Indlæser kataloget…
Indlæser kataloget…
En af Anthropics Claude Opus 4-modeller — et kontekstvindue på en million tokens, valgfri adaptiv tænkning og indbygget dokumentforståelse til ræsonneringstunge og agentiske opgaver.
Oversigt. Claude Opus 4.6 er en proprietær model med lukkede vægte i Anthropics Claude Opus 4-modelfamilie, udgivet i februar 2026 — Anthropic har siden udgivet Claude Opus 4.7 og Opus 4.8 med højere score i samme familie. Den kombinerer et kontekstvindue på en million tokens med en maksimal uddata på 128.000 tokens og accepterer tekst, billeder og indbygget PDF/dokument som inddata sammen med tekst som uddata. Udviklere vælger den, når en opgave kræver Anthropics Opus-niveau med høj ræsonnering frem for den hurtigste eller mest økonomiske løsning.
Vigtigste styrker. Opus 4.6 opnåede en Elo på 1.497 på LMSys Chatbot Arena-ranglisten (rangeret som nummer fire ved Stavs seneste verificerede tjek), hvilket placerer den i Stavs kvalitetsniveau for frontmodeller. På Artificial Analysis' GPQA Diamond-benchmark scorer den 0,84, og på Humanity's Last Exam scorer den 0,19 — stærke absolutte resultater for en generel model. Den understøtter også valgfri adaptiv tænkning med valgbare ræsonneringsniveauer (max, high, medium, low), så du kan prioritere dybere ræsonnering frem for svartid efter behov.
Anvendelsesområder. Brug Opus 4.6 til ræsonneringstunge og agentiske arbejdsflow, hvor kvaliteten af uddata betyder mere end rå hastighed — komplekse opgaver med mange trin, analyse af lange dokumenter og forskningslignende spørgsmål og svar drager alle fordel af dens fulde kontekstvindue og adaptive tænkning. Dens indbyggede dokument- og billedforståelse gør den også velegnet til prompter, der blander PDF'er, screenshots og tekst. Med en median-TTFT på omkring 2,4 sekunder egner den sig fint til interaktiv brug, selvom den ikke er optimeret til drift med høj gennemstrømning og svartider under ét sekund.
Begrænsninger. Opus 4.6 har lukkede vægte og betjenes kun gennem Anthropics eget API og partneres cloud-platforme, så det er ikke muligt at køre selv eller finjustere de grundlæggende vægte. Hvor træningsdataene slutter er omkring august 2025, og den hverken accepterer eller producerer lyd.
Bemærkning om suverænitet. Opus 4.6 er en proprietær model med lukkede vægte, der er underlagt Anthropics politik for acceptabel brug, og den er kun tilgængelig via Anthropics egen infrastruktur eller partner-clouds. Databehandling og dataplacering afhænger derfor af Anthropics vilkår frem for en løsning, du selv kører.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 4,54 / 22,69€+2 betingede priser | Online |
43 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Værktøjskald, udvidet ræsonnering og et kontekstvindue på 1 million tokens er kernekravene til agentiske kodningsløkker; modellen beskrives eksplicit som optimeret til komplekse agentiske arbejdsopgaver.
Indbygget evne til værktøjskald med en BFCL v4-score på 77,47 giver udviklere tillid til præcisionen i funktionskald ved integration i produktionsapplikationer.
Modelfamiliens standard er acceptabel, da der ikke findes browserspecifikke benchmarks; Opus 4.6's dokumenterede BrowseComp-resultater samt værktøjskald og billedforståelse giver konkrete beviser for arbejdsflow med browserautomatisering, hvilket retfærdiggør en opgradering til stærk.
Billedforståelse, udvidet ræsonnering og et kontekstvindue på 1 million tokens muliggør analyse af store tabulære datasæt og blandede inddata; stærke GPQA-scorer afspejler dybden i det kvantitative ræsonnement.
Udvidet ræsonnering gør det muligt bevidst at gennemgå komplekse call-stacks og tilstande; det store kontekstvindue tillader inkludering af hele kodebaser og logfiler uden afkortning.
Indbygget billedforståelse kombineret med stærke benchmarks for analytisk ræsonnering gør denne model til et sikkert valg til at fortolke og forklare komplekse diagrammer og visualiseringer.
Funktionelt dygtig, men prisen per token på flagskibsniveauet er en væsentlig begrænsning for store mængder data; bør reserveres til sager med høj følsomhed eller kompleks kontekst.
Stærk ræsonnering og værktøjskald muliggør sofistikerede supportinteraktioner, men flagskibsmodellens pris per runde er typisk svær at retfærdiggøre til support i store mængder, medmindre kompleksiteten kræver det.
Billedforståelse understøtter OCR-opgaver i dokumenter, men dedikerede OCR-løsninger overgår typisk generelle AI-modeller med billedforståelse i ren tegnpræcision; velegnet når OCR kombineres med forståelsesopgaver.
Fuldt ud i stand til det, men overdimensioneret til de fleste opgaver med e-mailkladder; bedst retfærdiggjort, når e-mails kræver sammenfatning af store dokumentsæt eller kompleks kontekst.
Stærk ræsonnering understøtter nuanceret klassificering med mange mærkater, men prisen for en flagskibsmodel gør den overdimensioneret til ukompliceret klassificering i store mængder; optimal til kompleks taksonomi eller kritisk klassificering i små mængder.
Høj kvalitet i ræsonnering understøtter præcis færdiggørelse, men svartid og pris på flagskibsniveau er typisk udelukkende for løbende færdiggørelse i en IDE; bedre egnet til batch-opgaver eller komplekse færdiggørelsesopgaver.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, ifbench, aa-multilingual-index, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "anthropic/claude-opus-4-6",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på