Anthropic ने Claude Opus 4.6 लॉन्च किया: 1M Context Window और बेहतरीन क्षमताएं
Anthropic ने 5 फ़रवरी 2026 को Claude Opus 4.6 की रिलीज़ डेट की घोषणा की और नेटिव Office इंटीग्रेशन के साथ अपना सबसे इंटेलिजेंट AI मॉडल लॉन्च किया। इस अपडेट में जटिल codebase और रिसर्च फाइलों को प्रोसेस करने के लिए बीटा चरण में 1M टोकन context window पेश किया गया है। API और वेब प्लेटफ़ॉर्म पर उपलब्ध, यह मॉडल बेस यूसेज प्राइसिंग में बिना किसी बदलाव के मल्टी-स्टेप एंटरप्राइज वर्कफ़्लो को आसान बनाता है।
1M टोकन context window से एंटरप्राइज डेटा के लिए क्या बदलता है
Anthropic ने अपने फ्लैगशिप मॉडल के लिए बीटा चरण में 1 मिलियन टोकन context window पेश किया है, जो पहली बार है जब किसी Opus-क्लास सिस्टम ने इतनी क्षमता का समर्थन किया है। API पर, यह सिस्टम अपने परिचालन संदर्भ को संक्षेप में प्रस्तुत करने के लिए context compaction का उपयोग करता है, जिससे लंबे समय तक चलने वाले agentic कार्य सीमा पार किए बिना लगातार चलते रहते हैं। इससे सॉफ्टवेयर डेवलपमेंट और संस्थागत रिसर्च टीमें पूरे codebase, वित्तीय इतिहास या कई स्रोतों वाली कानूनी फाइलों को एक ही एक्टिव सेशन में लोड कर सकती हैं। Thomson Reuters ने रिपोर्ट दी कि यह लॉन्ग-कॉन्टेक्स्ट परफॉरमेंस एंटरप्राइज सिस्टम्स को जटिल रिसर्च वर्कफ़्लो में उच्च निरंतरता के साथ बड़े पैमाने पर जानकारी को प्रोसेस करने में सक्षम बनाता है।
प्रतिस्पर्धी फ्रंटियर मॉडल्स के मुकाबले परफॉरमेंस बेंचमार्क
कानूनी और वित्तीय कार्यों में आर्थिक रूप से मूल्यवान नॉलेज वर्क को मापने वाले GDPval-AA मूल्यांकन में, यह नया इंजन OpenAI के GPT-5.2 को लगभग 144 Elo पॉइंट से पीछे छोड़ देता है। उसी इवैल्यूएशन सूट पर Claude Opus 4.6 vs 4.5 के मूल्यांकन में, अपडेटेड मॉडल अपने पिछले वर्ज़न से 190 Elo पॉइंट आगे है। मॉडल ने जटिल agentic कोडिंग के लिए Terminal-Bench 2.0 पर इंडस्ट्री में टॉप स्कोर हासिल किया है, ऑनलाइन सर्च के लिए BrowseComp पर सभी प्रतिस्पर्धी मॉडल्स से आगे है, BigLaw Bench पर 90.2% स्कोर किया है, और Box एंटरप्राइज बेंचमार्क में 10% परफॉरमेंस गेन दर्ज किया है, जो 58% की आधार रेखा से बढ़कर 68% हो गया है।
नेटिव Office इंटीग्रेशन और वर्कफ़्लो ऑटोमेशन टूल
Anthropic ने Claude in Excel को महत्वपूर्ण रूप से अपग्रेड किया और Claude in PowerPoint का एक रिसर्च प्रिव्यू जारी किया, जिससे नेटिव वर्कप्लेस प्रोडक्टिविटी क्षमताओं का विस्तार हुआ। Cowork के भीतर काम करते हुए, AI यूजर के निरंतर मार्गदर्शन के बिना स्प्रेडशीट, प्रेजेंटेशन और दस्तावेज़ों के बीच स्वायत्त रूप से मल्टीटास्क करता है। Figma Make में, यह मॉडल पहली ही कोशिश में जटिल मल्टी-लेयर डिज़ाइन को कार्यात्मक एप्लिकेशन कोड में बदल देता है। सॉफ्टवेयर इंजीनियर समानांतर में मल्टी-लेयर कार्यों को निष्पादित करने के लिए Claude Code में समर्पित एजेंट टीमें बना सकते हैं, जबकि डेवलपर्स उच्च और मध्यम रीज़निंग स्तरों के बीच स्विच करने के लिए /effort कंट्रोल पैरामीटर का उपयोग करके ऑपरेशनल लेटेंसी और API खर्च को मैनेज कर सकते हैं।
एंटरप्राइज इंजीनियरिंग टीमों के लिए क्या बदलता है
कमर्शियल सॉफ्टवेयर संगठनों के लिए, यह रिलीज़ व्यापक कोड रिपॉजिटरी में स्वायत्त subagents को लॉन्ग-होराइज़न प्रोग्रामिंग, कोड रिव्यू और सिस्टम डिबगिंग कार्यों को निष्पादित करने में सक्षम बनाकर मैनुअल निगरानी को कम करती है। पार्टनर मूल्यांकन Asana, Notion, Windsurf और Cursor सहित विभिन्न प्लेटफ़ॉर्म पर महत्वपूर्ण परिचालन दक्षता लाभ दिखाते हैं। Cognition ने Devin Review में उच्च बग-कैचिंग दर की सूचना दी, जबकि Bolt.new ने पुष्टि की कि मॉडल ने एक ही प्रयास में एक पूरी तरह से कार्यात्मक फिजिक्स इंजन बनाया। Rakuten ने बताया कि सिस्टम ने एक ही दिन में छह रिपॉजिटरी में स्वायत्त रूप से 13 GitHub इश्यू हल किए और 12 अन्य को उपयुक्त कर्मचारियों के पास भेजा। NBIM द्वारा 40 जांचों में किए गए साइबर सुरक्षा परीक्षण में, मॉडल ने प्रति रन नौ subagents और 100 से अधिक टूल कॉल का उपयोग करके 38 मामलों में टॉप-रैंक वाले परिणाम दिए।
मॉडल उपलब्धता और डेवलपर प्राइसिंग विवरण
आधिकारिक रिलीज़ 5 फ़रवरी 2026 को हुई, जिसमें claude.ai, Claude API और प्रमुख क्लाउड इन्फ्रास्ट्रक्चर प्लेटफ़ॉर्म पर तुरंत एक्सेस प्रदान की गई। Anthropic ने $5 प्रति मिलियन इनपुट टोकन और $25 प्रति मिलियन आउटपुट टोकन पर प्राइसिंग बनाए रखी, जो पिछली दरों के समान है। डेवलपर्स मॉडल स्ट्रिंग आइडेंटिफायर claude-opus-4-6 का उपयोग करके सीधे API के माध्यम से इंजन को कॉल कर सकते हैं। Anthropic के सिस्टम कार्ड के अनुसार, मॉडल प्रतिस्पर्धी फ्रंटियर मॉडल्स की तुलना में समान या बेहतर सुरक्षा प्रोफ़ाइल बनाए रखता है, जो सुरक्षा मूल्यांकनों में कम स्तर का गलत व्यवहार प्रदर्शित करता है।
सवाल और जवाब
Claude Opus 4.6 में क्या नया है?
यह अपडेट बीटा में 1 मिलियन टोकन context window, लंबे सेशन के लिए context compaction क्षमताएं, Claude Code में एजेंट टीम ऑर्केस्ट्रेशन, और Excel व PowerPoint के लिए नेटिव टूल पेश करता है। इसमें आउटपुट क्वालिटी, एग्जीक्यूशन स्पीड और टोकन कॉस्ट को संतुलित करने के लिए कॉन्फ़िगर करने योग्य effort सेटिंग्स के साथ एडेप्टिव थिंकिंग जोड़ी गई है।
यह मॉडल GPT-5.2 से तुलना में कैसा है?
आर्थिक रूप से मूल्यवान नॉलेज वर्क के लिए GDPval-AA बेंचमार्क पर, यह मॉडल GPT-5.2 को लगभग 144 Elo पॉइंट से पछाड़ देता है। यह मल्टी-स्टेप agentic कोडिंग के लिए Terminal-Bench 2.0 पर OpenAI के फ्रंटियर मॉडल को भी पीछे छोड़ता है और Humanity's Last Exam पर सभी प्रतिस्पर्धी मॉडल्स से आगे है।
MOZGII की राय
हम इसे कैसे बनाते
बड़े context window के इर्द-गिर्द एक enterprise research engine बनाने के लिए, हम structured source files और सख्त token management से शुरुआत करते। हम raw documents के स्टोरेज के लिए एक बाहरी database बनाए रखते हुए पूरे codebase और document repositories को लंबे context session में डालते। हम सरल प्रश्नों के लिए reasoning को कम करने और जटिल multi-source शोध के लिए इसे बढ़ाने के लिए effort parameter का उपयोग करते हुए API के माध्यम से task requests पास करते। Token limits तक पहुँचने से पहले लंबी agentic प्रक्रियाओं को संक्षेप में समेटने के लिए हम context compaction का उपयोग करते.
हम मुख्य operational checkpoints पर मानव समीक्षकों को तैनात करते। हालांकि autonomous subagents कार्य सौंप सकते हैं या pull requests की समीक्षा कर सकते हैं, लेकिन मानव इंजीनियर code merges और वित्तीय निर्णयों को मंजूरी देते। यह सिस्टम तब विफल होता है जब compacted context जरूरी edge cases को छोड़ देता है या जब subagents किसी समाधान पर पहुंचे बिना समानांतर लूप में चलते हैं। हम प्रति execution token उपयोग को सीमित करने के लिए API gateway पर लागत और latency नियंत्रण सेट करते। ध्यान देने योग्य एक मीट्रिक बिना मानवीय हस्तक्षेप के कार्य पूरा होने की दर होता।
इसके बाद, हम एक dynamic routing supervisor बनाते। यह मॉड्यूल मॉडल को भेजने से पहले आने वाली support tickets, pull requests और शोध विवरणों का विश्लेषण करता। यह कार्य की जटिलता के आधार पर single-pass generation और multi-subagent orchestration के बीच स्वचालित रूप से चुनाव करता। यह बहु-स्तरीय workflows के लिए reasoning क्षमता को बनाए रखते हुए operational latency को कम रखता।
स्रोत
इस खबर के तथ्य इन स्रोतों से लिए गए हैं।