什么是 Claude Opus 4.6？

Claude Opus 4.6 是由 Anthropic 开发并于 2026 年 2 月发布的一流前沿 AI 模型。它以在实际软件工程任务中的卓越性能而闻名，在 SWE-bench Verified 上取得了 80.8% 的分数。

Claude Opus 4.6 是否以开放权重模型的形式提供？

Claude Opus 4.6 是专有封闭权重模型。其权重不对外公开——只能通过 Anthropic API 访问。

Claude Opus 4.6 的上下文窗口有多大？

Claude Opus 4.6 支持 100 万 token 的上下文窗口，足以容纳整个代码库、长篇技术文档或扩展的智能体会话而无需截断。

Claude Opus 4.6 在哪些基准测试上进行了评估？

Claude Opus 4.6 已在以下基准测试上进行了评估：SWE-bench Verified（80.8%）、GPQA Diamond（91.3%）、Terminal-Bench（65.4%）、ARC-AGI-2（69.17%）、HLE（53.0%）。标记为 SR 的分数由提供商自行报告；标记为 3P 或 AA 的分数已由第三方独立验证。

Claude Opus 4.6 可以在 FlowHunt 中使用吗？

是的——Claude Opus 4.6 可直接在 FlowHunt 中使用。您可以用它来构建 AI 智能体、自动化工作流、聊天机器人和文档处理流程，无需额外设置。

Claude Opus 4.6 与其他 AI 模型相比如何？

您可以通过可排序的基准测试表格，将 Claude Opus 4.6 与 FlowHunt AI 排行榜上追踪的所有 24 个模型进行对比。本页面的基准测试排名部分展示了 Claude Opus 4.6 在每个已评估基准测试上的排名位置。

Anthropic

Claude Opus 4.6

FrontierAvailable in FlowHunt

Try in FlowHunt

Claude Opus 4.6 是由 Anthropic 开发并于 2026 年 2 月发布的一流前沿 AI 模型。它是一个专有封闭权重模型，可通过 Anthropic API 使用。100 万 token 的上下文窗口足以容纳整个代码库、长篇技术文档或扩展的智能体会话而无需截断。

在 FlowHunt AI 排行榜上，它是 24 个受追踪模型之一，在 6 项基准测试上接受了评估。突出分数：ARC-AGI-2 上 69.2%（3 个模型中排名第 1）；HLE 上 53.0%（6 个模型中排名第 1）；SWE-bench Verified 上 80.8%（13 个模型中排名第 5）。

Claude Opus 4.6 于 2026 年 2 月 5 日发布，因其在新颖视觉推理任务上的表现而备受关注。它在 ARC-AGI-2 上以 69.17% 的成绩持有最高的公开验证分数——这是一项由 ARC Prize Foundation 独立验证的抽象视觉模式识别基准测试，专门设计用于防止记忆化。这一成绩使 Opus 4.6 超越了约 60% 的人类基线水平，而此前的前沿模型难以突破这一门槛。它还在 GPQA Diamond 上取得 91.3%，在 Humanity’s Last Exam 上取得 53.0%，使其成为 2026 年上半年硬推理任务的领先模型。

注：SOTA ARC-AGI-2 69.17%（第三方 ARC Prize 验证）。ASL-3 安全等级。

Try in FlowHunt

发布时间: 2026 年 2 月
上下文窗口: 100 万 token
权重: 封闭
层级: Frontier
提供商: Anthropic

Claude Opus 4.6 Benchmark Rankings

Rank among all 24 models tracked on this leaderboard. SR = self-reported · 3P / AA / C = independently verified.

Benchmark	Score	Rank	Source	What it measures
SWE-bench Verified	80.8%	5 of 13	SR	Real GitHub issue resolution (500 verified issues)
SWE-bench Pro	57.3%	8 of 9	SR	Multi-language, standardised scaffold
GPQA Diamond	91.3%	5 of 14	SR	Graduate-level Google-proof science Q&A
Terminal-Bench	65.4%	7 of 8	SR	Agentic Linux terminal task completion
ARC-AGI-2	69.2%	1 of 3	3P	Novel visual reasoning, no memorisation
HLE	53.0%	1 of 6	SR	Humanity's Last Exam (50+ STEM disciplines)

Detailed Benchmark Scores

SWE-V SR

80.8%

Real GitHub issue resolution (500 verified issues)

SWE-Pro SR

57.3%

Multi-language, standardised scaffold

GPQA ◇ SR

91.3%

Graduate-level Google-proof science Q&A

Terminal SR

65.4%

Agentic Linux terminal task completion

ARC-2 3P

69.2%

Novel visual reasoning, no memorisation

HLE SR

53.0%

Humanity's Last Exam (50+ STEM disciplines)

Claude Opus 4.6 vs. Frontier Peers

Head-to-head benchmark comparison with other Frontier-tier models. Higher is better for all metrics.

Benchmark	Claude Opus 4.6	GPT-5.5	GPT-5.4
SWE-V	80.8%	88.7%	—
SWE-Pro	57.3%	58.6%	59.1%
GPQA ◇	91.3%	93.6%	—
Terminal	65.4%	82.7%	—
ARC-2	69.2%	—	—
HLE	53.0%	41.4%	—

About Anthropic

Anthropic Founded 2021 · San Francisco, CA

Website →

Anthropic 是一家AI安全公司，由前OpenAI研究员Dario Amodei和Daniela Amodei，以及一群曾领导OpenAI安全和政策团队的同事于2021年共同创立。该公司的既定使命是负责任地开发AI，以实现人类长期利益，其研究议程也围绕这一承诺展开：宪政AI（CAI）——一种通过自我批判训练模型成为有用、无害且诚实的模型的技术；机械可解释性——旨在逆向工程大型网络中单个神经元和电路实际计算的内容；以及规模化科学——试图预测模型行为如何随算力和数据变化而变化。Anthropic公开了这些研究成果，并已成为学术文献中被引用最多的AI安全实验室之一。Claude是Anthropic的公开模型系列——以信息论创始人Claude Shannon命名——涵盖四代（1至4.x/Fable 5）。Anthropic运营商业API和面向消费者的Claude.ai产品，并与AWS（Amazon Bedrock）和Google Cloud（Vertex AI）保持着深度云合作伙伴关系。

使用场景

Claude Opus 4.6 适合做什么

软件工程: Claude Opus 4.6 在 SWE-bench Verified 上取得 80% 的分数——在此追踪的 13 个模型中排名第 5。它能解决真实的 GitHub 问题，用多种语言编写生产级代码，并处理多步骤的智能体编码工作流——是 AI 辅助软件开发团队的强力选择。
科学与技术推理: 在 GPQA Diamond 上取得 91% 的分数（14 个模型中排名第 5），Claude Opus 4.6 超越了约 65% 的人类博士基线水平，能够应对研究生级别的生物学、化学和物理学问题。适用于科学文献综合、假设评估、医疗和法律问答，以及需要深度领域知识的多学科研究任务。
智能体 CLI 自动化: Claude Opus 4.6 在 Terminal-Bench 上取得 65% 的分数（8 个模型中排名第 7），足以胜任常见的 shell 脚本编写、命令行工作流以及智能体管道中的轻量级系统管理任务。
长文档与代码库分析: 凭借 100 万 token 的上下文窗口，Claude Opus 4.6 可以在单个提示中处理整个软件仓库、长篇法律合同、书籍长度的研究报告或扩展的对话历史——实现深度文档问答、跨文件代码库推理以及全面的摘要生成，无需分块策略或 RAG 管道。

Strengths & Limitations

Strengths

强大的软件工程能力——SWE-bench Verified 80%
研究生级别的科学推理——GPQA Diamond 91%
新颖的视觉推理——ARC-AGI-2 69%（独立验证）
超长文档与大型代码库（100 万上下文）

Limitations

封闭权重——无法自托管或在私有数据上进行微调

更多对比

浏览完整 AI 模型排行榜

比较全部 24 个模型在 11 项基准测试上的表现——可排序、有来源、更新于 2026 年 6 月。

← 返回 AI 排行榜在 FlowHunt 中试用

常见问题

: Claude Opus 4.6 是由 Anthropic 开发并于 2026 年 2 月发布的一流前沿 AI 模型。它以在实际软件工程任务中的卓越性能而闻名，在 SWE-bench Verified 上取得了 80.8% 的分数。
: Claude Opus 4.6 是专有封闭权重模型。其权重不对外公开——只能通过 Anthropic API 访问。
: Claude Opus 4.6 支持 100 万 token 的上下文窗口，足以容纳整个代码库、长篇技术文档或扩展的智能体会话而无需截断。
: Claude Opus 4.6 已在以下基准测试上进行了评估：SWE-bench Verified（80.8%）、GPQA Diamond（91.3%）、Terminal-Bench（65.4%）、ARC-AGI-2（69.17%）、HLE（53.0%）。标记为 SR 的分数由提供商自行报告；标记为 3P 或 AA 的分数已由第三方独立验证。
: 是的——Claude Opus 4.6 可直接在 FlowHunt 中使用。您可以用它来构建 AI 智能体、自动化工作流、聊天机器人和文档处理流程，无需额外设置。
: 您可以通过可排序的基准测试表格，将 Claude Opus 4.6 与 FlowHunt AI 排行榜上追踪的所有 24 个模型进行对比。本页面的基准测试排名部分展示了 Claude Opus 4.6 在每个已评估基准测试上的排名位置。