OpenAI 和 Anthropic 同时王炸更新，能力翻倍，不仅代码！

凌晨，Anthropic 丢出重磅更新，跟本公众号昨天发布的爆料不一样，本以为是发布的Claude 5.0，但是这次版本号是4.6，还没来得及欢呼，紧接着OpenAI 的Codex也发布新版本 GPT-5.3-Codex。

如果说昨晚之前，我们在讨论 Prompt Engineering（提示词工程）还能活多久，那么今天过后，这个职业已经正式进了ICU。

Sam Altman 昨天刚在 X 平台上凡尔赛完 Codex 的“百万活跃用户”，今天就用 GPT-5.3-Codex 告诉世界：AI 进化的闭环已经完成。而大洋彼岸的 Anthropic 则用 Claude Opus 4.6 证明：比手速我可能输，但比脑子，你们都是弟弟。

本号带大家，都来过一遍

OpenAI 的阳谋：从“副驾驶”篡位到“老司机”

OpenAI 的技术文档里藏着一句极具分量的话：“这是我们第一个在创造自己的过程中，发挥了关键作用的模型。”

翻译一下：GPT-5.3-Codex 参与了 GPT-5.3-Codex 的代码编写、数据清洗和架构优化。不是套娃，这是递归进化。

这种进化直接体现在了恐怖的“行动力”上。还记得那个模拟人类操作电脑的 OSWorld-Verified 基准测试吗？前代模型 38.2% 的准确率连及格线都够不上，像是刚学电脑的老大爷。但这次，GPT-5.3-Codex 直接跳涨到了 64.7%。

这意味着，AI 距离像你一样熟练地甩鼠标、切屏、操作 ERP 系统，只剩下一层窗户纸。在 Terminal-Bench 2.0（命令行操作）中，它更是拿下了 77.3% 的高分，把 GPT-5.2（62.2%）远远甩在身后。

更有趣的是，OpenAI 引入了一项名为 “Ghost Cursor”（幽灵光标）的新技术。在演示视频中，你只需要告诉它“帮我把上个月的财报数据填进 SAP 系统”，你就能看着鼠标自己在屏幕上飞舞，点击、输入、甚至处理弹窗报错。

OpenAI 的野心已经写在脸上了：微软常说 AI 是 Copilot（副驾驶），但现在 AI 想做那个能掌控方向盘、甚至能自己修车的司机。

值得一提的是，OpenAI 这次罕见地“认怂”了硬件依赖。官方博客特地强调：整个模型的训练和推理优化，完全基于 NVIDIA GB200 NVL72 集群完成。这一波高情商的“感谢英伟达”，不仅给足了黄仁勋面子，也侧面印证了 GPT-5.3 对显存带宽的吞噬能力——毕竟要实时理解 4K 分辨率的屏幕流，普通芯片根本扛不住。

Claude 的反击：告别“金鱼记忆”，构建“蜂群思维”

相比于 OpenAI 在手速上的激进，Anthropic 发布的 Claude Opus 4.6 则是在“脑力”和“耐力”上死磕。

很多企业用户都有一个痛点叫 Context Rot（上下文腐蚀）：号称 200k 上下文，但塞进去的数据一多，AI 就开始顾头不顾尾。

这次，Claude Opus 4.6 拿出的数据简直是降维打击。

在 MRCR v2（长文本大海捞针）测试中，Claude Opus 4.6 的召回率高达 76%。作为对比，上一代 Sonnet 4.5 只有惨不忍睹的 18.5%。这得益于他们新研发的 “Dynamic Attention Sinks”（动态注意力汇聚）技术，让模型在处理长达 1M 的 Token 时，依然能像雷达一样锁定细节。

但真正让开发者头皮发麻的，是 Anthropic 推出的实验性功能：Agent Teams（智能体战队）。

在新的 Claude Code 环境中，你不再是和一个 AI 对话，而是指挥一个团队：

Team Lead（组长）：负责拆解任务、分配工单、Code Review。

Specialists（专家）：独立的 Session，有的负责前端，有的负责数据库，有的负责写测试用例。

Parallel Execution（并行赛马）：遇到顽固 Bug？你可以一键生成 5 个 Agent，分别验证 5 种不同的假设，最后只汇报成功的那一个。

为了展示极限，Anthropic 的研究员 Nicholas Carlini 搞了个疯狂实验：他没有写一行代码，而是扔了 2 万美元的 API 额度，让 16 个 Claude Opus 4.6 组成一个“全自动软件开发团队”。

结果？短短两周内，这群 AI 自主进行了 2000 多个编程会话，从零手写了一个 10 万行代码的 Rust 编译器，甚至成功编译了 Linux 6.9 内核。

天才疯子 vs 靠谱老牛

知名 AI 评测人第一时间的“盲测”（Vibe Check）评价非常精准：

Claude Opus 4.6 是“高上限，高方差”（High Ceiling, High Variance）。它像是一个才华横溢但偶尔跳脱的天才。在 GDPval-AA（高价值金融分析）测试中，它的 Elo 得分比业界第二高出整整 144 分。如果你需要突破性的灵感、复杂的法律文书分析，或者设计一套全新的系统架构，选它。

GPT-5.3-Codex 则是“高可靠，低方差”（High Reliability, Low Variance）。它像是一个经验丰富、绝不掉链子的资深工程师。在 SWE-Bench Pro（真实工程难题）中，它展现了 SOTA 水准，而且极其抗干扰。如果你需要修 Bug、写脚本、或者让它在半夜三点帮你把服务器重启并恢复数据，它是最让人安心的选择。