needle)

MRCR v2 1M, вариант с 8 иголками. Mean Match Ratio при максимальном количестве выходных токенов, среднее по 5 прогонам. Anthropic также сообщает 78.3 при 64k выходных токенов и 93.0 для подвыборки 256K с 8 иголками. • данные разработчика

76.0%

OpenRCA

Диагностика сбоев ПО. 1 балл, если все сгенерированные элементы первопричины совпадают с эталоном, 0 баллов при любом расхождении. Запуск на обвязке автора бенчмарка, оценивание по официальной методике. • данные разработчика

34.9%

OSWorld

Оценка агентного использования компьютера. • данные разработчика

72.7%

SWE-bench Multilingual

Среднее по 25 испытаниям, каждый запуск с адаптивным мышлением, максимальным усилием, настройками сэмплирования по умолчанию (temperature, top_p) и с включёнными блоками мышления в результатах сэмплирования. • данные разработчика

77.8%

Tau2 Retail

Оценка агентного использования инструментов (τ2-bench Retail). • данные разработчика

91.9%

Terminal-Bench 2.0

Обвязка Terminus-2. Распределение ресурсов: гарантированно 1×, верхний предел 3×; 5–15 выборок на задачу в разнесённых по времени пакетах. • данные разработчика

65.4%

Лицензия и метаданные

Лицензия

Проприетарная

Дата анонса

4 февраля 2026 г.

Последнее обновление

6 февраля 2026 г.

Claude Opus 4.6: плюсы и минусы

Плюсы

Огромный контекст — 1M токенов: целые книги и кодовые базы за раз
Понимает изображения, не только текст
Быстрая генерация — около 183 токенов в секунду
Сильнее всего в тесте Vending-Bench 2 — 100.0%

Минусы

Дорогой API — $5.00 за 1M входных токенов
Слабее в тесте Legal Agent Benchmark — 4.2%

Статьи о Claude Opus 4.6

Claude Opus 4.6 умеет «тихо саботировать» — что показал 53-страничный отчёт Anthropic

Anthropic опубликовала первый в индустрии отчёт о рисках саботажа. Claude Opus 4.6 менял поведение при подозрении на тест и помогал в разработке хим. оружия.

13 февраля 2026 г.

8 мин

Opus 4.6 стоит в 1.7x дороже Opus 4.5 при тех же тарифах — как это возможно

Сообщество обсуждает скрытое удорожание Claude Opus 4.6: цена за токен не изменилась, но модель думает дольше и генерирует больше output-токенов.

8 февраля 2026 г.

7 мин

Claude Opus 4.6: миллион токенов, команды агентов и PowerPoint

Anthropic выпустила Claude Opus 4.6 с контекстом 1M токенов, Agent Teams в Claude Code и поддержкой PowerPoint. Разбираем почему новая модель превосходит GPT-5.2.

6 февраля 2026 г.

9 мин

Claude Opus 4.6

Основные характеристики

Временная шкала

Технические характеристики

Ценообразование и доступность

Результаты бенчмарков

Программирование

Рассуждения

Другие тесты

Лицензия и метаданные

Claude Opus 4.6: плюсы и минусы

Плюсы

Минусы

Статьи о Claude Opus 4.6

Claude Opus 4.6 умеет «тихо саботировать» — что показал 53-страничный отчёт Anthropic

Opus 4.6 стоит в 1.7x дороже Opus 4.5 при тех же тарифах — как это возможно

Claude Opus 4.6: миллион токенов, команды агентов и PowerPoint

Похожие модели

Claude Opus 4.8

Claude Opus 4.7

Claude Opus 4.5

Claude Sonnet 4.6

Claude Sonnet 5

Claude Sonnet 4

Claude 3.7 Sonnet

Claude 3.5 Sonnet