Dan tested Codex 5.3 on Proof, a macOS markdown editor that he's been vibe coding that tracks the origin of every piece of text—whether it was written by a human or generated by AI—and lets users ...

This article was created by StackCommerce. Postmedia may earn an affiliate commission from purchases made through our links on this page.

一睁眼，Anthropic上新模型，让Claude Opus 4.6来给您拜！年！了！ 消息一出，金融数据服务商FactSet最惨盘中暴跌10%，S&P Global、穆迪、纳斯达克公司纷纷下跌，各大指数全线跳水。 这已经是Anthropic你小子本周第二次搅动市场了。 几天前，它旗下一款自动化法律工作的插件悄悄上线，直接引爆了万亿美元级别的软件股暴跌。 投资者的恐慌聚焦在一个问题：谁能保证几年内 ...

在发布前的测试中，Anthropic的前沿红队把Opus 4.6扔进一个沙箱环境，给它 Python 和常规漏洞分析工具（fuzzer、debugger那些），没有任何专门指令或领域知识，让它自己去找开源代码里的漏洞。

OSWorld-Verified于2025年7月28日发布，是一次全面重构，修复了原版中300+已识别问题，包括失效 URL、反爬 CAPTCHA、不稳定 HTML 结构、含糊指令，以及过严/过松的评测脚本。

在Agent编程评估Terminal-Bench 2.0中取得了最高分，并在“人类最后考试”中领先所有其他前沿模型。 在MRCR v2 8-needle 1M基准测试——大海捞针——中，Opus 4.6得分76%，而Claude Sonnet 4.5只有18.5%。