作者： Wisely Chen 日期： 2026 年 2 月 18 日 系列： AI Agent 完整指南 / IT 架構系列 關鍵字： Claude Opus 4.6, Claude Sonnet 4.6, GPT-5.3-Codex, NotebookLM, PPTX, Benchmark, Computer Use, Agent Teams, OpenClaw, Peter Steinberger

為什麼要寫這篇

上一篇我寫了2026 農曆新年中國開源模型集體爆發，Kimi、Qwen、GLM、MiniMax 在二月密集發布。

但中國不是唯一在爆發的。

美國這邊同樣瘋狂。 光是 2026 年 2 月，Anthropic 和 OpenAI 就輪番丟出重磅更新：

  • 2 月 5 日 — Anthropic 發布 Claude Opus 4.6（旗艦模型，Agent Teams 多代理協作，ARC-AGI-2 從 37.6% 跳到 68.8%）
  • 2 月 5 日 — OpenAI 發布 GPT-5.3-Codex（Agentic Coding 模型，Terminal-Bench 從 64.0% 跳到 77.3%，快 25%）
  • 2 月 14 日 — OpenAI 宣布 OpenClaw 創辦人 Peter Steinberger 加入，負責「下一代個人 Agent」，OpenClaw 轉為開源基金會
  • 2 月 17 日 — Anthropic 發布 Claude Sonnet 4.6（中價位模型，逼近 Opus 效能，$3/M tokens 不變）
  • 2 月 18 日 — Google NotebookLM 宣布 Prompt-Based Revisions + PPTX 匯出

兩週內，五個重大更新。

把中美時間線放在一起看更有感覺：

日期 中國 美國
1/27 Kimi K2.5（Agent Swarm）  
2/5   Claude Opus 4.6 + GPT-5.3-Codex
2/10 Qwen-Image-2.0  
2/11 GLM-5 + MiniMax M2.5  
2/12 Seedance 2.0 + Qwen3-Coder-Next  
2/14 豆包大模型 2.0 Peter Steinberger 加入 OpenAI
2/16 Qwen3.5  
2/17   Claude Sonnet 4.6
2/18   NotebookLM Prompt Revisions + PPTX

整個二月就是一場中美 AI 軍備賽。 中國拼開源模型數量和成本，美國拼旗艦效能和 Agent 能力。

Claude Opus 4.6：旗艦中的旗艦

發布日期： 2026 年 2 月 5 日 定價： $15/$75 per million tokens Context Window： 1M tokens（beta）

重點升級

Opus 4.6 跟上一代 Opus 4.5 相比，最大的變化不是「寫程式更強」，而是推理能力近乎翻倍：

Benchmark Opus 4.5 Opus 4.6 變化
ARC-AGI-2 37.6% 68.8% +31.2%（近乎翻倍）
SWE-bench Verified 80.9% 80.8% 持平
Terminal-Bench 2.0 59.8% 65.4% +5.6%
OSWorld-Verified 66.3% 72.7% +6.4%
1M context 準確度 — 76.0% GPT-5.2 只有 18.5%

SWE-bench 幾乎沒動（80.9% → 80.8%），但 ARC-AGI-2 從 37.6% 跳到 68.8%——這代表 Opus 4.6 在解決全新類型問題的能力上有了質的飛躍。

Agent Teams：真正的殺手功能

Opus 4.6 的頭條功能是 Agent Teams——多個 Claude 代理協同工作。

官方展示的案例：Agent Teams 從頭建了一個 C 編譯器，10 萬行程式碼，能在三個 CPU 架構上啟動 Linux。這不是寫個小腳本，這是系統級的工程能力。

對做 Claude Code 的人來說，這意味著以後可以把大型任務拆給多個 Agent 平行處理，而不是一個 Agent 從頭做到尾。

原生 Office 文件支援

Opus 4.6 新增了原生讀寫 PowerPoint 和 Excel 的能力。不用再透過外掛或轉換，直接讀 .pptx 和 .xlsx。

這對企業場景特別重要——很多公司的知識還是鎖在 PPT 和 Excel 裡。

GPT-5.3-Codex：OpenAI 的 Agent Coding 回擊

發布日期： 2026 年 2 月 5 日 可用平台： ChatGPT 付費版（App、CLI、IDE 擴展、Codex Cloud） API： 即將開放

跟 Opus 4.6 同一天發布，OpenAI 也沒閒著。

重點升級

GPT-5.3-Codex 定位不是通用模型，而是專注在 Agentic Coding——讓 AI 自主完成複雜的開發任務。

Benchmark GPT-5.2-Codex GPT-5.3-Codex 變化
Terminal-Bench 2.0 64.0% 77.3% +13.3%
OSWorld-Verified 38.2% 64.7% +26.5%
SWE-Bench Pro Public 56.4% 56.8% 持平
Cybersecurity CTF — 77.6% 新指標

兩個數字特別搶眼：

  1. Terminal-Bench 77.3%：超越 Opus 4.6 的 65.4%。在終端操作和系統管理任務上，GPT-5.3-Codex 目前是最強的。
  2. OSWorld 64.7%：從 38.2% 跳到 64.7%，Computer Use 能力大幅提升。不過 Sonnet 4.6 的 72.5% 還是更高。

25% 更快

同樣的任務，GPT-5.3-Codex 比前一代快 25%。對用 Codex 做日常開發的人來說，這是直接感受得到的提升。

「自己 Debug 自己」

OpenAI 提到一個有趣的細節：GPT-5.3-Codex 是第一個「參與了自己開發的模型」——在訓練過程中，它自己 debug 了自己。

資安分級

GPT-5.3-Codex 被 OpenAI 歸類為「High capability」資安等級——這是 OpenAI Preparedness Framework 下的最高分類。伴隨 $10M 的 cyber defense credits。

OpenClaw 創辦人 Peter Steinberger 加入 OpenAI

公告日期： 2026 年 2 月 14 日

這可能是二月最有意味的一則新聞。

Peter Steinberger——OpenClaw 的創辦人，過去幾個月 AI Agent 圈最紅的名字——宣布加入 OpenAI。Sam Altman 親自發推說 Peter 將負責「drive the next generation of personal agents」。

為什麼這件事很重要

如果你讀過上一篇中國模型對比，你會知道 OpenClaw 在 Agent 圈的地位。Kimi K2.5 之所以被大量使用，很大程度是因為 Peter 公開推薦，讓它成為 OpenClaw 用戶的 default model。

現在 OpenClaw 的靈魂人物跑去 OpenAI 了。

Peter 自己怎麼說

“I’m a builder at heart… What I want is to change the world, not build a large company.”

據報導 Peter 同時收到了 Meta 的 offer，兩家的出價都是「billions」等級。但 Peter 選擇了 OpenAI，理由是「teaming up with OpenAI is the fastest way to bring this to everyone」。

OpenClaw 的未來

好消息是：OpenClaw 不會消失。 Peter 宣布 OpenClaw 將轉為獨立的開源基金會，OpenAI 承諾持續贊助，Peter 也會有專門的時間繼續開發。

Sam Altman 的原話：「The future is going to be extremely multi-agent and it’s important to support open source as part of that. OpenClaw will live in a foundation as an open source project.」

對產業的影響

這件事的訊號很清楚：OpenAI 在 Agent 賽道上認真了。

GPT-5.3-Codex 負責「AI 寫程式」，Peter 負責「AI 幫你做事」。兩條線加在一起，OpenAI 的 Agent 策略已經從「模型能力」延伸到「端到端的使用者體驗」。

對 OpenClaw 社群來說，短期可能有些不確定性（Peter 的精力勢必分散），但長期來看，有 OpenAI 的資源灌注，OpenClaw 的發展速度反而可能加快。

Claude Sonnet 4.6：用 Sonnet 的錢買到接近 Opus 的腦

發布日期： 2026 年 2 月 17 日 定價： $3/$15 per million tokens（跟 Sonnet 4.5 一樣） Context Window： 1M tokens（beta） 預設模型： 現在是 claude.ai Free 和 Pro 用戶的預設模型

這次升級有多大？

直白講：Sonnet 4.6 在多數任務上已經逼近甚至超越去年 11 月的 Opus 4.5。

Anthropic 自己的數據：

  • 開發者在 Claude Code 中使用時，70% 的時候偏好 Sonnet 4.6 勝過 Sonnet 4.5
  • 甚至有 59% 的場景偏好 Sonnet 4.6 勝過 Opus 4.5（去年的旗艦模型）

這意味著什麼？你花 $3/M tokens 的錢，拿到的是以前要花 $15/M tokens（Opus 4.5 定價）才有的效能。

Benchmark 數據

Benchmark Sonnet 4.6 Opus 4.6 GPT-5.3-Codex 說明
SWE-bench Verified 79.6% 80.8% — 軟體工程，接近 Opus
OSWorld-Verified 72.5% 72.7% 64.7% Computer Use，三者最強
Finance Agent v1.1 63.3% 60.1% — 金融分析，超越 Opus
GDPval-AA Elo 1633 1606 — Office 任務，超越 Opus
Terminal-Bench 2.0 59.1% 65.4% 77.3% GPT-5.3 最強
GPQA Diamond 89.9% 91.3% — 研究生級推理
BrowseComp 74.7% 84.0% — Agent 搜索
ARC-AGI-2 58.3% 68.8% — 新穎問題解決

幾個值得注意的點：

  1. Computer Use (OSWorld 72.5%)：Sonnet 4.6 竟然跟 Opus 4.6 的 72.7% 只差 0.2%，而且碾壓 GPT-5.3-Codex 的 64.7%。Anthropic 在 Computer Use 這條賽道上已經甩開所有人。

  2. Finance Agent 和 Office 任務都超越 Opus 4.6：這代表在「實際工作場景」中，Sonnet 4.6 已經不是「便宜替代品」，而是主力。

  3. SWE-bench 79.6%：只比 Opus 4.6 的 80.8% 低 1.2%，但成本便宜 5 倍。

  4. Terminal-Bench 是弱點：59.1% 遠低於 GPT-5.3-Codex 的 77.3%。如果你的場景是大量終端操作，GPT-5.3 還是更強。

對 Claude Code 使用者的影響

如果你像我一樣日常用 Claude Code，這次升級的感受會很明顯：

  1. Coding 能力提升：指令跟隨更精準，幻覺減少，多步驟任務更穩定
  2. Computer Use 大進步：如果你用 Claude 做瀏覽器自動化，72.5% 的 OSWorld 分數代表可靠度大幅提升
  3. Prompt Injection 防禦：Anthropic 特別強調安全性改進，Agent 被惡意 prompt 劫持的風險降低
  4. 成本不變：同樣的 $3/M tokens，但拿到明顯更好的模型

NotebookLM：終於不用再重生整份簡報了

背景：之前的痛

我自己用 NotebookLM 生簡報已經很多次了。流程大致是：上傳來源 → 生成 Slide Deck → 下載 PDF。

問題是，一旦生出來不滿意，你只能重新生一份。 沒有辦法說「第 3 頁的標題改一下」或「把整體配色改成深色」。每次微調都是砍掉重練，運氣好的話三次搞定，運氣差的話可以重生七八次。

這次更新了什麼

根據 NotebookLM 官方帳號（@NotebookLM）2 月 18 日的公告：

1. Prompt-Based Revisions

你現在可以直接用自然語言對已生成的簡報做修改。例如：

  • 「把第 5 頁的圖表改成橫式」
  • 「整體風格改成更企業正式的感覺」
  • 「在第 3 頁後面加一頁 Q&A」

不用重新生成整份簡報，直接針對特定頁面或整體風格做調整。

2. PPTX 匯出

之前 NotebookLM 的簡報只能下載 PDF。現在可以直接匯出成 PowerPoint (.pptx) 格式。Google Slides 匯出也在開發中（coming next）。

Rollout 狀態

官方說會慢慢 rollout 到付費用戶（Google AI Ultra 和 Pro plan）。免費用戶可能要再等幾週。

為什麼這很重要

之前 NotebookLM 簡報的最大問題就是「最後一哩路的編輯成本」。AI 生出 80% 的好簡報，但剩下 20% 的微調你要花比從頭做還多的時間——因為你得把 PDF 轉成 PPT，重新排版，然後改。

現在這個問題被解決了：AI 生成 80% + Prompt 微調 15% + 人工最後 5%。整個流程省下至少一半時間。

三家放在一起看：誰在贏什麼？

維度 Anthropic OpenAI Google
旗艦推理 Opus 4.6（ARC-AGI-2 68.8%） — —
中價位 CP 值 Sonnet 4.6（$3/M 逼近 Opus） — —
Agentic Coding Opus 4.6（SWE-bench 80.8%） GPT-5.3-Codex（Terminal-Bench 77.3%） —
Computer Use Sonnet 4.6（OSWorld 72.5%） GPT-5.3（64.7%，追上中） —
多代理協作 Agent Teams — —
個人 Agent — Peter Steinberger + OpenClaw 基金會 —
簡報生產力 — — NotebookLM Prompt Revisions
速度 — GPT-5.3（快 25%） —

Anthropic 的策略很清楚：上下夾擊。 Opus 4.6 守住旗艦天花板，Sonnet 4.6 用 1/5 價格侵蝕「夠好就行」的市場。兩週內連發兩個模型，把價格帶從 $3 到 $15 全覆蓋。

OpenAI 選擇 vertical + 人才收割： 不只把 Codex 打造成 Agentic Coding 最強工具，還直接把 Agent 圈最紅的人（Peter Steinberger）挖過來。GPT-5.3-Codex 管「AI 寫程式」，Peter 管「AI 幫你做事」——兩條線同時推進。

Google 走的是生產力工具路線： 不跟你比模型分數，而是讓 NotebookLM 變成「不需要會 AI 的人也能用的 AI 工具」。Prompt-Based Revisions 讓不懂技術的人也能微調 AI 簡報。

坦白說

Opus 4.6 的現實

Agent Teams 展示了 10 萬行 C 編譯器，很驚人。但這是官方 demo，不是你明天就能在自己的專案上複製的流程。多代理協作在真實環境中的穩定性、錯誤處理、成本控制，都還需要時間驗證。

GPT-5.3-Codex 的疑慮

Terminal-Bench 77.3% 很強，但 SWE-Bench Pro 只有 56.8%，幾乎沒動（前代 56.4%）。這意味著 GPT-5.3 在「自己操作終端」的場景變強了，但在「理解和修復複雜程式碼」的核心 coding 能力上沒有明顯進步。

另外 API 還沒開放，定價未知。如果定價太高，Terminal-Bench 的優勢會被成本稀釋。

Sonnet 4.6 的取捨

用 1/5 的價格拿到 90-95% 的效能，對大多數應用場景來說就是最佳解。但在「真正困難」的任務上，旗艦就是旗艦：ARC-AGI-2 差 10.5%，BrowseComp 差 9.3%。

「偏好 59% 勝過 Opus 4.5」不等於「比 Opus 4.6 強」——注意 Anthropic 的措辭，是跟去年的 Opus 4.5 比，不是跟現在的 Opus 4.6 比。

Peter 加入 OpenAI 的隱憂

Peter 是 builder 性格，OpenAI 是大公司。歷史上太多「天才開發者加入大公司後被官僚體系磨掉銳角」的案例。OpenClaw 之所以好用，很大程度是因為 Peter 一個人做決策，反應速度快。進了 OpenAI 之後，這個速度能維持嗎？

另外，OpenClaw 轉基金會聽起來很美，但「公司贊助的開源基金會」跟「獨立開源專案」本質上是不同的。長期來看，OpenClaw 的中立性和社群信任是否會受影響，值得觀察。

NotebookLM 的隱憂

Prompt-Based Revisions 聽起來很美，但之前 NotebookLM 的簡報生成就有時候會「聽不懂」指令。能不能精準地「改第 3 頁」而不影響其他頁，實際品質還要測過才知道。

結語：2026 二月是 AI 的轉折點

初二最好的消息，NotebookLM 終於宣布要加入 PPTX 的輸出了。對我這個每週都在用 NotebookLM 生簡報的人來說，這大概是整個二月最有感的更新。

但退一步看，2026 二月不只是中國在狂熱的輸出模型——美國 AI 巨頭也在瘋狂對戰，而且重點非常明確：Agent 能力正式進入主戰場。

把中國和美國的時間線擺在一起，你會發現一件事：

2026 年二月，全球 AI 產業同時進入了「Agent 落地」的衝刺期。

中美走的是完全不同的路

從這個瘋狂二月看得出來，中美 AI 的發力方向已經明確分化：

中國正在努力做兩件事：

  1. 能力逼近頂尖模型的 Tier 1 開源 model — Kimi K2.5、Qwen3.5、GLM-5 都在證明開源可以接近閉源效能
  2. 性價比壓到極致 — 成本壓到 Claude 的 1/8 到 1/33，配合 OpenClaw 這類框架，純地端 Agent 成本可能低於台幣 50 萬

美國正在努力做的是在現有 Tier 1 模型下，做出大量的 Agent Business Case：

  • NotebookLM 超強的簡報功能（讓非技術人員也能用 AI 做簡報）
  • Anthropic Agent Teams + Sonnet 4.6 的上下夾擊策略覆蓋全價格帶
  • OpenAI 把 Codex 打造成 Agentic Coding 專用武器
  • 收購人才（Peter Steinberger）來加速 Agent 端到端體驗

2026 年的劇本

今年的劇情已經很清楚了：

美國會努力衝擊 Agent case，讓生產力持續飆升，並且做到部分 Agent 變現。Anthropic 的 Agent Teams、OpenAI 的 Codex + Peter、Google 的 NotebookLM——每一家都在把「AI 能力」轉譯成「使用者能直接用的工具」。

中國會用原本厲害的工程人才來做開源模型以及成本優化，來支援 OpenClaw 或是其他 Agent 的 token 粉碎機場景。當一個 Agent 跑一次任務需要消耗幾十萬 tokens，你用 Claude API 跑跟用 Qwen3.5 地端跑，成本可能差 10-30 倍。

這兩條路不是對立的，而是互補的。美國做出好用的 Agent 框架和場景，中國提供便宜的推理引擎。最終受益的是全球的開發者和企業——你可以用美國的 Agent 設計，跑在中國的開源模型上。

不管你站在哪一邊，結論都一樣：

2026 不再是「AI 能不能用」的問題，而是「你選哪套 Agent 方案落地」的問題。

參考資料

Anthropic

  1. Introducing Claude Opus 4.6 - Anthropic 官方
  2. Anthropic releases Opus 4.6 with new ‘agent teams’ - TechCrunch
  3. Introducing Claude Sonnet 4.6 - Anthropic 官方
  4. Claude Sonnet 4.6 approaches Opus-level scores - OfficeChai
  5. Anthropic’s Sonnet 4.6 matches flagship AI performance at one-fifth the cost - VentureBeat
  6. Claude Sonnet 4.6 brings ‘much-improved coding skills’ - 9to5Mac

OpenAI

  1. Introducing GPT-5.3-Codex - OpenAI 官方
  2. GPT-5.3-Codex System Card - OpenAI
  3. GPT-5.3-Codex: Features, Benchmarks, and Migration Guide - DigitalApplied

Peter Steinberger / OpenClaw

  1. OpenClaw, OpenAI and the future - Peter Steinberger 本人
  2. OpenClaw creator Peter Steinberger joins OpenAI - TechCrunch
  3. OpenClaw creator Peter Steinberger joining OpenAI, Altman says - CNBC
  4. Peter Steinberger 推特公告

Google

  1. NotebookLM 官方公告 - Prompt-Based Revisions & PPTX Support
  2. Generate a Slide Deck in NotebookLM - Google Support

對比分析

  1. Claude Opus 4.6 vs GPT-5.3-Codex: 2026 AI Coding Benchmarks
  2. Claude Opus 4.6: What Actually Changed and Why It Matters - Medium