Laster katalogen …
Laster katalogen …
En av Anthropics Claude Opus 4-modeller – et kontekstvindu på én million token, valgfri adaptiv tenkning og innebygd dokumentforståelse for oppgaver med mye resonnering og agentisk arbeid.
Oversikt. Claude Opus 4.6 er en proprietær modell med lukkede vekter i Anthropics Claude Opus 4-modellfamilie, lansert i februar 2026 – Anthropic har siden lansert de høyere rangerte Claude Opus 4.7 og Opus 4.8 i samme familie. Den kombinerer et kontekstvindu på én million token med maksimalt 128 000 token i utdata, og aksepterer tekst, bilder og innebygd PDF/dokumentinndata i tillegg til tekstutdata. Utviklere velger den når en oppgave krever Anthropics Opus-nivå med høy resonnering, fremfor det raskeste eller mest kostnadseffektive alternativet.
Viktigste styrker. Opus 4.6 oppnådde en Elo på 1497 på LMSys Chatbot Arena-ledertavlen (rangert som nummer fire ved Stavs siste verifiserte sjekk), noe som plasserer den i Stavs frontmodellkvalitetsnivå. På Artificial Analysis' GPQA Diamond-benchmark skårer den 0,84, og på Humanity's Last Exam skårer den 0,19 – sterke absolutte resultater for en generell modell. Den støtter også valgfri adaptiv tenkning med valgbare resonneringsnivåer (max, high, medium, low), slik at den som kaller den, kan bytte svartid mot dypere resonnering etter behov.
Når du bør bruke den. Bruk Opus 4.6 til arbeidsflyter med mye resonnering og agentiske arbeidsflyter der kvaliteten på utdata betyr mer enn ren hastighet – komplekse oppgaver med mange steg, analyse av lange dokumenter og forskningspregede spørsmål drar alle nytte av det fulle kontekstvinduet og adaptiv tenkning. Den innebygde forståelsen av dokumenter og bilder gjør den også godt egnet for instrukser som kombinerer PDF-er, skjermbilder og tekst. Med en median tid til første token på rundt 2,4 sekunder passer den godt til interaktiv bruk, selv om den ikke er tilpasset betjening med svært høy gjennomstrømning under ett sekund.
Begrensninger. Opus 4.6 har lukkede vekter og betjenes kun gjennom Anthropics eget API og partnerplattformer i skyen, så selvhosting eller finjustering av basisvektene er ikke mulig. Treningsdataene strekker seg til omtrent august 2025, og modellen aksepterer ikke lyd og produserer ikke lyd.
Suverenitetsnotat. Opus 4.6 er en proprietær modell med lukkede vekter som reguleres av Anthropics retningslinjer for akseptabel bruk, og er kun tilgjengelig via Anthropics egen hostede infrastruktur eller partnerplattformer i skyen. Datahåndtering og datalokasjon avhenger derfor av Anthropics vilkår, ikke av en selvhostet drift.
| Inferensleverandør | Suverenitet | Kjører i | Inn / ut per 1M | Status | Lås |
|---|---|---|---|---|---|
| L0 | 4,49 / 22,44€+1 pris | Tilkoblet |
43 bruksområder klassifisert av kuratoren. Notatet forklarer hvorfor.
Verktøykall, utvidet tenkning og 1M-token kontekstvindu er kjernekravene for agentiske kodingsløkker; modellen er eksplisitt beskrevet som optimalisert for komplekse agentiske arbeidsbelastninger.
Innebygd verktøykall-egenskap med en BFCL v4-skår på 77,47 gir utviklere trygghet for funksjonskall-fidelitet i produksjonsintegrasjoner.
Visjon, utvidet tenkning og et 1M-token kontekstvindu muliggjør analyse av store tabellbaserte datasett og inndata med blandet modalitet; sterke GPQA-skårer gjenspeiler dybden i kvantitativ resonnering.
Modus for utvidet tenkning muliggjør grundig gjennomgang av komplekse kallstakker og tilstand; stort kontekstvindu gjør det mulig å inkludere hele kodebaser og logger uten avkorting.
Innebygd visjonsegenskap kombinert med sterke analytiske resonneringsbenchmarker gjør dette til et trygt valg for å tolke og forklare komplekse diagrammer og visualiseringer.
Visjonsegenskap kombinert med sterke resonneringsbenchmarker muliggjør nøyaktig tolkning av skjermbilder fra brukergrensesnitt, feildialoger og komplekse visuelle oppsett.
Visjonsegenskap støtter dokumentbaserte OCR-oppgaver, men dedikerte OCR-motorer overgår typisk generelle visjonsspråkmodeller på ren tegngjenkjenningsnøyaktighet; egnet når OCR kombineres med forståelsesoppgaver.
Fullt funksjonell, men overkvalifisert for de fleste e-postutkast; best egnet når e-poster krever at man sammenstiller store dokumentmengder eller kompleks kontekst.
Sterk resonnering støtter nyansert klassifisering med flere etiketter, men kostnaden ved flaggskipnivå gjør modellen overkvalifisert for enkel klassifisering i store volumer; best egnet for komplekse taksonomier eller kritisk klassifisering i lavt volum.
Høy resonneringskvalitet gir nøyaktige kodekompletteringer, men svartid og kostnad på flaggskipnivå er typisk for høy for innebygd IDE-komplettering; bedre egnet til batch- eller komplekse kompletteringsoppgaver.
Sterk resonnering og verktøykall muliggjør avanserte kundestøtteinteraksjoner, men kostnaden per runde på flaggskipnivå er typisk vanskelig å forsvare for kundestøtte i høyt volum med mindre kompleksiteten krever det.
Kontekstvinduet på 1M token håndterer svært lange transkripsjoner uten oppdeling, men flaggskipkostnaden er vanskelig å forsvare for rutinepregede møtesammendrag – med mindre oppgaven krever dyp analytisk syntese.
Innhentede tall, ikke våre egne evalueringer. Persentilene er mot hele Stav-katalogen.
Beregnet 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",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level – nivået forespørselen ble betjent på