Claude Opus 4.6登場　考えるコストの自動最適化と、AIが組織で動く「エージェントチーム」

主要ベンチマークにおけるClaude Opus 4.6と他モデルの比較（公式発表ページをスクリーンキャプチャして引用）各行は異なる評価指標（ベンチマーク）を示しており、左端の「Opus 4.6」は多くの項目で競合モデルを上回っている。例えば、ターミナル操作を含むAIエージェント型のコーディング作業を評価する「Terminal-Bench 2.0」（最上段）では、Opus 4.6は65.4％を記録した。前世代のOpus 4.5（59.8％）やSonnet 4.5（51.0％）を上回っている。加えて、実際のソフトウェア開発タスクに近い修正問題を扱う「SWE-bench Verified」（2段目）では、Opus 4.6は80.8％となっており、Opus 4.5（80.9％）とほぼ同水準である。数値上はわずかに下回っているものの、実務的なコード修正能力については引き続き高い水準を維持している。