Anthropic在2026年2月5日发布Claude Opus 4.6,介绍其在编码、搜索、工具使用和知识工作方面的更新,并为Opus级模型提供测试中的一百万token上下文窗口。更长的上下文可以容纳更多资料,但“读得下”与“用得对”仍是两件事。
长上下文会放大版本冲突
企业往往同时保存制度现行版、历史版、修订说明和部门副本。把它们一次性放入长上下文,模型可能找到更多信息,也更容易遇到同一事实的不同说法。资料进入任务前,应标注标题、版本、生效日期、失效日期、负责人和适用范围,历史文件明确写为仅供追溯。
当两份材料冲突时,正确表现不是选取看起来更新的一份,而是指出冲突并要求确认。测试可以故意混入一份过期规则,检查答案是否引用现行版本并说明淘汰依据。
持续任务需要阶段记忆
长时间运行的智能体会跨越检索、分析、工具调用和结果整理。每个阶段都应保存已确认输入、中间结论、待办事项和失败原因;任务中断后,只从最近的确认点恢复。若只保留最终回答,后续人员无法判断错误在何处发生。
上下文越大,引用越重要。关键结论应关联到具体文件和段落,摘要注明覆盖范围与遗漏项。模型没有找到某项资料时,也要明确报告缺口,不能用一般常识补成企业事实。
评测要看检索精度与取舍
可建立一组包含现行、过期、重复和互相矛盾文件的测试集,要求完成多项事实核对。分别统计正确引用、漏引、误用旧版、冲突提示和人工修订。再增加超长输入,观察重要条件是否在任务后段被遗忘。
工具使用也需单独检查:模型做出正确判断,却调用了错误文件或错误环境,仍属于任务失败。测试报告把知识判断与执行结果分开,才能决定问题该由内容治理还是系统配置解决。
不必把所有资料都塞进去
更大的窗口并不意味着每次都应加载全部档案。围绕任务选择最小充分资料,可以降低隐私暴露、冲突和成本。客户信息、合同与内部政策按权限分区;公开内容任务只读取已经批准公开的版本。
常用文档建立主题索引和版本关系,先检索候选,再按需要载入全文。这样即使模型能力变化,企业仍保留清楚、可迁移的知识结构。
对发布信息的准确理解
一百万token窗口在公告中被描述为测试能力,具体开放范围可能随产品版本调整。本文只依据Anthropic发布页讨论长上下文带来的资料治理要求,不把官方评测推演为所有企业任务的固定表现,也不承诺任何外部平台效果。

