地表最強(qiáng)編程王者PK！Opus 4.6雙榜單封神， Codex 5.3速度滿分

新智元報(bào)道

編輯：定慧 傾傾

【新智元導(dǎo)讀】硅谷的夜再次被點(diǎn)亮，OpenAI和Anthropic同日發(fā)布最新模型。正當(dāng)開(kāi)發(fā)者們沉浸在Codex 5.3的極致速度時(shí)，Arena和Epoch兩大權(quán)威榜單卻給出了意想不到的終局判決。

硅谷這波熱鬧，屬實(shí)有點(diǎn)上頭。

前腳Claude Opus 4.6剛剛夜襲發(fā)布，后腳OpenAI就祭出了GPT-5.3-Codex。

兩大「編程王者」正面硬剛，到底誰(shuí)的能力更強(qiáng)？社區(qū)現(xiàn)在還吵翻天～

今天，兩大最硬核的權(quán)威機(jī)構(gòu)Arena.ai和EpochAI，同時(shí)為Opus 4.6加冕！

Arena.ai：Opus 4.6全維度的屠榜

Arena.ai（前身是大家熟知的LMArena），這個(gè)被稱為「大模型角斗場(chǎng)」的地方，迎來(lái)了新的霸主。

Claude Opus 4.6，在代碼（Code）、文本（Text）、專家（Expert）三大競(jìng)技場(chǎng)，全部登頂?shù)谝唬?/strong>

• 代碼競(jìng)技場(chǎng)：比前代Opus 4.5暴漲106分。

• 文本競(jìng)技場(chǎng)：得分1496，硬生生壓了Gemini 3 Pro一頭。

• 專家競(jìng)技場(chǎng)：領(lǐng)先第二名約50分，斷層式領(lǐng)先。

這意味著什么？

意味著在數(shù)以萬(wàn)計(jì)的真實(shí)人類盲測(cè)中，Opus 4.6是那個(gè)讓你最想點(diǎn)「贊」的模型。

它不是偏科生，它是真正的六邊形戰(zhàn)士。

在代碼實(shí)測(cè)中，這次的Opus 4.6比4.5提升了106分，遠(yuǎn)超之前Opus 4.5對(duì)Sonnet 3.7的領(lǐng)先幅度。

Claude Opus 4.6自Claude 3 Opus以來(lái)首次在文本競(jìng)技場(chǎng)排名第一。

同時(shí)在關(guān)鍵文本類別中位列榜首：

• 指令遵循

• 困難提示

• 長(zhǎng)查詢

Claude Opus 4.6在專家領(lǐng)域排名第一，領(lǐng)先優(yōu)勢(shì)達(dá)+49分。

專家排行榜采用了一個(gè)框架構(gòu)建，該框架能識(shí)別出真實(shí)用戶提出的最困難、最專業(yè)的提示。

有網(wǎng)友表示，能夠在這三個(gè)領(lǐng)域同時(shí)拿下第一，是真正的SOTA，非常厲害。

有網(wǎng)友同時(shí)表示，這Opus 4.6拿下三冠王很厲害，但是真正對(duì)模型的考驗(yàn)是前沿?cái)?shù)學(xué)能力。

這不，EpochAI的評(píng)測(cè)新鮮出爐！

EpochAI：啃下「數(shù)學(xué)硬骨頭」

如果說(shuō)Arena是大眾評(píng)審，那EpochAI的Frontier Math就是「奧數(shù)競(jìng)賽」。

這里考的不是簡(jiǎn)單的加減乘除，而是人類尚未解決的數(shù)學(xué)難題。

Opus 4.6交出的答卷是：Tier1-3級(jí)別得分40%，Tier4（極難）級(jí)別得分21%。

這個(gè)成績(jī)直接在統(tǒng)計(jì)學(xué)上追平了GPT-5.2(xhigh)。

這是Anthropic的模型第一次在這個(gè)只要有一點(diǎn)「智商欠費(fèi)」就交白卷的榜單上，站到了最前沿。

在難度更高的第4級(jí)測(cè)試中，Opus 4.6獲得 21%的得分，解決了48道題目中的10道。

該成績(jī)同樣與GPT-5.2（xhigh）的19%得分在統(tǒng)計(jì)上持平，僅次于 GPT-5.2（Pro）31%的得分。

物理、數(shù)學(xué)，這些曾經(jīng)是AI禁區(qū)的地方，現(xiàn)在成了Opus 4.6的后花園。

Opus 4.6模型表現(xiàn)非常搶眼的領(lǐng)域，多項(xiàng)得分位居前列：

• OTIS Mock AIME 2024-2025：得分高達(dá)94.4%，展現(xiàn)了極強(qiáng)的競(jìng)賽級(jí)數(shù)學(xué)解題能力。

• GPQA Diamond：得分90.5%，這是一個(gè)針對(duì)專家級(jí)科學(xué)問(wèn)題的困難測(cè)試。

• FrontierMath：這是一個(gè)極其困難的數(shù)學(xué)前沿測(cè)試，Opus 4.6 得分為40.0%。在更難的Tier 4級(jí)別中，它獲得了20.8%的分?jǐn)?shù)，排名第2。

在綜合與推理評(píng)測(cè)中：

• ARC AGI v1：得分94.0%，排名第1。這是評(píng)估模型通用人工智能（AGI）潛力的核心指標(biāo)之一，專注于抽象推理和模式識(shí)別。

• SimpleQA Verified：得分46.5%。該測(cè)試主要評(píng)估模型回答事實(shí)性問(wèn)題的準(zhǔn)確度（減少幻覺(jué)）。

• Chess Puzzles（國(guó)際象棋謎題）：得分17.0%，排名第14，相對(duì)而言這似乎是其較弱的一項(xiàng)。

Claude Opus 4.6在邏輯推理（ARC AGI）和高難度數(shù)學(xué)（FrontierMath、AIME）方面處于世界領(lǐng)先水平。

雖然它在某些特定領(lǐng)域（如國(guó)際象棋或簡(jiǎn)單問(wèn)答）不是第一，但其綜合能力（ECI 指數(shù) 153）使其成為當(dāng)前最頂尖的模型之一。

巔峰對(duì)決：速度與審美的較量

權(quán)威榜單雖然為Opus 4.6封神，但開(kāi)發(fā)者們的實(shí)戰(zhàn)也同樣精彩，而且似乎更偏愛(ài)GPT-5.3-Codex。

GPT-5.3-Codex就像一個(gè)喝了十杯濃縮咖啡的頂級(jí)黑客。

頂級(jí)開(kāi)發(fā)者Banteg用它挑戰(zhàn)不可能，僅用14天就復(fù)刻了2003年的邪典游戲《Crimsonland》。

極客Karel把它當(dāng)成鋼鐵俠的賈維斯用。一個(gè)月燒掉10000美元API費(fèi)，讓它每天生成700個(gè)科研假設(shè)，自動(dòng)掃描Slack記錄，自動(dòng)提交代碼。

來(lái)詳細(xì)看看頂級(jí)程序員如何使用GPT-5.3-Codex。

代碼考古：14天復(fù)活《Crimsonland》，屎山消失術(shù)

在程序員的職場(chǎng)噩夢(mèng)里，排第一的永遠(yuǎn)是去接手前任留下的、沒(méi)有文檔、作者失聯(lián)、注釋像天書一樣的賽博廢墟。

但2026年，頂級(jí)開(kāi)發(fā)者Banteg告訴我們：在強(qiáng)力AI面前，沒(méi)有不可維護(hù)的屎山，只有舍不得燒的算力。

Banteg盯上了2003年的邪典射擊游戲《Crimsonland》（血腥大地）。

這款游戲是很多80、90后的童年回憶，但它的底層代碼堪稱廢墟。

如果按照傳統(tǒng)流程，至少需要一個(gè)資深團(tuán)隊(duì)閉關(guān)1個(gè)月，光是理清那些遠(yuǎn)古的內(nèi)存邏輯就能讓人少活五年。

結(jié)果，Banteg僅用了14天，就單槍匹馬完成了全平臺(tái)重構(gòu)。

需要格外注意的是，該游戲資源用的.jaz格式，是一種消失了20年的私有協(xié)議，全網(wǎng)零文檔。

換做人類，至少得猜半年。但Codex-5.3僅憑分析二進(jìn)制流特征，硬猜出了頭文件結(jié)構(gòu)和加密偏移量！

Jaz拿著一張JPG，并用自定義的運(yùn)行長(zhǎng)度編碼的alpha通道進(jìn)行包裹，然后再用zlib將整個(gè)東西重新壓縮過(guò)程圖

然后，生成一套現(xiàn)代化的C++/Rust渲染接口，讓2003年的像素資源在2026年的4K屏幕上重現(xiàn)。

這個(gè)許多人的童年回憶，終于在23年后重見(jiàn)天日。Banteg在X上公開(kāi)了全部代碼「

GitHub代碼傳送門：https://github.com/banteg/crimson

以前公司裁員不敢動(dòng)老員工，是怕沒(méi)人能接那一堆亂碼。

現(xiàn)在，大模型直接把這些代碼塞進(jìn)上下文，兩周就能給你出一個(gè)全新的、注釋清晰的重構(gòu)版。

月費(fèi)1萬(wàn)美金的Codex實(shí)戰(zhàn)經(jīng)驗(yàn)

在頂級(jí)極客Karel手里，Codex被玩成了投資游戲。

OpenAI的研究科學(xué)家Aidan說(shuō)公司Karel一個(gè)人的Codex的使用量是其他人的十倍之多。

所以他的觀點(diǎn)非常重要。

Karel的單月賬單是10,000美元！

換來(lái)的是一套足以讓傳統(tǒng)科研機(jī)構(gòu)倒閉的「非人知識(shí)循環(huán)」。

真正的突破在于讓Codex持續(xù)記錄并優(yōu)化自身的工作流程。

Codex會(huì)將工作筆記和輔助工具提交到monorepo的個(gè)人文件夾中。

這些筆記并非供人閱讀，而是為了在后續(xù)會(huì)話中通過(guò)檢索這些「經(jīng)驗(yàn)」，提升Codex的處理速度和準(zhǔn)確性。

Karel將Codex作為一名極其勤奮的「搜索智能體」和「盡職調(diào)查員」：

• 跨渠道聚合：Codex能自動(dòng)爬取Slack頻道、閱讀討論、獲取實(shí)驗(yàn)分支并精選代碼更改。

• 自主決策：它可以基于總結(jié)的筆記，在搭建實(shí)驗(yàn)框架時(shí)自主做出復(fù)雜的超參數(shù)決策。

• 假設(shè)生成：在幾小時(shí)內(nèi)通過(guò)分析Slack、截圖、文檔和表格，生成了超過(guò)700個(gè)關(guān)于模型行為的可測(cè)試假設(shè)。

其中，最關(guān)鍵的是「自動(dòng)Helper提交」。

AI在執(zhí)行任務(wù)時(shí)，會(huì)向Git提交「HelperCommits」。里面記錄了給下一次迭代中的AI準(zhǔn)備的中間態(tài)上下文。

這樣一來(lái)，模型下一次處理類似任務(wù)時(shí)，會(huì)先掃描這些高密度的「HelperCommits」，直接省掉80%的試錯(cuò)路徑。

這種「暴力美學(xué)」的回報(bào)同樣驚人。

Karel曾嘗試讓Agent掃描公司內(nèi)部積年累月的Slack記錄和雜亂文檔。

幾小時(shí)內(nèi)，AI竟然挖掘出了700條具有科研價(jià)值的假設(shè)，并自動(dòng)關(guān)聯(lián)了相關(guān)的歷史代碼段。

10000美元買的API，賺麻了！

更加厲害的用法是使用GPT-5.3-codex同時(shí)管理多個(gè)子智能體，分別負(fù)責(zé)Slack調(diào)研、代碼研究、代碼編寫和數(shù)據(jù)科學(xué)。

Karel只與一個(gè)「指揮官」智能體對(duì)話，由其協(xié)調(diào)整個(gè)智能體集群，從而讓他本人從繁瑣的并行工作中解脫。

ClaudeOpus 4.6：深思熟慮的「藝術(shù)家」

如果說(shuō)Codex是快，那Opus 4.6就是穩(wěn)，而且美。

美學(xué)封神：在HTML5游戲開(kāi)發(fā)實(shí)測(cè)中，Opus 4.6展現(xiàn)了驚人的「審美智商」。它寫出的代碼不僅0 Bug，而且界面布局、配色方案直接達(dá)到了專業(yè)UI設(shè)計(jì)師的水準(zhǔn)。

邏輯熵控制：它也許會(huì)思考得更久（Token消耗多60%），但那是它在進(jìn)行「思維鏈自我修正」。它在現(xiàn)在的Stirrup框架下，擁有了更強(qiáng)的「邏輯自檢」能力。它不是在瞎蒙，它是在推演。

Stirrup框架：給AI裝上「小腦」

Opus 4.6之所以能碾壓其他模型，得益于它對(duì)Stirrup框架的深度適配。

在這個(gè)架構(gòu)下，AI擁有了實(shí)打?qū)嵉腟hell權(quán)限以及高度隔離的E2B沙箱。

它不僅能調(diào)用編譯器，還能通過(guò)5大核心工具聯(lián)動(dòng)，在亞毫秒級(jí)的時(shí)間內(nèi)判斷當(dāng)前任務(wù)是否需要引入額外的邏輯自檢。

以「視頻排期表自動(dòng)化」為例，它不僅能算出邏輯最優(yōu)解，還能根據(jù)品牌調(diào)性自動(dòng)調(diào)整輸出格式的視覺(jué)審美。

同一組數(shù)據(jù)，不同模型生成的結(jié)果

這種降維打擊，讓曾經(jīng)的Prompt Engineering像個(gè)小學(xué)生。

邏輯熵控制：多花60%的錢，但結(jié)果更好

很多老板在看到賬單時(shí)會(huì)肉疼：Opus 4.6處理同類任務(wù)的Token消耗比競(jìng)品高出約60%。

但技術(shù)玩家不在乎這些，他們只看「邏輯熵」。

Opus 4.6在輸出前，會(huì)在后臺(tái)進(jìn)行瘋狂的思維鏈自我修正。主動(dòng)推翻不合理的路徑，通過(guò)大量的內(nèi)部Token消耗，換取邏輯的絕對(duì)精確。

不再做選擇題

這場(chǎng)巔峰對(duì)決，與其說(shuō)是分出了勝負(fù)，不如說(shuō)是為開(kāi)發(fā)者鋪平了通往「一人公司」的最后一塊拼圖。

左手是極致速度的Codex 5.3，右手是極致審美的Opus 4.6。

以前我們糾結(jié)選誰(shuí)，現(xiàn)在全都要：用Codex快速搭建框架，用Opus精修邏輯與交互。

當(dāng)大模型的能力已經(jīng)溢出屏幕，編程這件「苦差事」，終于變成了單純的創(chuàng)造力釋放。

限制你想象力的，再也不是技術(shù)門檻，而只剩下你的腦洞了。

參考資料：

https://x.com/VictorTaelin/status/2019541668517617859

https://x.com/aidan_mclau/status/2019478632532472017

https://x.com/KarelDoostrlnck/status/2019477361557926281

https://x.com/ArtificialAnlys/status/2019474911761473605

https://x.com/banteg/status/2017950426327359947