首页财产阐发评论ai正文 中门对于狙，这下真的AI春晚了 凌晨2点Anthropic更新Claude Opus 4.6，OpenAI同时发布GPT-5.3 Codex，两者跑分各有胜败，产物功效也各有进级，行业影响庞大。 2026-02-06 10:05 ·微信公家号：数字生命卡兹克数字生命卡兹克 数字生命卡兹克 AI投资人解读· Claude Opus 4.6跑分亮眼，于多范畴体现精彩，产物功效显著进级，如1M上下文窗口等，价格未变；GPT-5.3 Codex编程评测领先，能自立介入开发历程，可及时互动，运行速率更快。 · 行业竞争激烈，模子更新快，需连续存眷机能变化；政策羁系或者影响模子成长；算力成本、数据安全等也存于挑战。 总结：两款新模子各有上风，揭示出强盛潜力，但行业竞争与相干危害并存，建议连续跟踪评估其于差别场景的运用效果和成长态势。内容由AI天生，仅供参考

于全网翘首以盼的等了两天以后，于凌晨2点。

Anthropic的新模子Cluade Opus 4.6正式更新了。

我说真话，我是真的近来由于AI圈这些模子及产物，熬夜熬的有点扛不住了。

但实在最颠最绝望的是，20分钟以后，OpenAI也发了新模子。。。

GPT 5.3 Codex也来了。

这尼玛，真的是中门对于狙了。

要了亲命了。。。

这两模子都还有是患上看，由于以前GPT及Claude险些就是我最经常使用的维二最主力的模子，GPT-5.2用来做各类各样的搜刮及事实核查还有有研究还有有编程改BUG，Opus 4.5做创作及主力编程。

此刻，两个都来了。

太刺激了。

一个一个说吧。

一. Claude Opus 4.6

此次Anthropic实在不止发了Claude Opus 4.6，还有有一个很好玩的工具，Agent Teams，还有有关在Excel及PPT插件的更新。

先说Claude Opus 4.6。

每一次有新模子发布，各人第 一反映就是看跑分。

此次Opus 4.6的跑分确凿很美丽，我挑几个重点说说。

起首是Terminal-Bench 2.0，这是一个测试AI于终端情况下编程能力的评估，Opus 4.6拿了65.4%，是所有模子里最高的（没看到GPT-5.3 codex以前）。

GPT-5.2是64.7%，Gemini 3 Pro是56.2%。

让我比力惊奇的是OSWorld这个评估，测的是AI操作电脑的能力，Opus 4.6拿了72.7%，比Opus 4.5的66.3%高了不少。

这就象征着Claude愈来愈会用电脑了，它能更好地操作鼠标、点击按钮、于差别运用之间切换，于Coding能力晋升的同时，电脑操作的能力也有年夜幅晋升，这是真的要奔着周全Agent化去了。

还有有一个BrowseComp，也是让我不测的，测的是Agent于网上搜刮信息的能力，Opus 4.6拿了84.0%，远超其他模子。

第二名GPT-5.2 Pro是77.9%，差了6个多点。

由于我本身实在一直把GPT-5.2 Pro看成是我最牛逼的研究陈诉天生引擎去用的，他比DeepResearch还有要强，精准度极高幻觉率极低，此刻Opus 4.6比它还有要弄6个点，说真话有点离谱了。

然后就是GDPval-AA这个评估，这个评估测的是AI于真实事情使命中的体现，包括金融、法令等范畴的常识事情。Opus 4.6拿了1606的Elo分，比GPT-5.2高了144分，比本身的前代Opus 4.5高了190分。

144分的Elo差距还有是挺年夜的，也就是说，于干活这件事上，Opus 4.6确凿是今朝最强的，Cluade是真的把本身的编程能力，最先逐渐泛化到其他的事情场景内里去了。

然后最离谱的是这个，ARC AGI 2，68.8%，吊打一切。。。

我以前于GPT-5.2发布时辰的文章里科普过这玩意，就是下面这类题。

这类能力，此刻称为流体智力（Fluid Intelligence），意思就是指不依靠在已经有的常识，于全新情境下举行逻辑推理、辨认模式及解决问题的能力。

说白了，就是你的悟性及开窍的能力。

以前于ARC-AGI-2上，GPT-5.1的患上分是17.6%，而GPT-5.2 Pro，直接飙到了50%多。

这一次，Claude Opus 4.6，直接干到了68.8%，是有点离谱的，差点摸到7字头了。

从上面这些跑分看，除了了一些世界常识及问答上，Claude Opus 4.6还有弱在GPT-5.2，其他的险些已经经周全领 先。

当之无愧的SOTA。

说真话，我对于跑分一直有点繁杂的情感。

一方面，跑分确凿能申明一些问题，但另外一方面，跑分及现实利用体验之间，往往有一道很深的鸿沟。

许多模子跑分很高，但用起来就是不伏手，反过来，有些模子你看着总体跑分一般，但于某些场景下就是还有挺好用的。

以是我更存眷的，是此次更新于产物层面做了甚么。

第 一个：1M token的上下文窗口。

普天同庆！！！Claude Opus系列，终究有1M上下文啦！！！

Opus 4.6终究撑持100万token的上下文了！！！

真的，做Coding的伴侣们都知道，上下文容量有多主要。。。

以前只有200K的小窗口，此次整整翻了5倍！！！此刻不再用担忧这个问题了！！！

并且我要说一个很主要的点，就是上下文窗口年夜，不等在模子能真正用好这么年夜的上下文。

许多模子虽然撑持很长的上下文，但你真的塞进去许多内容以后，模子的体现会较着降落，会变患上很蠢。

这个问题于业内叫"context rot"，上下文腐臭，也就是你用的越久，模子能力最先变患上越差。

而此次，Claude Opus 4.6，于MRCR v2的测试上做了试验，这个测试是年夜海捞针类的，就是于一年夜堆文本里藏几个要害信息，看模子能不克不及找到。

于100万token、藏8根针的测试里，Opus 4.6直接拿了76%，而Sonnet 4.5只有18.5%，太牛逼了！

并且上下文推理上，也睥睨群雄。

这对于许多现实场景来讲真的很是有效，也是我最最最喜欢的进级点，不只是coding，实在好比你想让Claude帮你审查一份几百页的法令文件，或者者阐发一个至公司的财报，此刻年夜几率也是可以一次性弄定了。

第二个：输出上限晋升到128K。

之前Claude的输出上限都是64K，此次直接翻倍了。

也算是一个相称不错的利好。

这个改良听起来不起眼，但对于在现实利用来讲真的很主要。

第三个：Context Compaction，上下文压缩。

这个功效实在Claude Code已经经实现好久了，但我感觉还有是颇有须要说一下，由于它解决了一个很实际的问题。

当你跟AI聊了好久，或者者让AI履行一个很长的使命，对于话内容会愈来愈多，终极会跨越上下文窗口的限定。之前碰到这类环境，要末使命掉败，要末到手动清算对于话汗青。

此刻有了Context Compaction，Claude可以主动把旧的对于话内容压缩成择要，腾出空间给新的内容。

如许Claude就能履行更永劫间的使命，而不会由于上下文溢出而中止。

这对于在那些需要Claude永劫间自立事情的场景来讲，是一个很实用的改良。

之前是于Claude Code里利用工程实现的，此刻直接模子自带了。

第四个：Adaptive Thinking及Effort节制

之前Claude有一个"extended thinking"功效，就是让它于回覆以前先深度思索一下子。

这个功效开启以后，Claude的回覆质量会晋升，但速率会变慢，成本也会增长。

问题是，之前这个功效是要末开要末关，没有中间状况。有些简朴问题，你开了深度思索，就有点杀鸡用牛刀了。

此刻有了两个新功效来解决这个问题。

一个是Adaptive Thinking，自顺应思索。开启以后，Claude会本身判定这个问题需不需要深度思索。简朴问题就快速回覆，繁杂问题就多想一下子。

另外一个是Effort节制，让你可以手动设置Claude的思索水平。有四个档位：low、medium、high、max，默许是high。

这两个功效加起来，让Claude的利用变患上更矫捷了。

你可以按照现实需求，于速率、成本、质量之间找到均衡点。

然后还有有一个，是Claude Code内里很主要的更新，叫做Agent Teams。

之前你用Claude Code，是一个Claude于干活，你给它一个使命，它本身去做，做完了给你看成果。

此刻有了Agent Teams纷歧样了，你可让一个会话充任团队卖力人，协调事情、分配使命并综合成果。

然后启动团队成员自力事情，各从容本身的上下文窗口中，并相互直接通讯。

好比假定你要做一个代码审查，需要看前端代码、后端代码、还有有数据库相干的代码。之前你可能要分三次让Claude看，每一次看一部门。

此刻你可以说"帮我审查这个代码库"，然后Claude会主动启动3个团队成员，一个看前端，一个看后端，一个看数据库，三个同时举行，末了把成果汇总给你。

并且这些团队成员不是彻底自力的，它们可以彼此沟通。好比后端代办署理发明一个API的变动，它可以告诉前端代办署理，让前端代办署理查抄一下挪用这个API之处有无问题，并且他们也能够互相质疑、互相挑战、互相发明。

跟Claude Code内里以前subagents也就是子代办署理差别的点于在，子代办署理于单个会话中运行，只能向主代办署理陈诉成果，而Agent Teams是一个团队，团队成员可以直接与各个团队成员互动，无需经由过程卖力人。

他们本身也做了一个很是明确的图表来举行区别。

当你需要快速、专注的事情职员举行反馈时，利用子代办署理。当团队成员需要同享发明、彼此挑战及自立协调时，利用Agent Teams。

然后就是两个小的更新，一个是Claude in Excel这个插件将Claude Opus 4.6直接集成到了excel内里。

此刻还有撑持数据透视表编纂、图表修改、前提格局设置、排序及筛选、数据验证以和金融级格局设置。

还有添加了可用性改良，包括长对于话的主动压缩及拖放多文件撑持等等。

然后还有发了一个Claude in PowerPoint。

将Claude集成到了PowerPoint侧边栏中，让它于创立新内容以前读取现有的结构、字体及母版。

Claude也能够按照客户模板构建演示文稿、对于现有幻灯片举行针对于性编纂。

Anthropic真的依附着Claude，于B端范畴，真的最先年夜杀四方了。

GPT说真话，此刻整个B端及出产力真个体验，轻微掉队的有点多了。

末了说一下价格。

API价格连结稳定，还有是美金5/美金25每一百万token（输入/输出）。

假如用跨越20万token的上下文，会有分外订价，是美金10/美金37.50每一百万token。

今朝，Claude网页版及Claude Code上，Claude Opus 4.6均以周全上线，已经经可以欢愉的顽耍起来了。

二. GPT-5.3 Codex

终究聊完了Claude的工具，然后到了GPT这边。

说真话，我本身对于GPT一直也是有本身的感情的，他依然是我此刻于任什么时候候想到问题，第 一个去问的模子，想要要验证某一个事的时辰，第 一个去问的模子。

并且，虽然我不是一个专业的编程年夜佬，可是于我有限的Vibe Coding的经验里，我感觉GPT-5.2 Codex于解决BUG及难点的问题上，是要强在Claude Opus 4.5的。

尤其是GPT-5.2 Codex+Codex的改BUG体验，是要比Claude Opus 4.5+Claude Code要更强的。

以是我本身常常的事情流，常常是用Claude code写一个年夜的，然后用codex接办后续举行调解。

以是我恰好，还有真是这两玩意的用户。。。

以是GPT-5.3 Codex的更新，我天然也很是的开心。

二者中门对于狙，开心的天然是咱们用户。

此次GPT-5.3 Codex，实在最使我惊奇的工具，不是跑分，是他们博客里的一句话：

"GPT-5.3 Codex是咱们第 一个于创造本身的历程中阐扬主要作用的模子。"

OpenAI说，他们的Codex团队于开发GPT-5.3的历程中，用初期版本的模子来debug本身的练习历程、治理部署、诊断测试成果及评估。

用人话说就是，AI介入了本身的开发。

这个工作听起来有点科幻，但实在逻辑上是通的。

AI模子的开发历程，素质上也是一堆代码，练习剧本是代码，部署流程是代码，测试框架也是代码。

既然AI已经经coding能力已经经这么牛逼了，那让AI来帮助写这些代码，也是瓜熟蒂落的事。

但瓜熟蒂落及真的做到了说真话，是两回事。

OpenAI的团队说，他们被Codex可以或许加快自身开发的水平震动了。

假如AI可以或许愈来愈多地介入本身的开发，那AI进化的速率会不会变患上更快？这个问题，可能比任何跑分都主要。

这个世界，真的都于疯狂的加快啊。

然后老例子，再看下跑分。

GPT-5.3 Codex于几个要害的编程评测上都拿到了最高分。

这时候候，你必定会问了，GPT-5.3 Codex及Claude Opus 4.6，到底哪一个跑分更牛逼一点？？？

说真话，由于两家的评测基准，还有是有许多细节差异，以是，彻底无法直接举行对于比。。。

唯 逐一个对于齐的基准是Terminal-Bench 2.0，这是一个由89个繁杂真实使命构成的基准，这些使命都于终端情况中履行，每一个使命运行于自力Docker容器内。

2.0版本在2025年11月7日发布。

Claude Opus 4.6患上分65.4%，GPT-5.3 Codex患上分77.3%，OpenAI领 先11.9个百分点。

于这个唯 一不异的基准里，GPT更胜一筹，并且是年夜胜，切合我对于Codex系列的认知。

然后是OSWorld，评估AI agent操作真实计较机的能力，人类基线为72.36%。

要害区分于在，Claude Opus 4.6陈诉的是原版OSWorld（72.7%），而 GPT-5.3 Codex陈诉的是OSWorld-Verified（64.7%）。

OSWorld-Verified在2025年7月28日发布，是一次周全重构，修复了原版中300+已经辨认问题，包括掉效 URL、反爬 CAPTCHA、不不变 HTML 布局、暗昧指令，以和过严/过松的评测剧本。

以是说，别看这个评测看着Claude更强，可是两个分数权衡的其实不是统一件事。

OSWorld-Verified 提供了更严酷、更可控的旌旗灯号，也一般被认为更难，以是严酷意义上来讲，GPT-5.3 Codex的64.7%甚至是要强在Claude Opus 4.6的72.7%的。

然后是GDPVal，这个事于美国GDP孝敬最 年夜的9个行业中，笼罩44种职业、1320个真实常识事情使命。

使命要求产出真实职业交付物，如文档、表格、演示、图表，平均相称在7小时专家事情量。

可比性问题于这里最较着。

GPT-5.3 Codex的“GDPval wins or ties: 70.9%”，利用的是 OpenAI 本身的要领，由职业人类评审盲评 AI 产出与人类专家产出，判定 AI 版本是否“与人类同样好或者更好”，分母是固定的人类尺度。

Claude Opus 4.6的“GDPval-AA Elo: 1606”，这是自力评测机构Artificial Analysis的系统，利用其自有Stirrup agent框架（具有 shell 与网页阅读能力）跑模子，再由Gemini 3 Pro做两两比力评判，终极用Bradley-Terry模子拟合Elo评分，并以GPT-5.1的1000 为锚点。

以是这个是太难换算了，我也不太清晰双方哪一个更牛逼。。。

然后就是SWE-bench，SWE-bench测试AI是否能经由过程天生代码补钉修复真实 GitHub issue。

SWE-bench Verified（Claude Opus 4.6利用，80.8%）是500题、人工验证、仅Python的子集，由OpenAI Preparedness团队于2024年8月发布。

93位职业开发者验证了每一道题都具有明确问题描写及公允单测，顶 级模子已经跨越70%，该基准靠近饱及。

SWE-bench Pro Public（GPT-5.3 Codex 利用，56.8%）是731题、多语言基准，由Scale AI创立。它笼罩Python、Go、JavaScript、TypeScript等，横跨41个堆栈。参考解平均107.4行、4.1个文件，较着比 Verified常见的单文件补钉更繁杂。

它还有纳入copyleft与专有代码库，专门降低数据污染危害。

以是说，Claude Opus 4.6于Verified的80.8%与GPT-5.3 codex于Pro Public的56.8%不克不及直接比力。

但说真话Pro较着更难，发布时GPT-5及Claude Opus 4.1于Pro上都只有约23%，不到其Verified分数的三分之一。

以是说，实在总体跑分上，虽然看着GPT-5.3 Codex的患上分似乎都低一点。

可是含金量更足，假如非要我说的话，联合着我已往的测试印象，单开发这一块，可能会是GPT-5.3 Codex会更强更实用一点。

固然，还有有一个最要害的一点是，GPT...他不封号呀= =

然后跑分是一回事，能做甚么是另外一回事。

OpenAI于博客里展示了两个用GPT-5.3 Codex做的游戏，一个赛车游戏及一个潜水游戏。

这两个游戏都不只是那种咱们随处可见简朴的demo，而是完备的、可玩的游戏。

赛车游戏有差别的赛车、八张舆图、还有有道具体系。

潜水游戏有差别的珊瑚礁可以摸索、有氧气及压力治理体系、还有有伤害要素。

要害是，这些游戏全都是GPT-5.3 Codex本身做的。

OpenAI说，他们于Codex产物了里，用这个模子及一个叫develop web game的Skills，加之一些通用的跟进提醒（好比"修复这个bug"或者者"改良这个游戏"），让GPT-5.3 Codex于几天的时间里，自立迭代了数百万个token，终极做出了这些游戏。

说真话，有点牛逼的。

并且此次有一个很棒的更新点。

就是你可以于GPT-5.3 Codex事情的时辰跟它互动，可以随时参与，随时调解标的目的了。。。

终究不消先住手了，这个小能力还有挺喷鼻的。

今朝已经经于Codex上上线，我已经经最先用起来了。

并且直不雅感触感染，于Codex上运行GPT-5.3 codex真的快了很是很是多。

于博客里没有这块数据，不外奥特曼本身的X上写出来了。

“完成不异使命所需的令牌数不到 5.2-Codex 的一半，且单令牌速率快 25% 以上！”

很是保举各人下载个Codex尝尝，真的蛮好用的。

写于末了

这篇稿子又写了个彻夜，基本上把我对于这两个模子的理解都写进去了，应该没啥漏的了，应该是最全的一篇了。

至在现实测试，但愿各人见谅，这么一点点时间其实测不出来，可能我患上需要一整个周末的时辰，正儿八经的开发几个产物，才能感触感染到较着的差异。

不外有一点就是，此刻的模子险些都是奔着Coding及Agent去的，以是这块的晋升基本都很较着，跟手机同样，用新不消旧。

直觉上我的事情流还有是不太会变，Claude Opus 4.6 + Claude code打底稿，GPT-5.3 Codex + Codex举行后续精准开发。

末了。

今无邪的是AI行业的年夜日子。

Anthropic发了Opus 4.6，OpenAI发了GPT-5.3 Codex。

两家头部AI公司于统一天放出年夜招，这于汗青上也是稀有的。

此刻就等着Gemini还有能玩出甚么花活了。

从模子能力上看，两家都于快速前进，差距于缩小。

从产物形态上看，两家都于押注Agent，但偏重点有所差别。

从行业影响上看，传统SaaS公司最先感应压力，软件行业绝 对于正于履历一场从降生以来最 年夜的一次范式改变。

我不知道一年后这个行业会酿成甚么样。

但我知道，此刻，绝 对于是一个需要紧密亲密存眷、踊跃进修的期间。

错过这一波，可能就真的错过了。

假如你还有没用过Claude Code，没用过Codex，此刻是一个很好的最先机会。

究竟，将来已经经来了。

只是，还有没匀称漫衍。

【本文由投资界互助伙伴微信公家号：数字生命卡兹克授权发布，本平台仅提供信息存储办事。】若有任何疑难，请接洽（editor@zero2ipo.com.cn）投资界处置惩罚。