Kompanija Anthropic predstavila je Claude Opus 4.6, najnoviju verziju svog najnaprednijeg AI modela, koji donosi vidljiva poboljšanja u programiranju, analizi podataka i svakodnevnom poslovnom radu. Riječ je o nadogradnji koja je posebno usmjerena na dugotrajnije i složenije zadatke, gdje prethodne generacije modela često nailaze na ograničenja.
Jači fokus na programiranje i kompleksne zadatke
Prema objavi kompanije Anthropic, Opus 4.6 pokazuje značajno unaprijeđene sposobnosti u pisanju, analizi i reviziji koda. Model planira zadatke pažljivije, duže zadržava fokus i pouzdanije radi u velikim bazama. Poseban naglasak stavljen je na uočavanje vlastitih propusta, što rezultira bržim otklanjanjem grešaka i boljim ishodima revizije koda.
Po prvi put u Opus klasi, Claude 4.6 dolazi s kontekstnim prozorom od čak 1 milion tokena, trenutno dostupan u beta verziji. To omogućava obradu izuzetno dugih dokumenata, projekata ili razgovora bez gubitka kontinuiteta.
Mjerljiva prednost na testovima
Anthropic navodi da Opus 4.6 postiže najbolje rezultate u klasi na više nezavisnih evaluacija. Na testu Terminal-Bench 2.0, koji mjeri sposobnosti autonomnog kodiranja, model zauzima prvo mjesto. Također vodi na testu Humanity’s Last Exam, koji provjerava kompleksno, interdisciplinarno zaključivanje.
Na evaluaciji GDPval-AA, koja mjeri učinak na ekonomski vrijednim poslovnim zadacima u finansijama i pravu, Opus 4.6 nadmašuje najbližeg konkurenta za oko 144 Elo poena, dok je u odnosu na prethodnu verziju Opus 4.5 razlika čak 190 poena. Zapaženi su i najbolji rezultati na testu BrowseComp, koji ocjenjuje sposobnost pronalaska teško dostupnih informacija na internetu.
Manje „gubitka konteksta“, više preciznosti
Jedan od čestih problema velikih jezičkih modela je tzv. degradacija performansi pri dugim razgovorima. Anthropic tvrdi da je taj problem znatno ublažen. Na testu MRCR v2, koji simulira pronalazak informacija “skrivenih” u ogromnoj količini teksta, Opus 4.6 postiže 76% uspješnosti, dok prethodni modeli ostaju višestruko ispod tog rezultata.
U praksi to znači da model bolje pamti ranije informacije, povezuje ih i koristi čak i nakon stotina hiljada tokena.
Sigurnost bez kompromisa
Iz Anthropica naglašavaju da veće sposobnosti nisu došle na štetu sigurnosti. Opus 4.6 pokazuje nizak nivo nepoželjnih ponašanja, poput obmanjivanja, pretjeranog slaganja s korisnikom ili saradnje u zloupotrebama. Istovremeno, model ima manju stopu tzv. „prekomjernog odbijanja“, kada AI nepotrebno odbija bezazlene upite.
Za ovaj model provedena je, kako navode, najopsežnija sigurnosna evaluacija do sada, uključujući nove testove za dobrobit korisnika i otkrivanje potencijalno štetnih radnji. Posebna pažnja posvećena je cyber sigurnosti, s novim mehanizmima za prepoznavanje i sprječavanje zloupotreba.
Nove mogućnosti za developere i poslovne korisnike
Claude Opus 4.6 donosi i niz konkretnih novosti na API i proizvodnom nivou. Programeri sada imaju veću kontrolu nad „naporom“ modela, s četiri nivoa rada – od brzog i jeftinijeg do maksimalno preciznog. Uvedeno je i adaptivno razmišljanje, gdje model sam procjenjuje kada je potrebno dublje zaključivanje.
Tu je i funkcija sažimanja konteksta, koja automatski sažima starije dijelove razgovora kako bi se omogućio dugotrajniji rad bez prekida. Maksimalna dužina odgovora povećana je na 128.000 tokena, što olakšava izradu opsežnih izvještaja ili tehničke dokumentacije.
Za poslovne korisnike, Claude sada bolje radi s Excelom, a po prvi put je dostupan i u PowerPointu, za sada u istraživačkoj verziji. Cilj je olakšati prelazak od sirovih podataka do gotovih prezentacija, uz poštivanje vizuelnih i brend smjernica.
Dostupnost i cijena
Claude Opus 4.6 je već dostupan putem claude.ai, API-ja i glavnih cloud platformi. Cijena ostaje nepromijenjena – 5 dolara za ulazne i 25 dolara za izlazne tokene po milionu, uz posebne tarife za ekstremno velike upite.
Zaključak
Claude Opus 4.6 predstavlja zreo iskorak u razvoju velikih AI modela, s jasnim fokusom na praktičnu primjenu u programiranju i znanju zasnovanim poslovima. Umjesto spektakularnih obećanja, Anthropic nudi mjerljiva poboljšanja, veću kontrolu za korisnike i naglašen fokus na sigurnost – kombinaciju koja će posebno zanimati profesionalce i veće organizacije.
