Claude Opus 4.6 : Caractéristiques, benchmarks, tests pratiques et plus encore

Des rumeurs concernant la prochaine sortie d'Anthropic circulent depuis quelques jours. Alors que beaucoup s'attendaient à Claude Sonnet 5, la première version de l'année prend la forme de Claude Opus 4.6. 

Avec une fenêtre contextuelle d'un million de tokens, une réflexion adaptative, une compression des conversations et une série de benchmarks en tête des classements, Claude Opus 4.6 constitue une amélioration par rapport à Opus 4.5. Comme le mentionne Anthropic, ils ont amélioré leur modèle le plus performant. Parallèlement au modèle, Anthropic a également lancé des équipes d'agents dans Claude Code et Claude dans PowerPoint.

Dans cet article, nous aborderons toutes les nouveautés de Claude Opus 4.6, en examinant les nouvelles fonctionnalités, en explorant les benchmarks et en le testant à travers plusieurs exemples pratiques. 

Pour en savoir plus sur certaines des dernières fonctionnalités de Claude, je vous recommande de consulter nos guides sur Claude Cowork et Claude Code, ainsi que notre tutoriel OpenClaw. 

Qu'est-ce que Claude Opus 4.6 ? 

Claude Opus 4.6 est le dernier modèle linguistique de grande envergure développé par Anthropic. Suite à Opus 4.5, il représente une mise à niveau significative du modèle le plus « intelligent » de la société. 

Dans son blog, Anthropic affirme mettre davantage l'accent sur le codage agentique, le raisonnement approfondi et l'autocorrection. Cela implique un changement d'orientation, passant de l'action à l' e actionsoutenue. 

Opus 4.6 est conçu pour planifier avec plus de précision, offre une meilleure cohérence sur de longues périodes et identifie les erreurs dans son propre fonctionnement. Tout cela signifie que Claude Opus 4.6 arrive en tête de plusieurs classements, notamment en obtenant le meilleur score à l'évaluation de codage Terminal-Bench 2.0 et en surpassant tous les autres modèles de pointe sur Humanity's Last Exam. 

L'un des aspects qui me frappe le plus est l'amélioration de la fenêtre de contexte. fenêtre contextuelle dans Claude Opus 4.6. Avec un million de jetons dans la version bêta, ce nouveau modèle s'aligne sur Gemini 3, ce qui signifie qu'il peut traiter davantage d'informations sans perdre de vue le contexte. 

Quelles sont les nouveautés de Claude Opus 4.6 ? 

Claude Opus 4.6 comporte plusieurs nouvelles fonctionnalités notables, dont beaucoup sont axées sur les flux de travail des agents. Examinons quelques points essentiels : 

Équipes d'agents

Les équipes d'agents constituent une amélioration par rapport aux « sous-agents » que nous avons observés dans les versions précédentes de Claude. Les équipes d'agents vous permettent de créer plusieurs instances Claude entièrement indépendantes qui peuvent fonctionner en parallèle. Une session est l'agent « principal » qui coordonne les tâches, tandis que les « coéquipiers » se chargent de l'exécution proprement dite. 

Ce que je trouve particulièrement intéressant, c'est que chaque membre de l'équipe dispose de sa propre fenêtre contextuelle, ce qui permet une exécution plus minutieuse. Chaque membre de l'équipe peut également communiquer directement avec les autres membres de l'équipe. 

Bien entendu, cette fonctionnalité présente un inconvénient potentiel : son coût. Étant donné que chaque agent dispose de sa propre fenêtre contextuelle, il est possible que vous épuisiez rapidement vos jetons. Par conséquent, Anthropic recommande de les utiliser dans des scénarios présentant des niveaux de complexité plus élevés. 

Compactage des conversations

Une fonctionnalité intéressante de Claude Opus 4.6 est la compression contextuelle. Cette amélioration de la qualité de vie permet d'éviter les problèmes lorsque vous exécutez de longs flux de travail qui saturent les fenêtres contextuelles. En général, vous rencontrez un obstacle contextuel qui entraîne une baisse des performances. 

Grâce à la compression des conversations, Claude Opus 4.6 peut détecter automatiquement lorsqu'une conversation atteint un seuil de tokens et résumer la conversation existante en un bloc concis (un bloc de compression). 

Cette fonctionnalité devrait vous aider à conserver l'essentiel de vos interactions tout en libérant de l'espace pour poursuivre votre travail. Si vous envisagez d'utiliser des agents orientés tâches qui doivent fonctionner pendant une longue période, cela pourrait leur permettre de rester opérationnels grâce à une mémoire considérablement améliorée.  

Pensée et effort adaptatifs  

Deux fonctionnalités de Claude Opus 4.6 déterminent s'il doit recourir à une réflexion approfondie et dans quelle mesure il doit s'efforcer de mener cette réflexion. 

La pensée adaptative permet au modèle de déterminer le degré de complexité de votre requête. En fonction de la simplicité ou de la complexité, il sera déterminé s'il convient d'utiliser une réflexion approfondie. Plutôt que de définir manuellement le nombre de tokes à utiliser à cette fin, Claude ajustera son budget en fonction de la complexité de chaque demande. 

Le paramètre « effort » vous permet de définir dans quelle mesure Claude est enthousiaste ou prudent dans l'utilisation des jetons. En substance, cela signifie que vous pouvez trouver un équilibre entre l'efficacité des jetons et la précision des réponses. 

Lorsque vous utilisez Claude Opus 4.6 dans l'API, vous pouvez définir ces paramètres manuellement. Par exemple : 

• , effort maximal: Claude adopte toujours une réflexion approfondie, et il n'y a aucune limite à la profondeur. 
• s de haute performance: Avec ce paramètre par défaut, Claude réfléchit systématiquement et fournit un raisonnement approfondi. 
• s moyennes: Cela active une réflexion modérée et peut éviter de réfléchir aux questions les plus simples. 
• t à faible effort: Claude évite de réfléchir pour les tâches simples et minimise la réflexion au profit de la rapidité. 

Claude dans PowerPoint 

Nous avons récemment traité le sujet de Claude dans Excel, en démontrant comment ce module complémentaire peut vous assister dans diverses tâches dans un panneau latéral de votre feuille de calcul Excel. En plus d'améliorer les fonctionnalités de cet outil, Anthropic a annoncé Claude dans PowerPoint. 

Cette intégration respecte vos masques de diapositives, vos polices et vos mises en page. Vous pouvez lui fournir un modèle d'entreprise et lui demander de créer une section spécifique, ou sélectionner une diapositive et lui demander de convertir un texte dense en un diagramme natif et modifiable. 

L'accent mis sur la création d'objets PowerPoint modifiables plutôt que de simples « images de diapositives » en fait un véritable outil de productivité plutôt qu'un simple générateur de concepts. 

Claude dans PowerPoint est actuellement en phase de prévisualisation de recherche pour les utilisateurs Max et Enterprise.

Test de Claude Opus 4.6 : Exemples pratiques 

La plupart des affirmations principales d'Opus 4.6 se concentrent sur des tâches de codage plus complexes et un raisonnement plus approfondi. Ces compétences reposent toutes sur une base commune : la capacité à garder à l'esprit plusieurs contraintes, à raisonner en plusieurs étapes et à détecter les erreurs. 

Dans cette optique, nous avons soumis Opus 4.6 à une série de défis en plusieurs étapes portant sur la logique, les mathématiques et le codage. Nous souhaitions déterminer si nous pouvions mettre en évidence certaines faiblesses connues et courantes des LLM, telles que les erreurs de calcul en cascade, le raisonnement spatial (qui constitue toujours un défi) et les questions impliquant des contraintes. Nous avons également inclus une tâche de débogage spécifique, car l'annonce d'Anthropic vantait les mérites d'Opus 4.6 en matière d'analyse des causes profondes et d'autres problèmes de débogage.

Test 1 : Logique hexadécimale-décimale

Notre premier test combine les nombres premiers, les nombres hexadécimaux et le comptage :

Step 1: Find the 6th prime number. Let this be P. 
Step 2: Convert the square of P into hexadecimal. 
Step 3: Count the letters (A–F) and digits (0–9) in that hex string. Let these be A and B. 
Step 4: Multiply A × B. Let this be N. 
Step 5: Find the Nth prime number.

Cela peut sembler un peu complexe, mais ce test est relativement simple à vérifier pour nous, êtres humains. La réponse correcte est 2, car le 6e nombre premier est 13 ; 13 au carré donne 169, ce qui correspond à « A9 » en hexadécimal. Il s'agit d'une lettre × un chiffre, ce qui donne 1 lorsque nous les multiplions, et le premier nombre premier est 2.

Le problème est qu'un modèle pourrait rencontrer des difficultés avec la conversion hexadécimale, ce qui conduirait à une réponse finale complètement erronée. Comme vous pouvez le constater, Opus 4.6 n'a rencontré aucune difficulté :

Test 2 : Rotation d'une matrice

Notre deuxième test évalue le raisonnement spatial et la gestion des nombres négatifs :

Step 1: Create a 2×2 matrix M with top row [4, 2] and bottom row [1, 5]. 
Step 2: Rotate M 90 degrees clockwise. 
Step 3: Calculate the determinant of the rotated matrix. 
Step 4: Cube that determinant. 
Step 5: Subtract the 13th Fibonacci number from the result.

Celui-ci a nécessité un peu plus de travail de vérification de notre part. La réponse correcte est -6 065. Nous savons cela car la matrice pivotée est [[1, 4], [5, 2]] ; nous pouvons alors utiliser Python pour trouver le déterminant, qui est -18, et lorsque nous élevons ce nombre au cube, nous obtenons -5 832 ; enfin, nous soustrayons 233 et obtenons -6 065.

Nous avons apprécié l'idée de ce test car nous savons par expérience que les modèles échangent souvent incorrectement les éléments de matrice ou perdent le signe négatif en cours de route. Une fois encore, Opus 4.6 n'a rencontré aucune difficulté :

Test 3 : Quiz sur la disposition des sièges

Pour notre troisième test, nous avons examiné un problème de satisfaction de contraintes nécessitant un retour en arrière :

Five people (Alex, Josef, Matt, Thalia, Tom) sit in chairs 1–5.
Thalia is in an even-numbered chair.Alex is immediately to Thalia’s right.Tom is at one end.Josef is not next to Tom.Who is in chair 3?

La réponse correcte à ce test est Josef. (Alex-1, Matt-2, Josef-3, Thalia-4, Tom-5.) Vous pouvez résoudre ce problème sur une feuille de papier avec un peu d'effort.

La raison principale pour laquelle un modèle peut se tromper dans ce type de question est que les modèles ont toujours été résolus de manière séquentielle, et non holistique. Ils lisent « Thalia est assise sur une chaise paire » et en choisissent une (par exemple, la chaise 2) sans vérifier si ce choix est compatible avec toutes les autres contraintes. Ensuite, ils s'engagent dans cette voie, ajoutent des chaises supplémentaires et finissent par rencontrer un conflit, mais à ce moment-là, ils se sont mis dans une impasse et ne reviennent pas en arrière pour essayer Thalia dans la chaise 4 à la place. 

Opus 4.6 a également bien géré ce cas :

Test 4 : Un puzzle horloge

Notre quatrième test évalue la visualisation spatiale et l'intuition physique :

Step 1: Imagine a clock currently showing 3:15 PM.
Step 2: Rotate the clock 90 degrees counter-clockwise (physically turning the whole clock face). After the rotation, what time does the minute hand appear to be pointing at?
Step 3: Take that new "apparent" minute value and add it to the original time (3:15 PM).
Step 4: Subtract 45 minutes from that result.
Step 5: What is the final time?

Pour vérifier cela, j'ai retiré la montre de mon poignet et l'ai fait tourner. 

La réponse correcte est 14 h 30. À 3 h 15, l'aiguille des minutes indique le chiffre « 3 ». Lorsque j'ai dirigé le 12 vers la fenêtre à ma gauche, le « 3 » s'est déplacé à l'emplacement du « 12 ». J'ai ensuite ajouté 0 à 15 h 15, soustrait 45 minutes, et j'ai obtenu 14 h 30. 

Lors de la conception du test, nous avons anticipé que les modèles pourraient confondre la rotation du cadran de l'horloge avec le déplacement de l'aiguille. Nous avons également entendu dire que les modèles ont tendance à considérer l'ajout de 0 comme suspect et, par conséquent, tentent d'imposer un autre chiffre.

Cependant, Opus 4.6 a réussi à résoudre ce problème ; il a également obtenu la bonne réponse :

Test 5 : Un casse-tête en théorie des nombres

Notre cinquième test combine l'arithmétique modulaire et le filtrage des nombres premiers :

Find a two-digit number S that satisfies all of the following:
* When S is squared, the last two digits of the result are 21.
* S must be a prime number.
* The sum of the digits of S must also be a prime number.
What is the largest possible value of S?

Voici pourquoi le nombre correct est 89 : Les nombres dont le carré se termine par 21 comprennent 11, 39, 61 et 89. Parmi ceux-ci, 39 n'est pas un nombre premier, il nous reste donc 11, 61 et 89. Les trois ont des sommes de chiffres qui sont des nombres premiers (respectivement 2, 7 et 17), donc le plus grand est 89.

Opus 4.6 a une nouvelle fois fourni la bonne réponse, accompagnée cette fois-ci d'un visuel utile :

Test 6 : Inverser les chiffres

Le test suivant combine les mathématiques factornelles, la manipulation de chaînes de caractères et les nombres premiers :

Step 1: Calculate 5! (5 factorial). Let this result be X.
Step 2: Take X, subtract 1, and reverse the digits of the result. Let this new number be Y.
Step 3: Identify all prime numbers (p) such that 10 ≤ p ≤ Y.
Step 4: Calculate the sum of these primes and divide it by the total count of primes found in that range.
Step 5: Provide the final average, rounded to the nearest whole number.

Voici comment nous avons vérifié que 425 était la bonne réponse : 5 ! = 120 ; soustrayez 1 pour obtenir 119 ; inversez les chiffres pour obtenir 911. Ensuite, à l'aide d'un code R (présenté ci-dessous), nous avons pu constater qu'il existe 152 nombres premiers entre 10 et 911, et que leur somme est de 64 598. Enfin, en utilisant à nouveau R, nous procédons à la division et à l'arrondi : 64 598 ÷ 152 ≈ 425.

Voici le script R que nous avons utilisé :

# Step 1: Calculate 5!
X <- factorial(5)
cat("Step 1: X =", X, "\n")

# Step 2: Subtract 1 and reverse digits
result <- X - 1
Y <- as.numeric(paste0(rev(strsplit(as.character(result), "")[[1]]), collapse = ""))
cat("Step 2:", X, "- 1 =", result, "-> reversed ->", Y, "\n")

# Step 3: Find all primes between 10 and Y
is_prime <- function(n) {
  if (n < 2) return(FALSE)
  if (n == 2) return(TRUE)
  if (n %% 2 == 0) return(FALSE)
  for (i in 3:floor(sqrt(n))) {
    if (n %% i == 0) return(FALSE)
  }
  return(TRUE)
}

primes <- Filter(is_prime, 10:Y)
cat("Step 3: Found", length(primes), "primes between 10 and", Y, "\n")

# Step 4: Sum and average
total <- sum(primes)
count <- length(primes)
avg <- total / count
cat("Step 4: Sum =", total, ", Count =", count, ", Average =", avg, "\n")

# Step 5: Round
cat("Step 5: Rounded =", round(avg), "\n")

Test 7 : Débogage de code

Notre prochain test porte sur l'une des principales fonctionnalités d'Opus 4.6 : le diagnostic des bogues dans le code. Nous sommes conscients que les modèles suivent souvent correctement le code ligne par ligne, mais ne parviennent pas à relier le tracé au défaut sous-jacent. 

A developer wrote this Python function to compute a running average: 

def running_average(data, window=3): 
    result = [] 
    for i in range(len(data)): 
        start = max(0, i - window + 1) 
        chunk = data[start:i + 1] 
        result.append(round(sum(chunk) / window, 2)) 
    return result 
When called with running_average([10, 20, 30, 40, 50]), the first two values in the output seem wrong. Why? Please help me fix what is wrong!

Voici la réponse et pourquoi cela fonctionne comme test : la fonction effectue toujours une division par window (3), même lorsque le bloc contient moins de 3 éléments au début de la liste. La sortie du buggy est [3.33, 10.0, 20.0, 30.0, 40.0], mais les deux premières valeurs devraient être 10.0 et 15.0, car ces blocs ne contiennent respectivement que 1 et 2 éléments. La solution consiste à remplacer / window par / len(chunk).

Nous apprécions ce test car les modèles suivent souvent parfaitement la boucle, mais indiquent ensuite que « le résultat semble correct » — ils voient les calculs s'effectuer étape par étape et ne signalent pas que diviser un seul élément par 3 est incorrect. Cela implique que le modèle doit prendre en comptel'intention de l' (ce que devrait faire une moyenne mobile) parallèlement à l'exécution (ce que fait réellement le code) et identifier l'écart entre les deux.

Test 8 : Une expérience de pensée en physique

Notre test final ne comporte pas de mathématiques, mais uniquement un raisonnement contrefactuel. 

In a world where gravity repels objects instead of attracting them, what shape would rivers take?

Il est vrai qu'il n'y a pas de réponse unique à cette question, et il est difficile de se projeter dans l'avenir. Cependant, nous recherchons un modèle qui permette au moins d'analyser les implications, et nous estimons que la réponse de Claude Opus 4.6 semble suffisamment raisonnable.

En résumé, Opus 4.6 a obtenu une note parfaite, bien que, comme vous l'avez constaté, nous ayons inclus une question dont la réponse était quelque peu subjective. C'est donc à vous qu'il revient de juger en dernier ressort.

Claude Opus 4.6 - Tests de performance 

Opus 4.6 est le leader incontesté dans au moins quatre domaines importants :

• Terminal-Bench 2.0 
• Le dernier examen de l'humanité
• GDPval-AA
• BrowseComp

Terminal-Bench 2.0 est un benchmark de codage agentique ; Humanity’s Last Exam est un test de raisonnement complexe ; GDPval-AA évalue les performances du travail intellectuel ; BrowseComp mesure la capacité d'un modèle à trouver des informations difficiles à trouver en ligne.

Terminal-Bench 2.0 

Les modèles Claude sont reconnus à juste titre comme étant parmi les meilleurs codeurs. Commençons par examiner les résultats du benchmark Terminal-Bench 2.0. 

Si le graphique ci-dessus semble mettre en évidence Opus 4.6 par rapport à GPT-5.2-codex, cela est certainement intentionnel. Anthropic a récemment concurrencé directement OpenAI dans plusieurs domaines et plaide en faveur d'une utilisation en entreprise. 

Le dernier examen de l'humanité

Le dernier examen de l'humanité est l'un des tests les plus connus, et nous le suivons tous de près. Il évalue la capacité d'un modèle à raisonner de manière générale. 

Le graphique suivant illustre la performance des différents modèles de frontière sur le benchmark HLE, avec et sans outils. (« Avec outils » signifie que le modèle était autorisé à utiliser des capacités externes telles que la recherche sur le Web et l'exécution de code.)

Il serait peut-être préférable de présenter ce graphique sous la forme de deux graphiques distincts. Mis à part ce détail, le message est clair : Opus 4.6 est le leader dans les catégories « avec outils » et « sans outils ». 

GDPVal-AA

Le GDPVal-AA (comme son nom l'indique) est un test qui évalue ce qui est considéré comme un travail intellectuel économiquement utile. Veuillez envisager des activités telles que l'exécution de modèles financiers ou la réalisation de recherches. 

Le GDPVal-AA et d'autres indices de référence similaires ne cessent de gagner en importance, car ils mesurent réellement les types de travail pour lesquels les entreprises rémunèrent effectivement. Le succès d'Opus 4.6 sur GDPVal-AA constitue également un défi direct pour la suite de modèles GPT, car OpenAI et Anthropic sont en concurrence pour une grande partie des mêmes clients. 

BrowseComp

BrowseComp est le dernier benchmark digne d'intérêt de cette version.  Il évalue la capacité d'un modèle à trouver des informations difficiles à trouver en ligne. Un peu d'histoire : OpenAI a en fait développé BrowseComp pour présenter les capacités de recherche de ses propres modèles. 

Dans un geste significatif, Anthropic a directement fait référence à l'annonce faite par OpenAI en avril 2025 concernant le développement de BrowseComp, en soulignant qu'Opus 4.6 occupe la première place dans ce classement. Il était quelque peu discutable de leur part de citer ainsi leur propre référence, celle d'OpenAI.

Prix et disponibilité de Claude 4.6

Opus 4.6 est largement disponible à la date de publication de cet article. Cependant, il n'est pas possible d'accéder à Opus 4.6 sans passer à un compte pro, qui offre d'autres avantages, comme la possibilité d'utiliser Claude dans Excel. 

Si vous êtes développeur, nous vous recommandons d'utiliser l'API Claude, disponible à l'adresse claude-opus-4-6. Les tarifs n'ont pas changé : Le prix est toujours de 5 $/25 $ par million de jetons. Si vous ne comprenez pas bien la différence entre ces deux chiffres, sachez que le premier correspond au montant que vous payez pour envoyer des jetons au modèle (vos invites, en quelque sorte), et le second au montant que vous payez pour les jetons qu'il génère en retour (les réponses).

Conclusions finales  

Claude Opus 4.6 se classe en tête des classements sur des benchmarks importants tels que GPDVal-AA, qui évalue les performances d'un modèle sur des tâches importantes sur le plan économique, ce qui est particulièrement pertinent pour les grandes entreprises. OpenAI pourrait être perturbé par cette évolution, car quelques heures seulement avant la sortie d'Opus 4.6, ils ont annoncé OpenAI Frontier, une nouvelle plateforme d'entreprise permettant de créer, de déployer et de gérer des agents IA en production. 

En d'autres termes, plutôt que de rivaliser sur les benchmarks des modèles, Frontier nous démontre qu'OpenAI se concentre sur l'infrastructure autour de sa suite de modèles, notamment en fournissant aux agents IA un contexte commercial commun, des autorisations et la capacité de recevoir et d'apprendre à partir des retours d'expérience au fil du temps. Perdant du terrain sur les benchmarks, OpenAI indique que sa plateforme est mieux positionnée pour rendre les agents réellement utiles dans une entreprise. 

Il vous appartient de déterminer s'il s'agit d'un changement stratégique ou d'une reconnaissance implicite de leur défaite dans la course au modèle.

Dans l'ensemble, nous sommes impressionnés par ce qu'Anthropic propose avec Claude Opus 4.6, et nous sommes impatients de travailler avec les équipes d'agents. Si vous souhaitez en savoir plus sur la famille Claude, veuillez consulter le cours cours « Introduction aux modèles Claude ».