Anthropic最近放出了下一代Claude模型，直接推出了Opus 4和Sonnet 4两款产品。官方给Opus 4的定位非常明确——“世界上最好的编程模型”。这个头衔的核心支撑点不在于短平快的代码补全，而是它能在复杂、长时间运行的任务和智能体工作流中保持稳定。
过去用大模型写代码，最头疼的是处理跨文件、跨模块的重构。上下文一长，模型就容易逻辑跑偏甚至中途罢工。Opus 4试图解决这个问题。按照官方说法，它能在长时间运行的重度自动化场景中执行数千个步骤而不轻易崩溃。这意味着把一个大型任务拆解后交给它，它有概率自己跑完全程。
支撑这种长线任务处理能力的，是本次同步推出的“扩展思维工具”（测试版）。以前的模型生成代码主要靠训练数据里的静态知识，遇到快速迭代的框架版本很容易产生幻觉。现在，Opus 4和Sonnet 4都能在扩展思考的过程中主动使用工具。
具体怎么用？比如模型遇到不确定的技术细节，它可以自己发起网络搜索去查最新文档；需要验证某段逻辑时，直接调用代码执行工具跑一下。推理和工具调用是交替进行的，模型不再是单向输出，而是边查边想边改。在传统模式下，开发者需要手动复制报错信息给模型，模型再给出修改建议。有了扩展思维工具，模型在思考链路中就能自己发现问题、调用工具解决，大幅减少了人工干预的频次，从而持续优化最终给出的答案。
除了Opus 4，同场发布的Sonnet 4也有实质性的升级。它在上一代基础上大幅提升了编程和推理能力，指令执行更加精准，更适合处理日常的交互开发任务。
另外，新模型还支持并行使用多个工具。在处理复杂任务时，模型不用排队等一个工具用完再调下一个。当开发者要求模型同时查阅多个API文档并修改对应的代码文件时，这种并行处理能力能大幅缩短等待时间，直接提高智能体工作流的执行效率。
对开发者来说，Opus 4的发布意味着AI编程助手正在从片段式的代码建议，转向能自主查证、自我纠错的全流程执行器。以后怎么在复杂的代码库中给模型合理分配任务，可能比单纯写提示词更重要。
