Anthropic 发布 Claude Opus 4.6 早期测试报告

Anthropic 在 2026 年 2 月初公开了 Claude Opus 4.6 的早期客户测试纪实，邀请 Harvey、bolt.new、Shopify 与 Lovable 四家公司讲述他们在公开发布前几天拿到预生产版本后做了什么。这种内测窗口非常紧，团队往往清空日程、开战情室、整夜在 Slack 里讨论，用各自最难的真实任务测试模型，反馈直接影响 Anthropic 最终发布的版本。

四家公司的做法各有侧重。bolt.new 专门开了 Slack 频道，刻意要求成员前期不互相分享印象以避免相互暗示；Harvey 召集资深律师在自家 BigLaw Bench 上跑真实法律任务，模型拿到 90.2% 的分数，40% 任务获得满分，是首个突破 90% 的 Anthropic 模型；Shopify 工程师 Paulo Arruda 描述了一个细节：他只让 Opus 4.6 把某项功能从一页挪到另一个菜单项，模型不仅完成迁移，还自动补全了一堆他没说但确实想要的细节；同团队的 Ben Lafferty 测试把一个庞大的 TypeScript 库迁移到 Ruby，模型先写一层适配层跑通既有测试用例，再一口气完成几乎全部规范文件的移植。Lovable 则双线推进，一边跑量化基准一边让工程师做“vibe check”，把整套构建工作流交给模型自主操作。

最终四家团队反复提到同一个观察：与模型的关系正在变化。Lafferty 称 Opus 4.6 是第一个让他真正觉得是协作者的 Anthropic 模型，可托付的任务时间跨度在持续延长。Lovable 联合创始人 Fabian Hedin 强调模型自主性提升，让“人专注于创造而不是监督 AI”成为可能。报道也承认并非所有反馈都正面，但合作的价值恰恰在于双方对问题保持坦诚。