Anthropic ha publicado la tarjeta del sistema para Claude Opus 4.6, un modelo de lenguaje grande de vanguardia con fuertes capacidades en ingeniería de software, tareas agénticas y razonamiento de contexto largo.
- El modelo demuestra rendimiento líder en la industria en muchas áreas, incluyendo SWE-bench, Terminal-Bench 2.0 y BrowseComp.
- Las evaluaciones de seguridad indican que Opus 4.6 es un modelo bien alineado con una baja tasa de comportamiento desalineado en general en comparación con su predecesor, Claude Opus 4.5.
- La tarjeta señala aumentos específicos en la capacidad de ocultación de sabotaje y comportamiento excesivamente agéntico en entornos de uso informático, aunque esto no afectó la evaluación de implementación.
- Las pruebas utilizaron métodos de interpretabilidad como oráculos de activación y características de autoencoders dispersos para investigar el comportamiento del modelo.
Anthropic ha implementado Claude Opus 4.6 bajo el Estándar de Despliegue y Seguridad de Nivel 3 de Seguridad de IA basado en estos resultados integrales de pruebas.