OpenAI og Anthropic lanserer duellende modeller mens AI-våpenkappløpet intensiveres

OpenAI og Anthropic lanserte nye flaggskipmodeller innen minutter av hverandre i dag, mens OpenAI samtidig lanserte en bedriftsagentplattform og Perplexity introduserte en multimodellforskningsfunksjon. I dag ble det annonsert flere viktige AI-produktlanseringer på en ettermiddag enn det som vanligvis skjer på en uke.

Her er hva som ble lansert og hva det betyr.

Anthropics Opus 4.6: Agent Teams og en million-token-vindu

Anthropic lanserte Claude Opus 4.6, sin mest kapable modell, med to overskriftfunksjoner: et million-token-kontekstvindu og en ny funksjon kalt Agent Teams.

Kontekstvinduet er den største tekniske prestasjonen. Ved en million token kan Opus 4.6 prosessere omtrent 3 000 sider med tekst i en enkelt prompt — fire ganger 256 000-token-grensen for dens forgjenger. Kombinert med 128 000-token-utgangsstøtte, kan modellen nå inngi og arbeide med hele kodebasen, regulatoriske innlegg eller forskningskorpus uten chunking eller sammenfatting.

Agent Teams, tilgjengelig i Claude Code, lar flere Claude-eksemplarer arbeide parallelt på en delt kodebase. I stedet for at en enkelt agent utfører oppgaver sekvensielt, kan utviklere starte opp team der en agent håndterer frontend-endringer, en annen skriver tester og en tredje refaktorerer backend-logikk — alle koordinerer på samme prosjekt samtidig.

Opus 4.6 introduserer også adaptiv tenkning, som lar modellen kalibrere hvor mye tankeinnsats den skal investere i en gitt prompt. Enkle spørsmål får rask respons; komplekse problemer utløser dypere utvidet tenkning. Utviklere kan justere dette via innsatskontroller på fire nivåer: lav, medium, høy og maks.

På benchmark, scorer Opus 4.6 høyest på Terminal-Bench 2.0 for agentic coding og leder Humanity’s Last Exam, en kompleks resonneringsutvurdering. Anthropic hevder en 144-poengs Elo-fordel over GPT-5.2 på GDPval-AA-utvurderingen og en 190-poengs forbedring over Opus 4.5.

API-prising forblir uendret på 5 dollar per million inndata-token og 25 dollar per million utdata-token, selv om prompter som overstiger 200 000 token har en premiepris på 10/37,50 dollar.

I en bemerkelsesverdig bedriftsbevegelse annonserte Anthropic en forskningsforhåndsvisning av Claude i Microsoft PowerPoint, der modellen kan lese eksisterende sideskjemata og maler og generere eller redigere presentasjoner samtidig som den bevarende bedriftsformateringen.

OpenAIs GPT-5.3-Codex: Modellen som hjalp til å bygge seg selv

Minutter etter Anthropics annonsering, lanserte OpenAI GPT-5.3-Codex, sin mest kapable kodemodell. Lanseringen forener den fremre kodingsytelsen til GPT-5.2-Codex med resonnerings- og profesjonskunnskapsfunksjonene til GPT-5.2 i ett enkelt system som også er 25 prosent raskere.

Det mest bemerkelsesverdige kravet: GPT-5.3-Codex hjalp til å bygge seg selv. OpenAIs Codex-team brukte tidlige versjoner av modellen under sin egen treningprosess — feilsøking av treningsløp, håndtering av distribusjonsinfrastruktur og diagnostisering av utvurderingsresultater. Dette er OpenAIs første offentlige erkjennelse av at en modell var avgjørende for sin egen utvikling, en milepæl som reiser både effektivitets- og sikkerhetsproblemer.

GPT-5.3-Codex setter nye bransje-rekorder på SWE-Bench Pro og Terminal-Bench, benchmark som vurderer virkelige programvareutviklingsoppgaver. Modellen kan håndtere langvarige oppgaver som involverer forskning, verktøybruk og kompleks utførelse, og brukerne kan samhandle med den midt i oppgaven uten å miste konteksten — mer som å samarbeide med en kollega enn å gi kommandoer.

Modellen er nå tilgjengelig for alle ChatGPT-betaleplanbrukere gjennom Codex-appen, CLI, IDE-utvidelsen og nettgrensesnittet. API-tilgang kommer snart.

For utviklere som velger mellom AI-kodegenereringer, er det konkurransebildet nå skarpt definert: Opus 4.6 leder på agentkoordinering og lang-kontekst arbeid, mens GPT-5.3-Codex betoner hastighet og integrert resonnering. Begge hevder toppmerker på overlappende benchmark, og verktøy som Cursor og Apples Xcode støtter begge, så utviklere kan bytte fritt.

OpenAI Frontier: Bedriftsagenter får sin egen plattform

Samtidig med modellanseringen introduserte OpenAI Frontier, en bedriftsplattform for å bygge, distribuere og håndtere AI-agenter. Frontier kobler til databaser, CRM-systemer, HR-plattformer, billettsystemer og andre forretningsapplikasjoner, og lar så AI-agenter utføre prosesser over dem.

OpenAI beskrev Frontier som “en semantisk lag for bedriften” der menneskelige ansatte og AI-agenter opererer på samme plattform med delt data-tilgang og sikkerhetskontroller. Agenter får ansatt-liknende identiteter, delt organisatorisk kontekst og bedriftsgraderte tillatelser.

Plattformen er modell-uavhengig — bedrifter kan håndtere agenter bygget på OpenAIs modeller sammen med de fra Google (GOOGL ), Microsoft og Anthropic. Innledende kunder inkluderer Intuit (INTU ), State Farm, Thermo Fisher og Uber.

Frontier stiller OpenAI i stand til å konkurrere direkte med bedriftsplattformer som Salesforce’s Agentforce og ServiceNow’s AI-agenter. Forskjellen: OpenAI bygger fra modell-laget og opp, mens etablerte aktører legger til AI på eksisterende arbeidsflyt-verktøy. Om bedrifter foretrekker sin agent-infrastruktur fra sin AI-leverandør eller sin programvareleverandør, vil definere bedrifts AI-konkurransen i 2026.

Perplexitys Model Council: Tre modeller, ett svar

Perplexity lanserte Model Council, en funksjon som kjører samme spørring over tre modeller samtidig — Claude Opus, GPT og Gemini — og deretter bruker en syntetiseringsmodell til å forsone deres utgang til ett enkelt svar som flagger områder av enighet og uenighet.

Bilde: Perplexity

Premissen er at ingen enkeltmodell er pålitelig best over alle spørsmål. Når tre frontmodeller konvergerer på samme svar, er tilliten høy. Når de divergerer, vet brukerne at de må undersøke videre. Model Council er tilgjengelig for Max-abonnenter og er posisjonert for investeringsforskning, strategisk analyse og kompleks beslutningstaking.

Funksjonen reflekterer Perplexitys strategi for å differensiere gjennom multimodell-koordinering i stedet for å bygge grunnmodeller. Ettersom gapet mellom front AI-chatbots smalner på enkeltbenchmarks, kan aggregasjon av deres utgang være mer verdifullt enn å velge en enkelt leverandør.

Hva det all betyr

Disse lanseringene bekrefter at AI-konkurransen har skiftet fra modellkapasitet til produkt-infrastruktur. Begge OpenAI og Anthropic har modeller som toppmerker på samme benchmark; differensieringen bor nå i hva du kan bygge på toppen av dem.

Perplexity, imidlertid, gjør et stille argument om at modellkrigene kan være mindre viktige enn hvordan du kombinerer modeller. Hvis Model Council viser seg å være nyttig, antyder det at fremtiden ikke handler om å velge mellom Claude og GPT — det handler om å bruke begge.

For utviklere og bedrifter som vurderer sin AI-stakk, har dette gjort avgjørelsen vanskeligere.