Новый стандарт для «глубокой работы» (Deep Work)

Ландшафт искусственного интеллекта снова изменился, ознаменовав решающий момент для корпоративных и профессиональных приложений ИИ. Anthropic официально выпустила Claude Opus 4.6, модель, которая не только бросает вызов, но и фактически свергает с престола Gemini 3 Flash от Google в области сложной, высокоответственной профессиональной работы. В то время как Google провела начало 2026 года, доминируя в повестке дня благодаря скорости и мультимодальной плавности, последний релиз Anthropic делает ставку на то, что важнее всего для разработчиков и предприятий: глубину рассуждений, надежность и агентные возможности (agentic capability).

В течение последних нескольких месяцев индустрия ИИ характеризовалась «перетягиванием каната» между экосистемой Gemini от Google и серией GPT от OpenAI, при этом Gemini 3 Flash недавно заняла первое место благодаря сочетанию скорости и обработки огромного контекста. Однако выпуск Claude Opus 4.6 меняет расчеты для организаций, полагающихся на ИИ в сфере когнитивного труда.

Отчеты первых пользователей и сравнительный анализ подтверждают, что, хотя Gemini 3 Flash остается чудом скорости и мультимодальной интеграции — обрабатывая видео и аудио с беспрецедентной легкостью — Claude Opus 4.6 завоевала корону в области «глубокой работы» (deep work). Различие критически важно: там, где Gemini действует как высокоскоростной помощник, Opus 4.6 функционирует как способный младший инженер или аналитик, демонстрируя упорную способность планировать, выполнять и корректировать свои действия на длительных временных отрезках.

Реакция индустрии была мгновенной. «Opus 4.6 — это Клод из серии „просто сделай это“», — отметила команда PromptLayer в своем подробном обзоре. Это мнение разделяют и в сообществе разработчиков, где способность модели справляться с разросшимися кодовыми базами и запутанными юридическими документами, не «теряя нити», установила новый стандарт полезности.

Бенчмарки: где Opus 4.6 оставляет Gemini позади

Самый убедительный аргумент в пользу Claude Opus 4.6 заключается в необработанных данных о производительности, особенно в бенчмарках, которые имитируют реальное использование компьютера (computer use) и задачи по программированию, а не абстрактные ответы на вопросы.

Выделяются два конкретных бенчмарка: Terminal-Bench 2.0 и OSWorld. Terminal-Bench измеряет способность ИИ работать со сложными средами программирования и интерфейсами командной строки — по сути, насколько хорошо он может исполнять роль инженера-программиста. OSWorld тестирует способность модели управлять операционной системой компьютера для выполнения задач.

В обеих сферах Opus 4.6 заняла лидирующие позиции. В Terminal-Bench 2.0 модель набрала 65,4%, что является значительным скачком по сравнению с ее предшественницей и явным преимуществом перед конкурирующими моделями, такими как Gemini 3 Flash. Еще более впечатляющим является результат 72,7% в OSWorld, что указывает на то, что Anthropic добилась огромных успехов в «использовании компьютера» — способности ИИ автономно перемещаться по интерфейсам, нажимать кнопки и управлять приложениями.

Ниже приведено сравнительное описание того, как Claude Opus 4.6 соотносится с текущими передовыми моделями по ключевым показателям:

Сравнительные показатели производительности (февраль 2026 г.)
| Бенчмарк / Метрика | Claude Opus 4.6 | Gemini 3 Flash | GPT-5.2 | Claude Opus 4.5 |
|---|---|---|---|
| Terminal-Bench 2.0 (Агент для кодинга) | 65.4% | ~58% | 59.8% | 59.8% |
| OSWorld (Использование компьютера) | 72.7% | <70% | N/A | <60% |
| GDPval-AA (Эло в экономических задачах) | 1606 | N/A | 1462 | 1416 |
| ARC-AGI v2 (Рассуждение) | 68.8% | N/A | N/A | 37.6% |
| MRCR v2 (Извлечение из длинного контекста) | 76% | High | High | 18.5% |

Данные выявляют четкую тенденцию: в задачах, требующих «агентности» (agency) — способности предпринимать самостоятельные действия для решения проблемы — Opus 4.6 в настоящее время не имеет равных. Огромный скачок в показателе ARC-AGI v2, увеличившийся с 37,6% в предыдущей версии до 68,8%, свидетельствует о качественном сдвиге в том, как модель справляется с новыми, многошаговыми задачами на рассуждение, которых она не встречала в своих обучающих данных.

Больше, чем просто токены: архитектура последовательности

Одним из наиболее значимых технических достижений Claude Opus 4.6 является не только размер его контекстного окна, но и то, как он управляет этим контекстом. И Gemini 3 Flash, и Opus 4.6 могут похвастаться контекстным окном в 1 миллион токенов, что теоретически позволяет им поглощать огромные объемы данных. Однако чистая емкость часто приводит к феномену «потери в середине», когда модели забывают детали, погребенные глубоко в тексте.

Anthropic представила функцию, известную как Сжатие контекста (Context Compaction). Этот механизм автоматически суммирует старую историю разговоров для поддержания связности в ходе длительных сессий. Вместо того чтобы просто рассматривать контекстное окно как необработанный буфер, модель активно управляет своей памятью, гарантируя, что критические инструкции, данные в начале долгой сессии кодинга или юридического анализа, не исчезнут в виде галлюцинаций к тому моменту, когда пользователь достигнет отметки в 500 000 токенов.

Внутренние тесты, о которых сообщил PromptLayer, показали, что в тесте извлечения MRCR v2 Opus 4.6 достиг точности 76%, что является ошеломляющим улучшением по сравнению с 18,5% у Opus 4.5. Такая надежность делает окно в 1 миллион токенов практически применимым для корпоративных задач, таких как аудит финансовых отчетов или рефакторинг устаревших кодовых баз — задач, где единственная пропущенная деталь может стать катастрофической.

Агентные возможности: от чат-бота к коллеге

Выпуск Opus 4.6 совпадает с более широким сдвигом в том, как разработчики взаимодействуют с LLM. Мы переходим от «промпт-инжиниринга» к «оркестрации агентов», и Anthropic настроила эту модель специально для такого будущего.

Ключевым нововведением является внедрение Команд агентов (Agent Teams). Эта функция позволяет ведущему ИИ-агенту разбивать сложный проект — например, создание полнофункционального веб-приложения — и делегировать подзадачи другим экземплярам модели, работающим параллельно. В отличие от предыдущих итераций, где одна модель пыталась линейно жонглировать всеми аспектами задачи, Agent Teams имитирует человеческий рабочий процесс, где менеджер координирует специализированных работников.

Эта возможность поддерживается Режимом адаптивного мышления (Adaptive Thinking Mode), который заменяет старую функцию «Расширенного мышления». Теперь пользователи могут регулировать интенсивность рассуждений от «минимума» до «максимума». На простые запросы модель отвечает мгновенно. Для принятия сложных архитектурных решений она может сделать паузу, «подумать» глубже и составить более надежный план, прежде чем написать хотя бы одну строку кода.

Разработчики, использующие модель, сообщают, что Opus 4.6 гораздо более проактивен, чем его конкуренты. Вместо того чтобы ждать следующего промпта, он определяет необходимые подзадачи, задает уточняющие вопросы и доводит проекты до завершения. Один из ранних тестеров отметил, что модель решила 87,5% его задач по кодингу с первой попытки по сравнению с 62,5% в предыдущей версии.

Корпоративная и девелоперская экосистема

Внедрение модели произошло быстро среди крупных технологических игроков, которым требуется высокая надежность ИИ. Notion, GitHub и Replit были в числе партнеров по запуску, интегрировав Opus 4.6 в свои основные продукты.

• Notion использует его для работы помощника, который ведет себя «меньше как инструмент и больше как коллега».
• GitHub Copilot использует модель для сложной многошаговой генерации кода, где знание контекста имеет первостепенное значение.
• Replit использует возможности агентного планирования, чтобы помочь пользователям создавать программное обеспечение в облачной среде IDE.

Помимо кодинга, Anthropic активно нацеливается на общие бизнес-процессы. Обновление включает в себя значительные улучшения в Claude в Excel, позволяя генерировать таблицы на естественном языке и проводить сложный анализ данных, не уступающий человеческому аналитику. Более того, предварительная версия Claude в PowerPoint демонстрирует способность модели создавать структуру слайдов и предлагать визуализации, напрямую атакуя позиции Microsoft Copilot в офисной продуктивности.

Специалисты по безопасности также нашли в Opus 4.6 мощного союзника. В демонстрации своих возможностей аудита команда Anthropic использовала модель для сканирования репозиториев с открытым исходным кодом, успешно выявив более 500 ранее неизвестных уязвимостей высокой степени серьезности. Одна эта возможность оправдывает стоимость модели для многих фирм по кибербезопасности.

Цены и доступность

Несмотря на скачок производительности, Anthropic сохранила конкурентоспособные цены на API для стандартного уровня:

• Вход (Input): $5 за миллион токенов
• Выход (Output): $25 за миллион токенов

Однако пользователи, использующие расширенные возможности контекста свыше 200 тысяч токенов, столкнутся с премиальными тарифами ($10/$37,50), что отражает вычислительную интенсивность управления массивной активной памятью. Для индивидуального пользователя «Pro» подписка остается на уровне $20 в месяц, хотя активные пользователи новых функций рассуждения могут быстрее достигать лимитов сообщений из-за увеличенного потребления вычислений на токен в этой модели.

Компромиссы: скорость против глубины

Хотя Claude Opus 4.6 является триумфом для профессиональных задач, он не лишен компромиссов. Основная критика в ранних обзорах касается регресса в стиле творческого письма. Методы обучения с подкреплением, использованные для оттачивания логики и навыков программирования модели, похоже, притупили ее прозу.

Пользователи, ищущие «причудливые истории» или высокостилизованный творческий контент, могут счесть ответы Opus 4.6 «более сухими и деловыми» по сравнению с яркими результатами Claude 4.5 или Gemini. Для писателей старая модель или конкурент все еще могут быть лучшим выбором.

Кроме того, существует фактор скорости. Gemini 3 Flash оправдывает свое название, предлагая ответы практически в реальном времени и нативную обработку видео, с чем Opus 4.6 не пытается сравниться. Если сценарий использования требует анализа живого видеопотока или общения с низкой задержкой, Google остается предпочтительным вариантом.

Заключение: бифуркация рынка

Выпуск Claude Opus 4.6 сигнализирует о созревании рынка ИИ и его разделении на четкие специализации. Мы больше не ищем «одну модель, чтобы править всеми». Вместо этого мы видим бифуркацию: Google Gemini доминирует в высокоскоростном мультимодальном потребительском пространстве, в то время как Claude от Anthropic прочно утвердился в качестве предпочтительного движка для глубокой, когнитивной и профессиональной работы.

Для читателей Creati.ai — разработчиков, инженеров и корпоративных лидеров — выбор становится все более ясным. Если ваш рабочий процесс включает решение сложных проблем, крупномасштабное программирование или глубокий анализ данных, Claude Opus 4.6 становится новым незаменимым инструментом в вашем стеке. Возможно, он не напишет самое поэтичное стихотворение, но он, скорее всего, напишет код, на котором будет работать платформа, где это стихотворение будет опубликовано.