博客

很多 LLM 应用“能用”和“好用”之间，差的不是模型，而是工程指标：你到底在保证什么？是总耗时？首字时间（TTFT）？还是在高峰期的可用性？

这是一个很小的改动，小到官方只用了一句话描述：

如果你用 Claude Code 配合 Google Vertex AI，可能遇到过这个错误：

Opus 4.6 把最大输出 token 从 64K 提到了 128K。翻了一倍。

2025 年底，一个电商平台的 AI 客服被用户诱导说出了"我们的产品质量确实有问题，建议你去消协投诉"。截图传到社交媒体上，公关团队花了一周善后。

Claude Code 在 Opus 4.6 发布的同一天推出了 Agent Teams 功能。简单说：你可以在 Claude Code 里同时起多个 Agent，让它们并行工作。

上个月底对账，运营跑来问我：这个月大模型 API 花了 12000 美元，比上个月多了 40%，是哪个功能多花了钱？

做过 Agent 的人都碰过这个问题：跑着跑着，上下文满了。

Anthropic 说 Opus 4.6 是"近似直接替换"。大部分情况下确实是——换个 model ID 就能跑。但有几个改动，如果你不知道，上线就会炸。

2026 年 8 月 26 日，OpenAI 会关掉 Assistants API。

Opus 4.6 的能力很强，价格也不低——$5/$25 每百万输入/输出 token。如果你的应用调用量大，账单会很可观。

Hacker News 上有个帖子标题很直白：

Opus 4.6 第一次给 Opus 级别的模型开了 1M token 的上下文窗口。以前只有 Sonnet 有这个能力，现在旗舰模型也能塞进去一整个中型项目的代码了。

Opus 4.6 引入了一个不起眼但很实用的参数：effort。四个档位——low、medium、high、max——控制模型在回答时"用多大力气"。

大模型 API 账单里，输入 Token 的花费往往被忽视。很多人盯着输出价格选模型，却没意识到：当你的 System Prompt 有 2000 Token、RAG 上下文有 3000 Token 时，每次请求光"说前话"就要花一大笔钱。