Anthropic刚刚发布的Claude Opus 4.6揭示了一个残酷事实：大模型竞赛已经从"谁更聪明"转向了"谁能替你干完活"。这款旗舰模型不仅支持100万token的上下文窗口（相当于一次性吞下一本《三体》），更关键的是在法律文档理解基准BigLaw Bench上拿下90.2%的准确率，并宣称具备"端到端自主任务执行"能力。说白了，它不再只是个会聊天的助手，而是试图成为一个能独立完成复杂知识工作的数字员工。
技术路线的转向比数字本身更值得玩味。1M上下文窗口确实亮眼（约75万汉字），但这只是基础设施。真正的杀招在于Anthropic将长文本处理与Agentic能力捆绑——意味着模型不仅能读长篇大论，还能基于这些信息自主规划、调用工具并交付成品。这对法律、金融、科研等长文档密集型行业是直接的降维打击。
但别急着欢呼。这里有几个未被验证的宣称值得警惕：首先，90.2%的BigLaw Bench成绩仅代表法律领域，不能外推到通用推理；其次，Anthropic声称"减少重写"，却未提供与前代模型的对比数据；更重要的是，1M长上下文在实际应用中可能存在"中间丢失"（lost in the middle）现象，且推理成本增幅成谜。所谓的"端到端自主性"目前只是厂商宣称，缺乏独立验证，幻觉和工具调用错误的风险依然存在。
产业层面的信号很明确：上游芯片和云服务商将因长上下文需求获益（更高的显存和计算密度），而OpenAI和Google被迫加入这场"长文本军备竞赛"。对下游企业而言，这标志着采购决策的转变——从买"一个更聪明的聊天机器人"转向买"能自动化工作流的引擎"。
未来的6到12个月，2M+上下文窗口将成为旗舰模型标配，Agentic能力将像今天的API接口一样标准化。但真正的考验在于：当模型真的替律师审完一份百万字的并购协议，或者替程序员重构整个代码库时，它的错误率是否足够低到不需要人工兜底？
Agent时代已经敲门，但钥匙还在Anthropic自己手里。企业级AI的下一个战场，不再是参数规模的比拼，而是看谁能先用长上下文+自主能力，把知识工作者的完整 workflow 真正接管过来。
本文由 AI 辅助生成，仅供参考。