本文来自微信公众号：字母AI开云体育，作家：苗正，题图来自：AI生成

2026年的这一天注定会被写入AI发展史。

Claude Opus 4.6和GPT-5.3 Codex在相隔不到一个小时的时分里先后发布。

两家公司似乎齐憋着连气儿，要在磨灭个时分节点上交出我方的答卷。

“撞车”的背后，是一场对于成本、本事和市集话语权的较量。

就在两周前，英伟达刚刚布告向Anthropic投资100亿好意思元，这笔钱让Anthropic的估值飙升到3500亿好意思元。

音问传出后不到72小时，英伟达回身又向OpenAI注资200亿好意思元。

黄仁勋的算盘打得很明晰：双方齐押注，谁赢齐不亏。

但对Anthropic和OpenAI来说，这不仅仅拿到钱那么约略。

两家公司齐操办在2026年下半年到2027年傍边启动上市设施，现时恰是评释我方本事实力、争夺市集订价权的要道时刻。

投资东说念主要看的不是PPT上的原意，而是能拿脱手的居品。

谁的模子更强，谁在施行欺诈中更有劝服力，谁就能在IPO时要到更高的价钱，拿到更多的筹码。

一山容不得二虎，Anthropic和OpenAI必须得让对方显然，谁才是老大。

因此，这种居品节拍不是适值，而是卡好了表的对轰。

两家公司齐明晰，在这个时分点上，每一次居品发布齐是一次融资路演，每一个本事打破齐会成功影响投资东说念主的判断和市集的预期。

不外从居品本人来看，两家公司如实齐拿出了真本领。

Claude Opus 4.6

Anthropic此次对 Claude Opus 系列的升级，中枢放在了“更贤慧地念念考”这件事上。

Opus 4.6最显耀的变化是它学会了“adaptive thinking”，模子会证据任务的复杂程度自动调节念念考深度。在艰辛问题上花更多时分念念考，而在约略任务上快速通过。

在代码才能方面，Opus 4.6在Terminal-Bench 2.0这个评测中拿到了最高分。

这个测试专门熟习AI在结尾环境下的操作才能。模子需要知说念什么时候该用哪个敕令，如何组合不同的器具，以及怎么从无理信息里找到问题所在。

这就像是熟习一个设施员会不会熟练使用各式诞生器具。不仅仅写代码，还要会调试、会部署、会看日记找bug。

更紧迫的是，Opus 4.6是Anthropic第一个提供100万token险阻文窗口的Opus级别模子。这个数字意味着模子不错一次性处理异常于两本中等厚度演义的文本量。

在长文本处理的测试中，Opus 4.6在MRCR v2的8-needle 1M 变体上得分76%，而上一代的Sonnet 4.5只须 18.5%。

约略少许来理会，便是给模子一大堆文档，然后问它一个需要详细多处信息才能回答的问题。

昔日的模子看着看着就“忘了”前边的内容，或者找不到要道信息。Opus 4.6能在海量文本里准笃定位需要的信息，况且不会因为文档太长就弘扬下跌。

在学问职责才能的评测GDPval-AA 上，Opus 4.6比OpenAI的GPT-5.2朝上约144Elo分，比我方的前代Opus 4.5朝上190分。这个测试涵盖了金融、法律等规模的施行职责任务，比如制作财务分析诠释、草拟法律文献、作念市集调研等。

Anthropic还在居品层面作念了不少配套更新。

Claude Code现时相沿“agent teams”功能，不错同期启动多个AI代理，让它们各自得责不同的子任务，然后自动互助职责。

对于那些大型的代码库，这个功能异常有效，不错把职责拆分给不同的代理并行处理。

在办公软件集成方面，Anthropic推出了Claude in PowerPoint的磋商预览版，并大幅升级了Claude in Excel。

现时Claude不错成功在Excel里处理更复杂的任务，相沿数据透视表剪辑、图表修改、条目体式化等功能。在 PowerPoint 里，Claude 能读懂现存的版式、字体和母版联想，然后按照这个立场创建新的幻灯片。

便是让AI真的投入你普通职责的器具里。无谓来恢复制粘贴，成功在Excel或PowerPoint的侧边栏跟Claude对话，它就能帮你改表格、作念图表、生成演示文稿。

况且它会学习你的立场，作念出来的东西不会显得方枘圆凿。

在API层面，Anthropic引入了“effort”参数，提供低、中、高、最高四个档位。

诞生者不错证据任务的复杂度选择合适的档位，在成本、速率和质料之间找均衡。还有“context compaction”功能，当对话接近险阻文窗口步履时，会自动追溯并替换较早的内容，让永劫分开动的任务不会因为超出步履而中断。

不错理会为给诞生者更多的抵制权。

约略任务用低档位，省钱又快；复杂任务用高等位，保证质料。对话太长了系统会自动压缩前边的内容，这么就能一直聊下去。

在安全性方面，Anthropic此次作念了他们有史以来最全面的安全评估。

Opus 4.6在自动化行径审计中显泄漏较低的不当行径率，包括骗取、助威谀媚、荧惑用户休想和配合花消等。

由于 Opus 4.6在网络安全方面的才能有显耀晋升，Anthropic专门诞生了六个新的网络安全“探针”来检测潜在的花消行径。

同期，他们也在用这个模子匡助开源软件查找和修补粗疏，但愿让阻挠方也能用上AI的力量。

Advancing Finance：金融规模的深度欺诈

Anthropic专门发布了一篇著作，详确先容Claude Opus 4.6在金融规模的欺诈。

在金融职责中，专科东说念主士需要AI作念三件事：磋商、分析和创建托福物。Opus 4.6在这三个维度上齐达到了业内率先水平。

在磋商才能上，Opus 4.6在BrowseComp和DeepSearchQA两个基准测试中齐有晋升。

这两个测试熟习的是模子从多半非结构化数据中索要特定信息的才能。

对金融分析师来说，这意味着不错把一堆公司财报、行业诠释、新闻著作扔给AI，然后问一个很具体的问题，AI能给出针对性的谜底，而不是平庸的追溯。

你丢给它一份财报，昔日问AI“这家公司的盈利才能如何”，它可能给你的是一大段话，然后再把财报内容复述一遍。

现时它能成功告诉你要道主见是什么，跟行业平均水平比怎么样，有哪些风险身分。

在分析才能上，Opus 4.6在 Finance Agent这个外部基准测试中达到60.7%的准确率，比Opus 4.5晋升了5.47个百分点。

在税务评估TaxEval 上，Opus 4.6也达到了76%的业内最高水平。

Anthropic用一个营业尽责侦查任务作念了对比，他们让Claude Opus 4.6去评估一个潜在的收购主见。这种职责常常需要一个资深分析师花两到三周时分才能完成。

可是Opus 4.6的初度输出在结构、内容和体式上齐比Opus4.5更接近不错成功使用的标准。

也便是说，现时作念出来的东西你小改一下就能用。这对于需要快速产出诠释、演示文稿的金融从业者来说，着力晋升是实着实在的。

Anthropic的里面“真的寰宇金融”评估涵盖了约50个投资和财务分析用例，包括电子表格、幻灯片和文档的生成与审阅。

这些是投资银行、私募股权、公开市集投资和企业财务规模分析师的常见任务。Opus 4.6比几个月前的Sonnet 4.5晋升了卓越23个百分点。

配合Cowork这个新功能，金融团队不错同期启动多个分析任务。Cowork让Claude不错拜访你指定的腹地文献夹，成功在里面读取、剪辑和创建文献。

对金融团队来说，这意味着不错一次性嘱咐几个分析任务，同期监督 Claude 创建每个托福物的过程，确保稳妥我方的标准。

GPT-5.3 Codex：我方教师我方的模子

在Claude Opus 4.6发布的几十分钟后，奥特曼转眼发了一条X，布告GPT-5.3 Codex。

我在这里亦然代表字母AI，给奥特曼和阿莫迪少许顺眼，给他们分离点了心爱和转发。

GPT-5.3 Codex最牛的场地在于，它能像真东说念主共事一样干活，况且不错边干活边跟你商量。

昔日的AI是“你说一句我作念一句”，GPT-5.3 Codex是“有问题随时问你”。

你给它一个复杂任务，它能我方琢磨几个小时以致几天，半途还会主动跟你讲述进程、问你主意，你随时不错插话调节标的。

有兴味的是，OpenAI用GPT-5.3 Codex的早期版蓝本维护诞生后续版块。也便是说，让AI帮着调试AI的教师过程、修bug、优化系统，OpenAI团队说这让诞生速率快得惊东说念主。

GPT-5.3 Codex在多个基准测试中创造了新的行业记录。在SWE-Bench Pro上，它达到了56.8%的准确率，这是一个严格的真的寰宇软件工程评估。

与只测试Python的SWE-bench Verified不同，SWE-Bench Pro涵盖四种编程话语，更抗稠浊、更具挑战性、更千般化，也更濒临行业施行。

在Terminal-Bench 2.0上，GPT-5.3 Codex达到77.3%，远超之前的64%。

这个测试预计的是代码代理需要的结尾妙技，也便是在敕令行环境下完成各式操作的才能。值得难得的是，GPT-5.3 Codex用的token数目比之前任何模子齐少，这意味着用户不错用雷同的成本作念更多事情。

在 OSWorld-Verified 这个测试中，GPT-5.3 Codex得分 64.7%，而GPT-5.2-Codex只须38.2%。

这是一个代理计算机使用基准测试，AI需要在可视化的桌面计算机环境中完成分娩力任务。东说念主类在这个测试中的得分约为72%，GPT-5.3 Codex照旧接近东说念主类水平。

在网页诞生方面，OpenAI展示了一个对比案例：让GPT-5.3 Codex和 GPT-5.2-Codex分离创建一个 SaaS 居品的落地页。

GPT-5.3 Codex自动把年度套餐显露为扣头后的月度价钱，让优惠看起来更长远、更特舆图，而不是约略地把年度总价乘出来。

GPT-5.3 Codex

GPT-5.2 Codex

它还作念了一个自动切换的用户评价轮播，包含三条不同的用户评价，而不是只须一条，让通盘页面嗅觉更竣工、更接近不错上线的景色。

约略来说，便是它会考虑用户体验和营销后果。不是机械地已毕功能，而是会想“怎么作念更好”。这种对细节的把合手和对最终后果的理会，让它作念出来的东西更接近专科水平。

GPT-5.3 Codex的才能不仅限于编码。

它相沿软件生命周期中的通盘职责，比如调试、部署、监控、编写居品需求文档、剪辑案牍、用户磋商、测试、主见分析等等。

在GDPval测试中，GPT-5.3 Codex的弘扬与GPT-5.2持平，达到70.9%的胜率或平局率。这个测试预计的是模子在 44 个劳动的明确学问职责任务上的弘扬，包括制作演示文稿、电子表格和其他职责居品。

一个兴味兴味的细节是，两家公司齐强调了“我方用我方的居品”。Anthropic 说“咱们用 Claude 来构建 Claude”， OpenAI说“GPT-5.3 Codex在我方的诞生中证据了要道作用”。

这其实是最佳的告白，要是我方的工程师齐不肯意用，怎么能指望别东说念主用？

况且从本事演进的角度看，两个模子齐代表了 AI 从“回答问题”到“完成职责”的转机。

它们不再称心于生成一段翰墨或一段代码，而是要大致践诺竣工的职责历程，产出不错成功使用的托福物。这种转机对 AI 的要求高得多：不仅要懂本事，还要懂业务；不仅要能作念，还要作念得好；不仅要快，还要稳。

值得难得的是，两家公司齐莫得规避 AI 才能晋升带来的风险。Anthropic 作念了“有史以来最全面的安全评估”， OpenAI 部署了“最全面的网络安全防护措施”。

从用户角度看，两家公司的竞争是功德。不同的需求不错找到不同的惩处有贪图，不同的职责模式不错选择不同的器具。更紧迫的是，竞争会鼓吹双方赓续翻新，让AI才能的规模赓续彭胀。

况且这两个居品的发布也符号着AI投入了一个新阶段。不再是“能不可作念”的问题，而是“怎么作念得更好”的问题。

本文来自微信公众号：字母AI，作家：苗正