Anthropic 升级 Claude 搜索工具：边搜边跑代码过滤，Token 省 24%

过去让 AI 上网搜资料，过程往往粗暴得像个大胃王比赛：输入一个关键词，抓回几篇网页的完整 HTML，带着导航栏、广告和冗余代码一股脑塞进上下文，再让模型慢慢看。

结果可想而知。模型不仅容易被无关噪音带偏，昂贵的上下文空间也被白白烧掉。Anthropic 决定给 AI 配一把手术刀。

Anthropic 为 Claude Sonnet 4.6 和 Opus 4.6 推出了带有「动态过滤」功能的新版网页搜索与抓取工具。模型不再直接吞下整个网页，而是在数据进入上下文窗口之前，原生编写并运行代码，把无关内容剔除干净。

让 AI 像研究员一样写代码洗数据

在传统的工作流里，AI 面对的是几十页连同排版标签在内的原始 HTML。搜索虽然能找来信息，但大量噪音反而会拉低回答的质量。

新的动态过滤机制改变了这一步。当 Claude 发起搜索或抓取网页时，它会在后台的沙箱中直接写一段 Python 代码，用来解析文本、筛选核心字段、比对多个信源。只有真正相关的结果，才会被加载进上下文窗口。

Quora 旗下的 Poe 平台测试了这一功能。其产品与研究主管 Gareth Jones 评价称，Opus 4.6 配合动态过滤在他们的内部基准评测中拿下了对其他前沿模型的最高准确率。他提到，这个模型现在的行为像一个真正的研究员，靠写代码去解析和交叉比对，而不是对着原始 HTML 发呆。

根据官方公布的数据，在考察寻找冷门隐蔽信息的 BrowseComp 基准测试中，Sonnet 4.6 的准确率从 33.3% 提高到 46.6%，Opus 4.6 则从 45.3% 飙升至 61.6%。

在考察多步调研和全面性的 DeepsearchQA 测试中，综合精确度与召回率的 F1 分数同样明显提升。Sonnet 4.6 从 52.6% 涨至 59.4%，Opus 4.6 则从 69.8% 攀升到 77.3%。两项基准综合下来，准确率平均提升了 11%，同时输入 token 减少了 24%。

除了动态过滤，Anthropic 还同步将代码执行、跨会话记忆、编程式工具调用、工具搜索以及工具示例等一揽子能力转为正式可用。

为什么重要

我们认为，Anthropic 这次踩准了 AI 智能体落地的关键痛点：别把上下文窗口当垃圾桶。

对开发者和企业来说，这项更新最大的价值在于解决复杂搜索任务的幻觉与遗漏。无论是扒冷门技术文档，还是多方核实财报数据，让模型在上下文之外先用代码洗一遍数据，准确度提升非常立竿见影。Sonnet 4.6 用户还能顺带省下不少输入 token 费用。

但这里有一个需要权衡的算盘。官方明确提到，模型写代码过滤本身也要消耗生成 token，导致价格昂贵的 Opus 4.6 在两项测试中的价格加权成本反而上升了。如果你跑的是日常高频检索，盲目开着 Opus 可能会让账单变厚，拿 Sonnet 4.6 做主力看起来是更划算的选择。

从行业演进来看，这标志着大模型工具调用正在从「暴力堆上下文」转向「端到端程序化过滤」。以前行业拼命把上下文窗口拉到几兆，但现实证明噪音越多模型越笨。Anthropic 用代码沙箱在门外把关，既保证了信息纯度，又没有牺牲灵活性。接下来，预计其他大模型厂商也会迅速跟进这种「先写代码洗数据、再喂给大脑」的预处理架构。