OpenAI与Anthropic通过GPT-5.3 Codex和Claude Opus 4.6加速人工智能编程竞赛

OpenAI与Anthropic通过GPT-5.3 Codex和Claude Opus 4.6加速人工智能编程竞赛
OpenAI 和 Anthropic 推出了 GPT-5.3 Codex 和 Claude Opus 4.6。

2026 年 2 月 5 日,人工智能行业跨过了一个值得注意的门槛,OpenAI 和 Anthropic 在同一天发布了最新的旗舰编码模型。

本文翻译自原文。点击此处阅读由我们的通讯员撰写的原文.

OpenAI 推出了 GPT-5.3 Codex,而 Anthropic 则推出了 Claude Opus 4.6,这标志着许多开发人员认为人工智能驱动的软件创建进入了一个新阶段。这两个系统的目标都不是加快代码完成速度,而是成为能够管理复杂、多步骤工作流程的半自主代理。

OpenAI 将 Codex 定位为开发人员的辅助工具。该公司将其描述为一个专门的代理,旨在处理专业计算机工作的整个生命周期,从调试和部署应用程序到编写文档。Codex 甚至在公司内部被用来帮助调试自己的培训和部署流程,OpenAI 认为这是一个里程碑,因为人工智能系统越来越有能力为自身的发展做出贡献。

在性能和设计方面各有所长

Codex 的重点在于执行。OpenAI在软件工程基准测试中取得了优异成绩,包括 SWE-Bench Pro 的 56.8% 和 Terminal-Bench 2.0 的 77.3%,后者用于衡量命令行熟练程度。为了支持这些能力,该公司推出了一款专用的 macOS Codex 应用程序,允许用户管理多个并行工作的人工智能代理。

Anthropic 的 Claude Opus 4.6 体现了不同的理念。它专为复杂推理和协同工作而设计,其最大特点是拥有 100 万个标记的上下文窗口(目前处于测试阶段)。该功能允许模型处理整个代码库或大量文件,而不会丢失上下文。Anthropic 还在《克劳德代码》中引入了代理团队(Agent Teams),使多个人工智能代理能够在一个项目的不同组成部分(如前端、后端和数据库任务)上进行协调。

基准测试结果凸显不同优势

在以推理和信息合成为重点的基准测试中,Opus 4.6 在 GDPval-AA 和 BrowseComp 等测试中遥遥领先。虽然它的 Terminal-Bench 2.0 得分为 65.4%,落后于 Codex,但Anthropic报告说,有针对性的提示在 SWE-Bench Verified 上产生了 81.42% 的结果,突出了它的适应性。

企业在权衡这些工具时,选择的关键可能在于他们是优先考虑原始自动化还是深度分析协作。无论如何,基于代理的人工智能的快速发展表明,软件团队很快就会与越来越自主的数字同行一起工作。

OpenAI 表示计划在 2026 年下半年推出首款硬件设备,并将 "设备 "定位为公司的战略重点。公司高管在世界经济论坛上表示,该产品是与前苹果设计师乔尼-艾维(Jony Ive)合作开发的,旨在将人工智能更深入地嵌入到日常工具中。

此材料可能包含第三方意见,根据我们的免责声明,本网页上的数据和信息均不构成投资建议。尽管我们坚持严格的编辑完整性,但此帖子可能包含对我们合作伙伴产品的引用。