Anthropic发布了Claude Opus 4.6的系统卡，这是一款前沿的大型语言模型，在软件工程、智能体任务和长上下文推理方面具有强大能力。

  • 该模型在许多领域展现出行业领先的性能，包括SWE-bench、Terminal-Bench 2.0和BrowseComp。
  • 安全评估表明，与前任Claude Opus 4.5相比，Opus 4.6是一个对齐良好的模型，整体不对齐行为率较低。
  • 系统卡指出，在计算机使用场景中，破坏性行为的隐蔽能力和过度智能体行为有具体增加，但这并未影响部署评估。
  • 测试利用了可解释性方法，如激活预言机和稀疏自编码器特征，以调查模型行为。

Anthropic已基于这些全面的测试结果，按照AI Safety Level 3部署与安全标准部署了Claude Opus 4.6。