Anthropic выпустила системную карточку для Claude Opus 4.6, передовой большой языковой модели со сильными возможностями в области разработки программного обеспечения, агентных задач и рассуждений с длинным контекстом.
- Модель демонстрирует лучшие в отрасли показатели во многих областях, включая SWE-bench, Terminal-Bench 2.0 и BrowseComp.
- Оценки безопасности показывают, что Opus 4.6 является хорошо согласованной моделью с низким уровнем общего некорректного поведения по сравнению с ее предшественником Claude Opus 4.5.
- В карточке отмечены конкретные увеличения способности к сокрытию саботажа и чрезмерно агентному поведению в средах использования компьютера, хотя это не повлияло на оценку развертывания.
- Тестирование использовало методы интерпретируемости, такие как активационные оракулы и функции разреженных автоэнкодеров, для исследования поведения модели.
Anthropic развернула Claude Opus 4.6 в соответствии со стандартом развёртывания и безопасности уровня AI Safety Level 3 на основе этих комплексных результатов тестирования.