Claude新模型曝光！能跳出思维定势，修Bug治标又治本
内容提要
据The Information报道，Anthropic新版Claude推理与直觉更强，能识别bug背后的根本问题并跳出思维定势。谷歌正测试Gemini 4系列，代号Carbon在编程和视觉任务上优于Argon，员工称其与Opus 5.5相当。OpenAI的GPT-6.1 Terra已现身微软Copilot代码，或为ChatGPT合并模式后供免费用户使用；OpenAI还称GPT-6.1 Sol在COBOL等冷门语言迁移测试中准确率达97.9%。
延伸解读
Claude新模型：从“修Bug”到“治本”的推理跃迁
文章指出，新版Claude在推理和直觉上更强，能识别用户请求背后的根本问题。例如用户要求修复单个bug时，模型会判断这是否属于一类根本性问题，并询问是否一并修复。这种“治本”能力意味着模型不再局限于表面指令，而是尝试理解潜在意图，可能减少反复沟通的成本，但也对用户如何清晰表达需求提出了新要求。
Gemini 4 Carbon：视觉与编程的针对性提升
谷歌内部测试的Gemini 4 Carbon在编程任务上优于早期Argon，并在视觉理解任务（如分析视频、测试前端页面）上继续占优，部分得益于YouTube数据训练。员工反馈其“感觉与Opus 5.5相当”，但强调还需更多测试。这表明Carbon可能更擅长多模态与代码结合的场景，不过内测评价的局限性也提醒读者，实际表现仍需等待正式发布后的独立验证。
GPT-6.1 Terra：定位免费用户的低成本选项
GPT-6.1 Terra已出现在微软Copilot代码中，文章推测其可能用于ChatGPT合并Chat/Work与Codex模式后，为免费用户提供更便宜的模型。这与6.1 Sol形成区分：Sol在COBOL迁移测试中准确率高达97.9%，但Terra的定位更偏向成本控制。读者需注意，Terra的具体能力尚未披露，其“便宜”是否意味着性能妥协，目前无法从文章中判断。
冷门语言迁移：AI切入遗留系统的现实价值
文章提到GPT-6.1 Sol在COBOL迁移测试中，低推理档准确率86.6%，高推理档达97.9%，而GPT-5.6 Sol仅5.4%。COBOL支撑大量银行和ATM交易，但维护人员稀缺，因此AI辅助迁移具有实际意义。不过，测试准确率不等于生产环境可靠性，迁移后的系统验证、安全合规等环节仍需人类把关，读者不宜将测试结果直接等同于可落地的解决方案。
Q&A
新版Claude在修复bug时有什么特别的能力？
新版Claude能识别bug背后的根本类问题，并询问是否应该修复整个类问题，而不仅仅是修复单个bug。
Gemini 4 Carbon在哪些任务上表现更好？
Carbon在编程任务上优于Argon，在需要视觉理解的任务上表现更好，如分析视频或测试前端页面功能。
GPT-6.1 Sol在COBOL迁移测试中的准确率是多少？
在迁移COBOL程序到其他语言的测试中，GPT-6.1 Sol在low档达到86.6%的准确率，在更高的推理档位下准确率达到97.9%。
为什么OpenAI要推出GPT-6.1 Terra？
因为OpenAI打算把ChatGPT的Chat/Work和Codex模式合并在一起，需要一个更便宜的模型给免费用户使用。
新版Claude在提供投资建议时有什么不同？
它不会建议老套的查看市盈率，而是会提出自己创造性的算法来预测未来的股票表现。
COBOL语言在哪些领域仍被广泛使用？
COBOL支持超过40%的银行系统、80%的面对面信用卡交易和95%的ATM交易。
