OpenAI 和 Anthropic 同時王炸更新，能力翻倍，不僅代碼！

凌晨，Anthropic 丟出重磅更新，跟本公衆號昨天發佈的爆料不一樣，本以爲是發佈的Claude 5.0，但是這次版本號是4.6，還沒來得及歡呼，緊接着OpenAI 的Codex也發佈新版本 GPT-5.3-Codex。

如果說昨晚之前，我們在討論 Prompt Engineering（提示詞工程）還能活多久，那麼今天過後，這個職業已經正式進了ICU。

Sam Altman 昨天剛在 X 平臺上凡爾賽完 Codex 的“百萬活躍用戶”，今天就用 GPT-5.3-Codex 告訴世界：AI 進化的閉環已經完成。而大洋彼岸的 Anthropic 則用 Claude Opus 4.6 證明：比手速我可能輸，但比腦子，你們都是弟弟。

本號帶大家，都來過一遍

OpenAI 的陽謀：從“副駕駛”篡位到“老司機”

OpenAI 的技術文檔裏藏着一句極具分量的話：“這是我們第一個在創造自己的過程中，發揮了關鍵作用的模型。”

翻譯一下：GPT-5.3-Codex 參與了 GPT-5.3-Codex 的代碼編寫、數據清洗和架構優化。不是套娃，這是遞歸進化。

這種進化直接體現在了恐怖的“行動力”上。還記得那個模擬人類操作電腦的 OSWorld-Verified 基準測試嗎？前代模型 38.2% 的準確率連及格線都夠不上，像是剛學電腦的老大爺。但這次，GPT-5.3-Codex 直接跳漲到了 64.7%。

這意味着，AI 距離像你一樣熟練地甩鼠標、切屏、操作 ERP 系統，只剩下一層窗戶紙。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%）遠遠甩在身後。

更有趣的是，OpenAI 引入了一項名爲 “Ghost Cursor”（幽靈光標）的新技術。在演示視頻中，你只需要告訴它“幫我把上個月的財報數據填進 SAP 系統”，你就能看着鼠標自己在屏幕上飛舞，點擊、輸入、甚至處理彈窗報錯。

OpenAI 的野心已經寫在臉上了：微軟常說 AI 是 Copilot（副駕駛），但現在 AI 想做那個能掌控方向盤、甚至能自己修車的司機。

值得一提的是，OpenAI 這次罕見地“認慫”了硬件依賴。官方博客特地強調：整個模型的訓練和推理優化，完全基於 NVIDIA GB200 NVL72 集羣完成。這一波高情商的“感謝英偉達”，不僅給足了黃仁勳面子，也側面印證了 GPT-5.3 對顯存帶寬的吞噬能力——畢竟要實時理解 4K 分辨率的屏幕流，普通芯片根本扛不住。

Claude 的反擊：告別“金魚記憶”，構建“蜂羣思維”

相比於 OpenAI 在手速上的激進，Anthropic 發佈的 Claude Opus 4.6 則是在“腦力”和“耐力”上死磕。

很多企業用戶都有一個痛點叫 Context Rot（上下文腐蝕）：號稱 200k 上下文，但塞進去的數據一多，AI 就開始顧頭不顧尾。

這次，Claude Opus 4.6 拿出的數據簡直是降維打擊。

在 MRCR v2（長文本大海撈針）測試中，Claude Opus 4.6 的召回率高達 76%。作爲對比，上一代 Sonnet 4.5 只有慘不忍睹的 18.5%。這得益於他們新研發的 “Dynamic Attention Sinks”（動態注意力匯聚）技術，讓模型在處理長達 1M 的 Token 時，依然能像雷達一樣鎖定細節。

但真正讓開發者頭皮發麻的，是 Anthropic 推出的實驗性功能：Agent Teams（智能體戰隊）。

在新的 Claude Code 環境中，你不再是和一個 AI 對話，而是指揮一個團隊：

Team Lead（組長）：負責拆解任務、分配工單、Code Review。

Specialists（專家）：獨立的 Session，有的負責前端，有的負責數據庫，有的負責寫測試用例。

Parallel Execution（並行賽馬）：遇到頑固 Bug？你可以一鍵生成 5 個 Agent，分別驗證 5 種不同的假設，最後只彙報成功的那一個。

爲了展示極限，Anthropic 的研究員 Nicholas Carlini 搞了個瘋狂實驗：他沒有寫一行代碼，而是扔了 2 萬美元的 API 額度，讓 16 個 Claude Opus 4.6 組成一個“全自動軟件開發團隊”。

結果？短短兩週內，這羣 AI 自主進行了 2000 多個編程會話，從零手寫了一個 10 萬行代碼的 Rust 編譯器，甚至成功編譯了 Linux 6.9 內核。

天才瘋子 vs 靠譜老牛

知名 AI 評測人第一時間的“盲測”（Vibe Check）評價非常精準：

Claude Opus 4.6 是“高上限，高方差”（High Ceiling, High Variance）。它像是一個才華橫溢但偶爾跳脫的天才。在 GDPval-AA（高價值金融分析）測試中，它的 Elo 得分比業界第二高出整整 144 分。如果你需要突破性的靈感、複雜的法律文書分析，或者設計一套全新的系統架構，選它。

GPT-5.3-Codex 則是“高可靠，低方差”（High Reliability, Low Variance）。它像是一個經驗豐富、絕不掉鏈子的資深工程師。在 SWE-Bench Pro（真實工程難題）中，它展現了 SOTA 水準，而且極其抗干擾。如果你需要修 Bug、寫腳本、或者讓它在半夜三點幫你把服務器重啓並恢復數據，它是最讓人安心的選擇。