Anthropic prezentuje Claude Opus 5: Wysoka wydajność w niższej cenie

Anthropic zaprezentował swój nowy flagowy model językowy, Claude Opus 5, który osiąga czołowe wyniki w zadaniach związanych z kodowaniem i pracą koncepcyjną. Model ten zbliża się do wydajności Claude Fable 5, oferując jednocześnie dwukrotnie niższe stawki za tokeny, co stanowi odpowiedź na presję cenową ze strony konkurencji, takiej jak GPT-5.6 Sol oraz chińskich firm.

Opus 5 staje się domyślnym modelem w Claude Max i najbardziej zaawansowanym dostępnym dla użytkowników Claude Pro. Jego wprowadzenie ma na celu zniwelowanie luki między ceną a wydajnością w porównaniu do droższego Fable 5.

Ceny i efektywność tokenów

Model Opus 5 utrzymuje okno kontekstowe o rozmiarze 1 miliona tokenów oraz niezmienione stawki za tokeny. Podobnie jak jego poprzednik, Opus 4.8, kosztuje 5 USD za milion tokenów wejściowych i 25 USD za milion tokenów wyjściowych. Anthropic wprowadził również nowy tryb Fast Mode, który zwiększa prędkość przetwarzania 2,5-krotnie, ale podwaja cenę.

Jednak same stawki za tokeny nie oddają pełnego obrazu bez uwzględnienia efektywności ich wykorzystania. Poprzednie doświadczenia, na przykład z modelem Opus 4.7, pokazały, że koszt zadania mógł być o 30-40% wyższy niż w przypadku Opus 4.6, mimo identycznych stawek bazowych. Podobna tendencja zaobserwowana została niedawno przy Claude Sonnet 5.

Aby zoptymalizować koszty i wydajność, użytkownicy mogą wybierać spośród pięciu ustawień wysiłku: low, medium, high, xhigh i max. Anthropic twierdzi, że Opus 5 oferuje lepszą wartość niż poprzednie modele na każdym poziomie wysiłku. Firma zaleca szerokie stosowanie ustawień low i medium, podkreślając, że zapewniają one dobre rezultaty przy ułamku zużycia tokenów i opóźnień, przewyższając jednocześnie te same ustawienia w starszych modelach Opus. Dla zadań związanych z kodowaniem i agentami, Anthropic nadal rekomenduje rozpoczynanie od ustawienia xhigh.

Wyniki w benchmarkach

Według wewnętrznych benchmarków Anthropic, Opus 5 ustanawia nowe rekordy w kilku kategoriach. Na Frontier-Bench v0.1 model osiąga 43,3% w kodowaniu agentowym w terminalu, znacząco przewyższając Fable 5 (33,7%), GPT-5.6 Sol (34,4%) oraz swojego poprzednika Opus 4.8 (21,1%). W benchmarku pracy koncepcyjnej GDPval-AA v2, Opus 5 prowadzi z wynikiem Elo 1861, wyprzedzając Fable 5 (1747) i GPT-5.6 Sol (1736).

Nie we wszystkich testach Opus 5 jest liderem. W kodowaniu agentowym za pośrednictwem DeepSWE v1.1, GPT-5.6 Sol osiąga 72,7%, wyprzedzając Fable 5 (69,7%) i Opus 5 (68,8%). W zadaniach medycznych i prawnych, Fable 5 i Mythos 5 odpowiednio przewyższają Opus 5.

Największą niespodzianką w benchmarkach Anthropic jest prawdopodobnie wynik w ARC-AGI-3, który mierzy zdolność do rozwiązywania nowych problemów bez zapamiętanych wzorców. Opus 5 osiąga 30,2%, podczas gdy Opus 4.8 zaledwie 1,5%, a GPT-5.6 Sol 7,8%. To prawie czterokrotna przewaga nad kolejnym najlepszym modelem. Brak jest wyniku dla Fable 5 w tym benchmarku, a Anthropic zaznacza, że nie jest jasne, czy tak duża przewaga w teście przełoży się na rzeczywiste zastosowania.

Opus 5 ustępuje modelowi Mythos 5 w zadaniach związanych z cyberbezpieczeństwem. Anthropic wyjaśnia, że celowo nie szkolił Opus 5 w tym obszarze, podobnie jak jego poprzednika. Model zbliża się do Mythos 5 w wykrywaniu luk, ale znacznie gorzej radzi sobie z ich wykorzystywaniem.

Inne ulepszenia i zastosowania

Anthropic podkreśla, że Opus 5 znacząco poprawił się w generowaniu wyników wizualnych oraz analizowaniu treści wizualnych, takich jak wykresy i diagramy. Model jest również znacznie lepszy w samodzielnym sprawdzaniu swojej pracy i iteracyjnym ulepszaniu. Przykładem jest zadanie na Frontier-Bench, gdzie Opus 5 otrzymał rysunek części maszyny i musiał stworzyć model 3D w FreeCAD. Model celowo nie miał bezpośredniego dostępu do rysunku, więc Opus 5 napisał własny potok wizji komputerowej, aby wyodrębnić geometrię z surowych pikseli, a następnie zrekonstruował kompletną część maszyny. Anthropic twierdzi, że żaden inny model nie rozwiązał tego zadania po pięciu próbach.

Opus 5 z powodzeniem zajął się również prawdziwym błędem w popularnym menedżerze pakietów open-source, znajdując jego przyczynę i naprawiając przypadek brzegowy, który został pominięty w poprawce społeczności. Konkurencyjny model naprawił jedynie objaw powierzchniowy, zgłaszając błąd jako rozwiązany.

Inżynier z firmy handlowej użył Opus 5 do zbudowania kanału danych rynkowych dla nowej giełdy podczas jednej sesji, co było niemożliwe dla poprzednich modeli, nawet z szczegółowymi planami.

Konfiguracja bezpieczeństwa Opus 5 pozwala na badania luk w kodzie źródłowym, ale blokuje skanowanie luk oparte na binariach, testy penetracyjne i generowanie exploitów. Klasyfikatory cybernetyczne uruchamiają się o około 85% rzadziej niż w Fable 5, którego częste interwencje spotkały się z krytyką. Zablokowane żądania w Claude.ai, Claude Code i Claude Cowork domyślnie przekierowywane są do Opus 4.8 jako rozwiązania awaryjnego, podobnie jak w przypadku Fable 5.

Anthropic określa Opus 5 jako najbardziej zdolny ogólnodostępny model do badań naukowych. Wykazuje on poprawę w stosunku do Opus 4.8 we wszystkich ocenach nauk przyrodniczych, z wyróżniającymi się ulepszeniami w chemii organicznej (wzrost o 10,2 punktu procentowego w wyprowadzaniu struktur molekularnych z danych spektroskopowych) i zadaniach związanych z białkami (wzrost o 7,7 punktu procentowego).

Obok Opus 5, Anthropic udostępnia dwie funkcje w wersji beta: Mid-Conversation Tool Changes na platformie Claude, umożliwiające deweloperom wymianę dostępnych narzędzi podczas rozmowy bez unieważniania pamięci podręcznej promptów, oraz Automatic Fallbacks w API, które automatycznie przekierowują zablokowane żądania do innego modelu.

Premiera Claude Opus 5 z niższymi cenami i imponującymi wynikami w benchmarkach, zwłaszcza w obszarach kodowania i rozwiązywania problemów, sygnalizuje intensyfikację konkurencji na rynku zaawansowanych modeli językowych. Zdolność modelu do samodzielnego ulepszania pracy i innowacyjne podejście do zadań, takich jak rekonstrukcja części maszyny, pokazują potencjał do rewolucjonizowania procesów w wielu branżach, jednocześnie stawiając nowe wyzwania w zakresie optymalizacji kosztów i efektywnego wykorzystania zasobów AI.

Źródło: the-decoder.com