就在剛剛，硅谷 AI 圈上演了一出「火星撞地球」。

OpenAI 和 Anthropic 像約好了一樣，同時(shí)甩出了自家的重磅更新：Claude Opus 4.6 和 GPT-5.3-Codex。

如果說(shuō)昨晚之前，我們還在討論怎么寫(xiě)好 Prompt 輔助工作；那么今天過(guò)后，我們可能需要學(xué)會(huì)如何作為老板去管理 AI 員工。

AI 造 AI，順便接管你的電腦

就在昨天，Sam Altman 剛在 X 平臺(tái)上凡爾賽了一把 Codex 的「百萬(wàn)活躍用戶(hù)」里程碑。短短一天后，OpenAI 再次乘勝追擊，扔出王炸——

GPT-5.3-Codex。

技術(shù)文檔里藏著一句極具分量的話(huà)：「這是我們第一個(gè)在創(chuàng)造自己的過(guò)程中，發(fā)揮了關(guān)鍵作用的模型?！?/p>

說(shuō)人話(huà)就是：AI 已經(jīng)學(xué)會(huì)了自己寫(xiě)代碼、自己找 Bug，甚至開(kāi)始自己訓(xùn)練下一代的 AI 了。這種自我進(jìn)化能力，也直接體現(xiàn)在了一連串跑分?jǐn)?shù)據(jù)上。

還記得那個(gè)模擬人類(lèi)操作電腦的 OSWorld-Verified 基準(zhǔn)測(cè)試嗎？前代模型只有 38.2% 的準(zhǔn)確率，連及格線(xiàn)都?jí)虿簧稀５@次，GPT-5.3-Codex 直接跳漲到了 64.7%。

要知道，人類(lèi)的平均水平也就 72%。這意味著，AI 距離像你一樣熟練地甩鼠標(biāo)、切屏、操作軟件，只剩下一層窗戶(hù)紙的距離。

而在 Terminal-Bench 2.0（命令行操作基準(zhǔn)測(cè)試）中，它更是拿下了 77.3% 的高分，把 GPT-5.2（62.2%）遠(yuǎn)遠(yuǎn)甩在身后。

在覆蓋四種編程語(yǔ)言，不僅抗污染，還全是真實(shí)世界的硬核工程難題的 SWE-Bench Pro 基準(zhǔn)測(cè)試中， GPT-5.3-Codex 也表現(xiàn)出了 SOTA 水準(zhǔn)， 而且用的 Token 比以往任何模型都少。

OpenAI 甚至展示了它獨(dú)立構(gòu)建的能力：

在幾天內(nèi)，它從零構(gòu)建了一款包含多張地圖的賽車(chē)游戲 v2，順手還搞定了一款管理氧氣系統(tǒng)的深海潛水游戲。

最讓我印象深刻的是 GPT-5.3-Codex 對(duì)模糊意圖的理解。

在構(gòu)建落地頁(yè)時(shí)，它自動(dòng)把年度計(jì)劃換算成了打折后的月付價(jià)格，甚至還貼心地自動(dòng)補(bǔ)充了用戶(hù)評(píng)價(jià)輪播——這一切，都不需要你下指令。

OpenAI 的野心已經(jīng)寫(xiě)在臉上了：以前微軟常說(shuō) AI 將會(huì)成為人類(lèi)的副駕駛（Copilot），但現(xiàn)在 AI 更想做那個(gè)能掌控方向盤(pán)、甚至能自己修車(chē)的司機(jī)。

對(duì)了，還有一個(gè)有趣的細(xì)節(jié)。

此前外界盛傳 OpenAI 對(duì)英偉達(dá)的 AI 芯片頗有微詞，但這次官方博客特地強(qiáng)調(diào)：GPT-5.3-Codex 的設(shè)計(jì)、訓(xùn)練和部署都在 NVIDIA GB200 NVL72 系統(tǒng)上完成。

這一波高情商的「感謝英偉達(dá)」，屬實(shí)是給足了黃仁勛面子。

告別「金魚(yú)記憶」Claude 迎來(lái)絕地反擊

在 GPT-5.3-Codex 發(fā)布的前后腳，Anthropic 也端出了自己的春節(jié)大禮包。

壞消息是，大家期待的 Claude「中杯」Sonnet 模型沒(méi)有更新；但好消息是，Anthropic 直接端出了「超大杯」—— Claude Opus 4.6。

相比于 OpenAI 在行動(dòng)力上的激進(jìn)，Anthropic 今天發(fā)布的 Claude Opus 4.6 則是在思考力和可靠性上死磕。

很多企業(yè)用戶(hù)都有一個(gè)名為 Context Rot（上下文腐蝕）的痛點(diǎn)：號(hào)稱(chēng)支持 200k 上下文，但塞進(jìn)去的數(shù)據(jù)一多，AI 就開(kāi)始顧頭不顧尾。

這次，Claude Opus 4.6 拿出的數(shù)據(jù)簡(jiǎn)直是「降維打擊」。

在 MRCR v2（長(zhǎng)文本大海撈針）測(cè)試中，Claude Opus 4.6 的召回率高達(dá) 76%。

作為對(duì)比，上一代 Sonnet 4.5 只有慘不忍睹的 18.5%。從某種程度上說(shuō)，這是一個(gè)從基本不可用到高可靠的質(zhì)變。

這是因?yàn)?Claude Opus 4.6 首次引入了真正可用的 1M 上下文窗口。

這意味著什么？意味著你可以把幾百頁(yè)的財(cái)報(bào)、幾十萬(wàn)字的代碼庫(kù)直接扔給它，它不僅能讀完，還能精準(zhǔn)地告訴你第 342 頁(yè)腳注里的那個(gè)數(shù)字有問(wèn)題。

此外，它現(xiàn)在還支持最高 128k 的輸出 Token。什么概念？你可以讓它一次性寫(xiě)完長(zhǎng)篇研報(bào)或復(fù)雜的代碼庫(kù)，而不用因?yàn)樽謹(jǐn)?shù)限制被迫截?cái)唷?/p>

除了記性好，Opus 4.6 這次還在智商上實(shí)現(xiàn)了碾壓：

在 GDPval-AA（一項(xiàng)針對(duì)金融、法律等高經(jīng)濟(jì)價(jià)值任務(wù)的評(píng)估）中，Opus 4.6 的 Elo 得分比業(yè)界第二（OpenAI 的 GPT-5.2）高出了整整 144 分，比前代更是高出 190 分。

在復(fù)雜的多學(xué)科推理測(cè)試 Humanity's Last Exam 中，它領(lǐng)先所有前沿模型。

在測(cè)試尋找互聯(lián)網(wǎng)「難找信息」能力的 BrowseComp 中，它同樣表現(xiàn)最優(yōu)。

通過(guò)這些數(shù)據(jù)，Anthropic 似乎在傳遞一個(gè)信號(hào)：如果你要寫(xiě)代碼，去隔壁找 OpenAI；如果你要處理復(fù)雜的商業(yè)決策、法律文書(shū)或金融分析，Claude 才是唯一的選擇。

更讓打工人眼前一亮的是它的生產(chǎn)力功能。

一方面，Anthropic 這回直接把 Claude 塞進(jìn)了 Excel 和 PowerPoint。它能根據(jù) Excel 數(shù)據(jù)直接生成 PPT，不僅保留排版風(fēng)格，連字體和模板都能對(duì)齊。 在 Claude Cowork 協(xié)作環(huán)境中，它甚至能進(jìn)行自主多任務(wù)處理。

另一方面，Anthropic 順勢(shì)在 Claude Code 中推出了實(shí)驗(yàn)性的 Agent Teams 功能，讓普通開(kāi)發(fā)者也能體驗(yàn)這種「指揮千軍萬(wàn)馬」的感覺(jué)：

角色分工：你可以指定一個(gè) Claude Session 擔(dān)任 Team Lead（組長(zhǎng)），它不干臟活累活，專(zhuān)門(mén)負(fù)責(zé)拆解任務(wù)、分配工單、合并代碼；其他的 Session 則是隊(duì)友（Teammates），各自領(lǐng)任務(wù)去干。

獨(dú)立作戰(zhàn)：每個(gè)隊(duì)友都有獨(dú)立的上下文窗口（不用擔(dān)心 Token 爆炸），它們甚至能背著你互相發(fā)消息（Inter-agent messaging），討論技術(shù)細(xì)節(jié)，最后只把結(jié)果匯報(bào)給組長(zhǎng)。

并行賽馬：這東西有什么用？想象一下查一個(gè)頑固 Bug，你可以生成 5 個(gè) Agent，分別驗(yàn)證 5 種不同的假設(shè)，像「賽馬」一樣并行排雷；或者在 Code Review 時(shí)，讓一個(gè)隊(duì)友扮「安全專(zhuān)家」查漏洞，一個(gè)扮「架構(gòu)師」看性能，互不干擾。

為了展示 Opus 4.6 的極限，Anthropic 的研究員 Nicholas Carlini 搞了個(gè)瘋狂的實(shí)驗(yàn)：Agent Teams（智能體團(tuán)隊(duì)）。

他沒(méi)有親自寫(xiě)代碼，而是扔了 2 萬(wàn)美元 的 API 額度，讓 16 個(gè) Claude Opus 4.6 組成一個(gè)「全自動(dòng)軟件開(kāi)發(fā)團(tuán)隊(duì)」。

結(jié)果在短短兩周內(nèi)，這群 AI 自主進(jìn)行了 2000 多個(gè)編程會(huì)話(huà)，從零手寫(xiě)了一個(gè) 10 萬(wàn)行代碼的 C 語(yǔ)言編譯器（基于 Rust）。

這個(gè) AI 寫(xiě)的編譯器，還成功編譯了 Linux 6.9 內(nèi)核（涵蓋 x86、ARM 和 RISC-V 架構(gòu)），甚至跑通了 Doom 游戲。

雖然它還不夠完美（比如生成的代碼效率不如 GCC），但這個(gè)案例也表明我們不再是和 AI 一起編程，而是看著一個(gè) AI 團(tuán)隊(duì)自主協(xié)作、查錯(cuò)、推進(jìn)項(xiàng)目。

此外，它還學(xué)會(huì)了 Adaptive Thinking（自適應(yīng)推理），能根據(jù)難度自己決定「想多久」。加上新增的「智能強(qiáng)度」控制，你可以在 Low 到 Max 四檔之間切換。

定價(jià)方面，Anthropic 這次很良心，維持在每百萬(wàn) Token $5/$25 的基礎(chǔ)定價(jià)?？磥?lái)是為了搶占企業(yè)級(jí)市場(chǎng)，鐵了心要和 OpenAI 卷到底。

一個(gè)是激進(jìn)天才，一個(gè)是靠譜老牛

知名 AI 評(píng)測(cè)人 Dan Shipper 在第一時(shí)間搞了個(gè)「盲測(cè)」（Vibe Check），他的評(píng)價(jià)非常精準(zhǔn)：

Claude Opus 4.6 是「高上限，高方差」（High Ceiling, High Variance）。

它像是一個(gè)才華橫溢但偶爾跳脫的天才。在測(cè)試中，它直接解決了一個(gè)讓 iOS 團(tuán)隊(duì)卡了兩個(gè)月的功能難題；在 LFG Benchmark 中拿到了 9.25/10 的高分。

但它偶爾也會(huì)「過(guò)度自信」，一本正經(jīng)地胡說(shuō)八道。如果你需要突破性的靈感，選它。

GPT-5.3-Codex 則是「高可靠，低方差」（High Reliability, Low Variance）。

它像是一個(gè)經(jīng)驗(yàn)豐富、絕不掉鏈子的資深工程師。推理速度提升 25%，幾乎不犯低級(jí)錯(cuò)誤，穩(wěn)健得讓人心安。

雖然在創(chuàng)造性任務(wù)上略遜一籌（LFG 得分 7.5/10），但在日常的 Coding 和運(yùn)維任務(wù)中，它是最高效的老黃牛。

當(dāng)然，比起選擇哪款模型，更重要的是，當(dāng) ChatGPT 可以自主修 Bug 甚至操作你的終端，當(dāng) Claude 可以一次性吞吐海量文檔并精準(zhǔn)定位細(xì)節(jié)時(shí)，Prompt Engineering（提示詞工程）的重要性正在下降，而 Agent Management（智能體管理）的能力開(kāi)始浮出水面。

我們不再需要像教小學(xué)生一樣，把指令拆解得碎碎念。相反，我們需要做的，是學(xué)會(huì)如何以管理者的身份，去定義目標(biāo)、審核結(jié)果、以及決定在什么時(shí)候，把什么任務(wù)交給哪位 AI 員工。

這就是 2026 年的新職場(chǎng)。你的團(tuán)隊(duì)里混入了一群硅基天才，而你是唯一的碳基老板。

歡迎加入 APPSO AI 社群，一起暢聊 AI 產(chǎn)品，獲取，解鎖更多 AI 新知

我們正在招募伙伴

簡(jiǎn)歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱(chēng)」（請(qǐng)隨簡(jiǎn)歷附上項(xiàng)目/作品或相關(guān)鏈接）