Claude Opus 4.6: 1M de contexto, níveis de esforço e agent teams no Claude Code

A Anthropic lançou o Claude Opus 4.6 em 5 de fevereiro. Não é uma mudança de geração, mas o pacote de novidades é grande para uma versão “ponto”: janela de contexto de 1 milhão de tokens em beta, saída de até 128k tokens, controle explícito de quanto o modelo raciocina e recursos voltados a agentes de longa duração. Como uso Claude todos os dias para programar, li o anúncio com atenção ao que muda na prática.

Acesso, contexto e preço

O modelo está na API como claude-opus-4-6, além do claude.ai e das principais plataformas de nuvem. Os pontos principais:

• Contexto de 1M tokens em beta, disponível apenas na Claude Developer Platform. Segundo a Anthropic, é o primeiro modelo da classe Opus com 1M de contexto.
• Saída de até 128k tokens.
• Preço padrão de US$ 5 por milhão de tokens de entrada e US$ 25 de saída.
• Prompts acima de 200k tokens custam US$ 10 de entrada e US$ 37,50 de saída por milhão, apenas na Claude Platform.
• Inferência restrita aos EUA custa 1,1x o preço por token.

O detalhe do preço acima de 200k é importante: usar a janela inteira não é só “mais tokens”, é uma faixa de preço diferente. Para tarefas que cabem em 200k, nada muda; para as que não cabem, vale comparar com estratégias de recuperação de contexto antes de jogar tudo no prompt.

Controlando o raciocínio: adaptive thinking e níveis de esforço

O Opus 4.6 traz adaptive thinking: o modelo decide sozinho quando um raciocínio mais profundo ajuda. Para quem quer controle, há níveis de esforço low, medium, high (padrão) e max.

Isso resolve uma dor real. Em pipelines com muitas chamadas simples, pagar pelo raciocínio de um modelo grande em cada uma é desperdício; em tarefas difíceis, você quer o contrário. Ter um botão explícito permite usar o mesmo modelo nos dois cenários, ajustando custo e latência por chamada.

Também chega em beta a compactação de contexto, que resume e substitui o contexto mais antigo quando uma conversa se aproxima de um limite configurável. Para agentes que rodam por horas, é a diferença entre parar no limite da janela e continuar trabalhando.

Agentes: agent teams e Claude in PowerPoint

No Claude Code, a novidade é agent teams, em research preview: vários agentes trabalham em paralelo e se coordenam por conta própria. É uma direção natural para tarefas grandes, como refatorações que tocam muitos arquivos ou investigações que podem ser divididas.

Fora do mundo dev, o Claude in PowerPoint entra em research preview para os planos Max, Team e Enterprise.

Os números, segundo a Anthropic

Os resultados divulgados pela própria Anthropic:

• Terminal-Bench 2.0: a maior pontuação entre os modelos avaliados nesse benchmark de programação agêntica.
• GDPval-AA: cerca de 144 pontos de Elo acima do GPT-5.2 e 190 acima do Opus 4.5.
• MRCR v2 (8 agulhas, 1M): 76%, contra 18,5% do Sonnet 4.5.
• BrowseComp: 86,8% com um harness multiagente.

O resultado de MRCR é o mais relevante para quem pensa em usar o contexto de 1M. Uma janela grande só tem valor se o modelo consegue encontrar e usar informação espalhada nela, e o salto em relação ao Sonnet 4.5 sugere que a janela é utilizável, não só um número de marketing.

Sobre segurança, a Anthropic relata taxas baixas de comportamento desalinhado em sua auditoria automatizada, semelhantes às do Opus 4.5, e a menor taxa de recusas excessivas entre os modelos Claude recentes. Também adicionou novas sondas de cibersegurança para detectar abuso.

Ressalvas

• O contexto de 1M é beta e só existe na Developer Platform. Quem usa o modelo via outras plataformas deve verificar a disponibilidade antes de planejar em cima disso.
• Agent teams e Claude in PowerPoint são research previews: espere mudanças.
• Todos os benchmarks são da Anthropic; avalie no seu próprio código e nas suas tarefas.

Minha leitura

O que mais me interessa no Opus 4.6 não é um benchmark específico, é a combinação de controles: níveis de esforço, adaptive thinking e compactação de contexto. Juntos, eles tornam viável usar um modelo topo de linha em fluxos de agente longos sem que o custo saia do controle. Eu começaria testando o nível de esforço como parâmetro de produto (barato por padrão, max só quando necessário) e trataria o contexto de 1M como ferramenta para casos específicos, não como o novo normal, até entender bem como a faixa de preço acima de 200k afeta a conta.