Anthropic 融資達 3800 億美元，Claude 企業版擴展至醫療與企業分析
財務與市場規模擴張
Anthropic 於 2026 年 2 月 12 日完成 300 億美元的 G 輪融資，公司估值達 3800 億美元，為歷史上第二大風險投資交易，僅次於 OpenAI 的 400 億美元融資。投資方包括 GIC 與 Coatue，微軟與英偉達亦參與其中。
公司年化收入已達 140 億美元，連續三年實現 10 倍增長。其中，僅 Claude Code 的年化收入即達 25 億美元，較年初翻倍以上。企業訂閱規模過去一年增長四倍。
企業客戶結構與應用擴展
目前企業客戶已貢獻約 80% 的收入，且企業版已支持線上直接購買，無需傳統銷售流程。
財富 500 強前 10 名中已有 8 家為 Claude 客戶，年支出超過 100 萬美元的客戶已超過 500 家（兩年前僅約十餘家），年支出超過 10 萬美元的客戶數量過去一年增長 7 倍。
企業級功能與服務升級
1 月推出支援 HIPAA 的 Enterprise 方案，專為處理敏感醫療數據的機構設計。
2 月 13 日發布 Enterprise Analytics API，可按組織維度提供使用與參與度數據的程序化訪問，成為推動企業採購決策的關鍵能力。
生態系統與合作擴張
Anthropic 推出 Claude Partner Network，投入 1 億美元用於培訓、聯合市場推廣與技術架構支援。
已開發多項專業技能（Skills），涵蓋 PowerPoint、Excel、Word 與 PDF 處理，並支援透過 API 上傳自訂技能，將領域知識與組織流程封裝為可重複使用的能力。
技術能力與 API 升級
自適應推理（effort）取代原有 budget_tokens 模型，Sonnet 4.6 設定為「medium」，可在不顯著影響品質的前提下降低成本；Opus 4.6 新增「max」模式，適用於極限性能場景，但 token 消耗大幅增加。
推理 token 按輸出 token 計費（Opus 為 $25/M），因此 effort 成為自動化流程中的核心成本控制參數。
工具與輸出能力全面正式推出，包含細粒度工具流式調用（tool streaming）與結構化輸出（structured outputs）。
數據駐留支持（可將推理限定於美國，價格為 1.1 倍）已正式生效。
100 萬上下文窗口自動生效，超過 200K token 無需額外配置。
Web 能力全面 GA：在結合 web search 或 web fetch 時免費，搜尋結果支持動態過濾，無額外費用。
API Skills 已正式推出，Anthropic 提供 PowerPoint、Excel、Word 與 PDF 處理的預建技能，並支援透過 /v1/skills 接口上傳自訂技能。
Skills 依賴代碼執行能力啟動，對文檔處理類應用而言，可替代大量自建工具鏈。
上下文壓縮（Context Compaction）機制在會話接近上下文上限時自動啟動，以保留關鍵資訊並釋放空間；隨著 100 萬上下文窗口正式可用，壓縮觸發頻率已明顯下降。
產品整合與跨平臺應用
3 月 11 日更新實現 Excel 與 PowerPoint 之間的上下文共享：在 Excel 中完成的數據分析（如公式、數據視圖、條件格式等），可無縫轉流至 PowerPoint，用於生成演示內容與視覺化結果，過程中不遺失資訊。
最具效率的工作流為：將原始數據導入 Excel，讓 Claude 完成分析、構建數據視圖並提取關鍵趨勢；隨後開啟 PowerPoint，讓 Claude 基於這些分析結果生成演示文稿。
由於上下文已共享，Claude 已掌握數據、核心結論與關鍵數值——無需重複說明、無需跨應用複製貼上，也無需重新排版。
有創作者反饋，從原始季度數據到董事會級報告，僅需約 20 分鐘。
3 月 12 日推出「對話內可視化」（Custom Visuals in Chat）功能，可在對話中直接生成互動式圖表、流程圖與可視化內容，內容基於 HTML 與 SVG 建構，支援懸停與點擊互動，並可隨著對話推進持續更新。
區分為：對話內可視化（Inline Visuals）為臨時性、隨對話動態變化；Artifacts 為持久化、可分享的文件（位於側邊欄）。
建議在探索數據或解釋概念時，優先使用對話內可視化；在需要交付成果時，使用 Artifacts。
典型場景為：在調試過程中說一句：「幫我畫一個認證流程圖。」Claude 即時生成圖示，使用者定位問題後繼續討論，無需切換工具。
Claude Code 核心功能與安全能力
Claude Code 支援非互動模式（headless mode）運行，可直接嵌入自動化流程，如 PR 代碼審查、安全掃描、測試生成、文件更新等。
結合 –output-format json 與 –json-schema，可輸出結構化結果，供自動系統解析並生成 PR 評論。
基礎 GitHub Actions 流程為：PR 創建時觸發 → 執行：claude -p “review this diff…” → 輸出 JSON → 解析並發布評論。
部署成本約 15 分鐘，即可在人工審查前提前發現問題。
關鍵原則：代碼審查應使用獨立 Claude 實例，而非生成代碼的同一會話，因生成代碼的會話保留其推理路徑，更難質疑自身決策；獨立實例更易識別問題。
Claude Code 已具備對完整代碼庫進行安全審計的能力，傳統掃描工具誤報率通常在 30%–60%；Claude 透過語義理解進行跨文件數據流分析，能識別複雜邏輯漏洞。
Anthropic 報告其誤報率低於 5%。在 Opus 4.6 測試中，其安全團隊在多個成熟開源項目中發現超過 500 個漏洞，其中部分問題已存在多年未被識別。隨後，Claude 會透過紅隊機制對結果進行二次篩選，進一步降低誤報。
語音與跨平臺整合
Claude Code 支援語音輸入，實現免鍵盤編程。
典型場景包括：一邊查看代碼，一邊口述重構邏輯；在思考複雜問題時直接語音描述解決方案，透過 /voice 啟用。
儘管早期存在 WebSocket 斷連問題，但已持續優化。
與 Microsoft 的整合
3 月 9 日，微軟推出基於 Claude 模型的「Copilot Cowork」，作為其 99 美元/用戶的 E7 企業訂閱的一部分。
Claude 正逐步成為其他企業產品的底層能力引擎。