Claude Opus 4.6: funzionalità, benchmark, test pratici e altro

Le voci sul prossimo rilascio di Anthropic circolano da qualche giorno. Molti si aspettavano Claude Sonnet 5, ma il primo lancio dell’anno arriva sotto forma di Claude Opus 4.6. 

Con una finestra di contesto da 1 milione di token, ragionamento adattivo, compattazione delle conversazioni e una serie di benchmark da vertice, Claude Opus 4.6 migliora Opus 4.5. Come lo definisce Anthropic, hanno aggiornato il loro modello più “smart”. Insieme al modello, Anthropic ha lanciato anche i team di agenti in Claude Code e Claude in PowerPoint.

In questo articolo vedremo tutte le novità di Claude Opus 4.6, esplorando le nuove funzionalità, analizzando i benchmark e mettendolo alla prova con diversi esempi pratici. 

Per saperne di più sulle ultime funzionalità di Claude, ti consiglio le nostre guide su Claude Cowork e Claude Code, oltre al nostro tutorial OpenClaw. Per un confronto con altri competitor, leggi le nostre guide su Muse Spark vs Claude Opus 4.6 e GPT-5.4 vs Claude Opus 4.6.

Che cos’è Claude Opus 4.6? 

Claude Opus 4.6 è l’ultimo large language model di Anthropic. Sulla scia di Opus 4.5, rappresenta un importante upgrade del livello di modello definito “più intelligente” dall’azienda. 

Dal blog di lancio, Anthropic afferma di puntare maggiormente su coding agentico, ragionamento profondo e autocorrezione. Ciò significa uno spostamento dall’azione all’azione sostenuta. 

Opus 4.6 è progettato per pianificare con maggiore attenzione, mantenere una coerenza migliore su periodi più lunghi e individuare gli errori nel proprio funzionamento. Tutto questo fa sì che Claude Opus 4.6 primeggi in diversi benchmark, tra cui il punteggio più alto nella valutazione di coding Terminal-Bench 2.0 e la supremazia su tutti gli altri modelli d’avanguardia in Humanity’s Last Exam. 

Una delle cose che più colpisce è la finestra di contesto migliorata in Claude Opus 4.6. Con 1 milione di token in beta, il nuovo modello si allinea a Gemini 3, il che significa che può elaborare più informazioni senza perdere di vista il contesto. 

Nel frattempo, Anthropic ha pubblicato la versione successiva di Opus. Ti consiglio di leggere la nostra guida a Claude Opus 4.7 per restare aggiornato.

Cosa c’è di nuovo in Claude Opus 4.6? 

Claude Opus 4.6 introduce diverse novità importanti, molte delle quali incentrate su workflow agentici. Ecco alcuni punti chiave: 

Team di agenti

I team di agenti migliorano i “sottoagenti” visti nelle versioni precedenti di Claude. I team consentono di avviare più istanze di Claude completamente indipendenti che possono lavorare in parallelo. Una sessione è l’agente “lead” che coordina, mentre i “compagni di squadra” gestiscono l’esecuzione vera e propria. 

La cosa più interessante è che ogni membro del team ha la propria finestra di contesto, consentendo un’esecuzione più approfondita. Ogni compagno può anche comunicare direttamente con gli altri del team. 

Naturalmente, questa funzionalità ha un potenziale rovescio della medaglia: il costo. Poiché ogni agente ha la propria finestra di contesto, potresti bruciare token rapidamente. Per questo, Anthropic raccomanda di usarli in scenari con livelli di complessità più elevati. 

Compattazione delle conversazioni

Una funzione interessante di Claude Opus 4.6 è la compattazione del contesto. Questo miglioramento di qualità della vita aiuta a evitare problemi quando esegui workflow lunghi che saturano le finestre di contesto. Tipicamente, si arriva a un muro di contesto in cui le prestazioni iniziano a degradare. 

Con la compattazione delle conversazioni, Claude Opus 4.6 può rilevare automaticamente quando una conversazione sta raggiungendo una soglia di token e riassumere la conversazione esistente in un blocco conciso (un blocco di compattazione). 

Questa funzionalità dovrebbe aiutare a preservare l’essenziale delle interazioni liberando al contempo spazio per continuare il lavoro. Se prevedi di usare agenti orientati ai task che devono girare a lungo, potrebbe mantenerli in carreggiata con una memoria molto migliorata.  

Ragionamento ed effort adattivi  

Ci sono due funzionalità di Claude Opus 4.6 che determinano se serve il ragionamento esteso e con quanta intensità applicarlo. 

Il ragionamento adattivo consente al modello di valutare quanto è complesso il tuo prompt. In base alla semplicità o complessità, decide se usare il ragionamento esteso. Anziché avere un’impostazione manuale per quanti token usare, Claude adatterà il budget in base alla complessità di ogni richiesta. 

Il parametro di effort ti permette di definire quanto Claude sia propenso o prudente nello spendere token. In sostanza, puoi bilanciare efficienza dei token e profondità delle risposte. 

Usando Claude Opus 4.6 nell’API, puoi impostare manualmente questi parametri. Per esempio: 

• Max effort: Claude usa sempre il ragionamento esteso, senza vincoli di profondità. 
• High effort: Con questa impostazione predefinita, Claude ragiona sempre e fornisce analisi approfondite. 
• Medium effort: Attiva un ragionamento moderato e può saltarlo per le query più semplici. 
• Low effort: Claude salta il ragionamento per i task semplici e lo minimizza a favore della velocità. 

Claude in PowerPoint 

Di recente abbiamo parlato di Claude in Excel, mostrando come il componente aggiuntivo può aiutarti con varie attività in un pannello laterale del tuo foglio Excel. Oltre a migliorare le funzionalità di questo strumento, Anthropic ha annunciato Claude in PowerPoint. 

Questa integrazione rispetta i tuoi schemi diapositiva, font e layout. Puoi fornirle un template aziendale e chiederle di costruire una sezione specifica, oppure selezionare una slide e chiederle di convertire testo denso in un diagramma nativo e modificabile. 

L’enfasi sulla generazione di oggetti PowerPoint modificabili, invece di semplici “immagini di slide”, rende questo strumento davvero produttivo e non solo un generatore di concept. 

Claude in PowerPoint è attualmente in anteprima di ricerca per gli utenti Max ed Enterprise.

Testare Claude Opus 4.6: esempi pratici 

Molte delle affermazioni principali di Opus 4.6 riguardano compiti di coding più difficili e ragionamento più profondo. Queste abilità si basano su un certo fondamento: la capacità di mantenere più vincoli a mente, ragionare su molti passaggi e cogliere gli errori. 

Con questo in mente, abbiamo sottoposto Opus 4.6 a una serie di sfide di logica, matematica e coding multi-step. Volevamo vedere se riuscivamo a mettere in luce alcune debolezze note e comuni degli LLM – come errori di calcolo a cascata, ragionamento spaziale (sempre problematico) e domande con vincoli. Abbiamo incluso anche un task specifico di debugging perché l’annuncio di Anthropic vantava le capacità di Opus 4.6 nell’analisi della causa radice e in altri problemi di debug.

Test 1: Logica esadecimale–decimale

Il primo test combina numeri primi, esadecimali e conteggio:

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.

Sembra un po’ complesso, ma per noi umani è facile da verificare. Sappiamo che la risposta corretta è 2 perché il 6° primo è 13; 13 al quadrato fa 169, che in esadecimale è "A9". Questo ha 1 lettera × 1 cifra, che moltiplicati danno 1, e il primo numero primo è 2.

Il timore è che un modello possa inciampare nella conversione esadecimale, con errori a cascata fino al risultato finale. Come si vede, Opus 4.6 non ha avuto problemi:

Test 2: Rotazione di una matrice

Il secondo test valuta ragionamento spaziale e gestione dei numeri negativi:

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.

Verificare questo ha richiesto un po’ più di lavoro. La risposta corretta è -6.065. Lo sappiamo perché la matrice ruotata è [[1, 4], [5, 2]]; possiamo poi usare Python per trovare il determinante, che è -18, e il suo cubo è -5.832; infine, sottraendo 233 otteniamo -6.065.

Ci piaceva questo test perché spesso i modelli scambiano erroneamente gli elementi della matrice o perdono il segno negativo lungo la strada. Anche qui, Opus 4.6 non ha avuto difficoltà:

Test 3: Un quiz sulla disposizione dei posti

Per il terzo test, abbiamo provato un problema di soddisfacimento di vincoli che richiede backtracking:

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 risposta corretta è Josef. (Alex-1, Matt-2, Josef-3, Thalia-4, Tom-5.) Si può risolvere anche su carta con un po’ di impegno.

Il motivo per cui un modello potrebbe sbagliare è che storicamente risolvono in modo sequenziale, non olistico. Leggono “Thalia è in una sedia pari” e ne scelgono una (per esempio la 2) senza verificare se quella scelta funzioni con tutti gli altri vincoli. Poi si “incollano” a quella scelta, riempiono altri posti e alla fine incontrano un conflitto, ma a quel punto si sono messi all’angolo e non tornano indietro per provare Thalia sulla sedia 4. 

Opus 4.6 ha azzeccato anche questa:

Test 4: Un rompicapo sull’orologio

Il quarto test valuta visualizzazione spaziale e intuizione fisica:

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?

Per verificarlo, ho tolto l’orologio dal polso e l’ho girato. 

La risposta corretta è le 14:30. Alle 3:15, la lancetta dei minuti punta sul “3”. Quando ho rivolto il 12 verso la finestra alla mia sinistra, il “3” si è spostato dove stava il “12”. Ho poi aggiunto 0 alle 3:15, sottratto 45 minuti e ho ottenuto le 14:30. 

Nel progettare il test, ci aspettavamo che i modelli confondessero la rotazione del quadrante con lo spostamento della lancetta. Abbiamo anche sentito che i modelli tendono a considerare sospetto aggiungere 0 e quindi cercano di forzare un altro numero.

Tuttavia, Opus 4.6 ha risolto il problema e dato la risposta giusta anche qui:

Test 5: Un problema di teoria dei numeri

Il quinto test combina aritmetica modulare e filtraggio dei numeri primi:

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?

Ecco perché il numero corretto è 89: i numeri il cui quadrato finisce in 21 includono 11, 39, 61 e 89. Di questi, 39 non è primo, quindi restano 11, 61 e 89. Tutti e tre hanno somme delle cifre prime (2, 7 e 17), quindi il più grande è 89.

Opus 4.6 ha dato ancora la risposta giusta, includendo anche una visualizzazione utile:

Test 6: Invertire le cifre

Il test successivo concatena fattoriali, manipolazione di stringhe e numeri primi:

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.

Ecco come abbiamo verificato che 425 è la risposta corretta: 5! = 120; sottrai 1 per ottenere 119; inverti le cifre per ottenere 911. Poi, con del codice R (qui sotto), abbiamo visto che tra 10 e 911 ci sono 152 numeri primi, con somma 64.598. Infine, sempre in R, dividiamo e arrotondiamo: 64.598 ÷ 152 ≈ 425.

Ecco lo script R che abbiamo usato:

# 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: Debugging del codice

Il test successivo punta a una delle affermazioni principali di Opus 4.6: diagnosticare bug nel codice. Sappiamo che spesso i modelli tracciano correttamente il codice riga per riga ma non collegano il tracciamento al difetto di fondo. 

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!

Ecco la risposta e perché funziona come test: la funzione divide sempre per window (3), anche quando all’inizio l’intervallo ha meno di 3 elementi. L’output con bug è [3.33, 10.0, 20.0, 30.0, 40.0], ma i primi due valori dovrebbero essere 10.0 e 15.0, dato che quei blocchi contengono rispettivamente solo 1 e 2 elementi. La correzione è cambiare / window in / len(chunk).

Ci piace questo test perché spesso i modelli tracciano perfettamente il ciclo, ma poi riportano “l’output sembra corretto” — vedono i calcoli passo dopo passo e non segnalano che dividere un solo elemento per 3 è sbagliato. Richiede che il modello tenga insieme intento (cosa dovrebbe fare una media mobile) ed esecuzione (cosa fa effettivamente il codice) e individui il divario tra i due.

Test 8: Un esperimento mentale di fisica

L’ultimo test non ha matematica, solo ragionamento controfattuale. 

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

Certo, non c’è una singola risposta corretta ed è difficile da immaginare. Ma ci aspettiamo che il modello ragioni almeno sulle implicazioni, e pensiamo che la risposta di Claude Opus 4.6 sia abbastanza plausibile.

In sintesi, Opus 4.6 ha fatto en plein, anche se abbiamo incluso una domanda con risposta un po’ soggettiva, quindi il giudizio finale spetta a te.

Benchmark di Claude Opus 4.6 

Opus 4.6 è il leader indiscusso in almeno quattro benchmark importanti:

• Terminal-Bench 2.0 
• Humanity’s Last Exam
• GDPval-AA
• BrowseComp

Terminal-Bench 2.0 è un benchmark di coding agentico; Humanity’s Last Exam valuta il ragionamento complesso; GDPval-AA testa le performance nel lavoro della conoscenza; BrowseComp misura la capacità del modello di trovare online informazioni difficili da reperire.

Terminal-Bench 2.0 

I modelli Claude hanno la meritata fama di essere tra i migliori nel coding. Iniziamo quindi dai risultati del benchmark Terminal-Bench 2.0. 

Se il grafico sopra sembra mettere in evidenza Opus 4.6 rispetto a GPT-5.2-codex — beh, è sicuramente intenzionale. Anthropic sta sfidando direttamente OpenAI in diverse aree ultimamente e sta facendo valere le sue ragioni per l’uso enterprise. 

Humanity’s Last Exam

Humanity’s Last Exam è uno dei benchmark più noti ed è quello che tutti seguiamo con attenzione. Misura la capacità generale di ragionamento di un modello. 

Il grafico seguente mostra il successo dei vari modelli d’avanguardia nel benchmark HLE con e senza strumenti. (“Con strumenti” significa che al modello è stato permesso di usare capacità esterne come la ricerca sul web e l’esecuzione di codice.)

Forse sarebbe stato meglio avere due grafici separati. A parte questo dettaglio, il messaggio è chiaro: Opus 4.6 è il leader sia nella categoria “con strumenti” sia in quella “senza strumenti”. 

GDPval-AA

GDPval-AA (come suggerisce il nome) è un test del lavoro della conoscenza ritenuto economicamente prezioso. Pensa, ad esempio, a eseguire modelli finanziari o fare ricerca.

GDPval-AA e benchmark simili stanno diventando sempre più importanti perché misurano davvero i tipi di lavoro per cui le aziende pagano. Il successo di Opus 4.6 in GDPval-AA è anche un’ulteriore sfida diretta alla suite GPT, dato che OpenAI e Anthropic competono per molti degli stessi clienti.

BrowseComp

BrowseComp è l’ultimo benchmark degno di nota tra quelli del lancio.  Misura la capacità di un modello di rintracciare online informazioni difficili da trovare. Un po’ di storia: BrowseComp è stato sviluppato da OpenAI per mettere in mostra le capacità di ricerca dei propri modelli. 

In una mossa pungente, in questo rilascio Anthropic ha linkato direttamente all’annuncio di OpenAI dell’aprile 2025 sullo sviluppo di BrowseComp, sottolineando che Opus 4.6 è ai vertici di questo benchmark. Un po’ malizioso, citare contro OpenAI il suo stesso benchmark.

Prezzi e disponibilità di Claude 4.6

Opus 4.6 è ampiamente disponibile al momento della pubblicazione di questo articolo. Tuttavia, non puoi accedere a Opus 4.6 senza passare a un account pro, che offre anche altri vantaggi, come l’uso di Claude in Excel. 

Se sei uno sviluppatore, usa claude-opus-4-6 nell’API di Claude. I prezzi non sono cambiati: restano $5/$25 per milione di token. Se ti confondono i due numeri, sappi che il primo è ciò che paghi per inviare token al modello (i tuoi prompt), e il secondo è ciò che paghi per i token che genera in risposta.

Considerazioni finali  

Claude Opus 4.6 è in cima alla classifica in benchmark importanti come GPDVal-AA, che misura quanto bene un modello svolge compiti economicamente rilevanti — ciò che interessa ai grandi clienti enterprise. OpenAI potrebbe essere scossa da questo sviluppo, perché a poche ore dal lancio di Opus 4.6 ha annunciato OpenAI Frontier, una nuova piattaforma enterprise per creare, distribuire e gestire agenti AI in produzione. 

In altre parole, invece di competere sui benchmark di modello, Frontier mostra che OpenAI si sta concentrando sull’infrastruttura intorno alla sua suite, in particolare fornendo agli agenti AI contesto aziendale condiviso, permessi e la capacità di ricevere e apprendere dai feedback nel tempo. Perdita terreno sui benchmark, OpenAI segnala che la sua piattaforma è meglio posizionata per rendere gli agenti davvero utili in azienda. 

Che sia una svolta strategica o un’ammissione tacita di star perdendo la corsa ai modelli, sta a te deciderlo.

In generale, però, siamo colpiti da ciò che Anthropic offre con Claude Opus 4.6 e non vediamo l’ora di mettere le mani sui team di agenti. Se vuoi approfondire la famiglia Claude, dai un’occhiata al corso Introduction to Claude Models.