Claude Opus 5: возможности флагмана за полцены
Claude Opus 5: мощный ИИ по цене вдвое ниже флагмана
Anthropic представила Claude Opus 5 — новую модель, которая вплотную приближается к возможностям топового Claude Fable 5, но обходится вдвое дешевле. Это уже не просто апгрейд: по ряду ключевых бенчмарков Opus 5 устанавливает новые рекорды среди всех доступных моделей.
—
Производительность и экономичность
Claude Opus 5 обеспечивает кардинально улучшенные результаты при той же стоимости, что и предшественник — Opus 4.8. Модель поддерживает настройку уровня усилий (effort setting), позволяя балансировать между максимальным качеством и экономией токенов.
На бенчмарке Frontier-Bench v0.1 Opus 5 превзошёл все остальные модели и более чем удвоил показатели Opus 4.8 при меньшей стоимости задачи. На CursorBench 3.2 при максимальном уровне усилий модель отстаёт от Fable 5 менее чем на 0,5%, при этом стоит вдвое дешевле — и при любом уровне нагрузки показывает лучшее соотношение результат/стоимость среди всех конкурентов.
Знания и решение задач
Не менее впечатляющие результаты Opus 5 демонстрирует в области аналитики и работы со знаниями. На ARC-AGI 3 — бенчмарке на решение принципиально новых задач — Opus 5 набрал в три раза больше очков, чем второй по результату конкурент. На Zapier AutomationBench, который проверяет способность модели выполнять бизнес-задачи от начала до конца, показатель успешных выполнений у Opus 5 примерно в 1,5 раза выше, чем у ближайшего соперника при том же бюджете токенов. Даже на минимальном уровне усилий Opus 5 справляется с большим количеством задач, чем любая другая модель.
На OSWorld 2.0 — бенчмарке по управлению компьютером — Opus 5 превосходит все остальные модели при любом уровне затрат: результат лучше пикового показателя Fable 5 достигается примерно за треть его стоимости.
Научные исследования и визуальные возможности
Opus 5 заметно улучшился в области научных задач по сравнению с Opus 4.8: прогресс виден на всех оценках в сфере наук о жизни — структурной биологии, органической химии и биоинформатике. Особенно выделяются задачи органической химии: например, определение молекулярных структур по данным спектроскопии (+10,2 п.п. по внутреннему бенчмарку) и предсказание влияния вариаций в последовательности белков на их функции (+7,7 п.п.).
Кроме того, Opus 5 значительно улучшился в генерации визуального контента — модель способна создавать интерактивные 3D-визуализации и анимации прямо в браузере.
—
Примеры реальной работы модели
Anthropic опубликовала несколько показательных примеров того, как Opus 5 справляется с нестандартными задачами.
В одном из тестов Frontier-Bench модели дали чертёж детали машины и попросили написать код для создания 3D-модели в FreeCAD — без прямого доступа к исходному изображению. Opus 5 самостоятельно написал pipeline компьютерного зрения для извлечения геометрии из пикселей и успешно реконструировал деталь. Ни одна из конкурирующих моделей в аналогичных условиях не справилась с задачей за пять попыток.
В другом случае Opus 5 обнаружил баг в популярном менеджере пакетов с открытым исходным кодом — и исправил не только то, что поправило сообщество, но и пограничный случай, который патч разработчиков пропустил. Конкурирующая модель устранила лишь внешний симптом, не добравшись до корня проблемы.
Инженер трейдинговой компании с помощью Opus 5 построил фид рыночных данных для новой биржи за одну сессию. Предыдущие модели с этой задачей не справлялись вообще. Не найдя готового потока для валидации, Opus 5 самостоятельно создал тестовый стенд для проверки корректности разбора данных.
—
Отзывы ранних пользователей
Партнёры Anthropic, получившие ранний доступ к модели, поделились конкретными результатами:
Devin (Cognition): на FrontierCode 1.1 Opus 5 приближается к уровню Fable при вдвое меньших затратах; особенно силён в сложной отладке и анализе первопричин.
Cursor: по CursorBench результат чуть ниже Fable 5, но поведение модели очень похоже — разработчики ожидают высокого интереса со стороны своей аудитории.
Zapier: на AutomationBench Opus 5 возглавил таблицу лидеров без увеличения расхода токенов. Задача по предотвращению оттока клиентов — от анализа таблицы до уведомления ответственных и сводки для операционной команды — выполнена на 100%. Предыдущие модели с ней не справлялись.
Genomics AI (Genomics AI): модель ведёт себя как внимательный учёный: выбирает правильные статистические тесты для устранения confounders, перепроверяет результаты независимыми методами и не теряет нить в длинных многошаговых анализах.
Lovable: Opus 5 — лучший в семействе на внутренних тестах, на 22% опережает Opus 4.7 на сложных агентных задачах и отличается значительно меньшей дисперсией результатов от запуска к запуску.
AlphaFinance: на самых сложных задачах финансового моделирования модель в среднем на 9 п.п. точнее Opus 4.8 при на треть меньшем числе шагов и 60% экономии времени.
Lexion (юридические технологии): на редактировании контрактов с первого обращения Opus 5 показал почти вдвое лучший результат, чем Opus 4.8. При этом достигает сопоставимого качества при генерации на 26% меньшего числа токенов на максимальном reasoning.
—
Безопасность и соответствие принципам
Согласованность с ценностями
По результатам автоматизированного поведенческого аудита Anthropic, Opus 5 — наиболее согласованная с принципами компании модель на сегодняшний день. По шкале нежелательного поведения она набрала 2,3 балла — это минимум среди всех недавних моделей Anthropic. Opus 5 лучше следует Claude’s Constitution, демонстрирует наименьший уровень вводящего в заблуждение поведения и труднее всего поддаётся манипуляциям с целью злоупотребления.
Кибербезопасность
Opus 5 не преодолевает нынешнюю границу рискованных возможностей двойного использования. Модель намеренно не обучалась на задачах в области кибербезопасности, однако всё равно улучшила свои результаты благодаря росту общих способностей. На обнаружение уязвимостей Opus 5 выходит на уровень, близкий к Mythos 5, однако в области эксплуатации этих уязвимостей — то есть их превращения в реальные угрозы — существенно отстаёт.
Для профессионалов в области кибербезопасности действует Cyber Verification Program (CVP): участники программы сразу получают доступ к версии Opus 5 с менее строгими ограничениями. Кроме того, теперь доступен автоматический fallback: запросы, заблокированные классификаторами безопасности на уровне Opus 5 или Fable 5, автоматически перенаправляются к другой модели вместо полного отказа.
Биология
Набор защитных механизмов Opus 5 аналогичен Opus 4.8, что делает её наиболее мощной из общедоступных моделей для научных исследований. При этом сохраняются важные ограничения на длительные автономные исследовательские задачи — именно в этой области AI-системы несут наибольшие биологические риски.
—
Доступность и цены
Claude Opus 5 доступен уже сегодня на всех платформах Anthropic по цене $5 за миллион входных токенов и $25 за миллион выходных — столько же, сколько стоил Opus 4.8. Для разработчиков модель доступна через Claude API под именем `claude-opus-5`.
Также предусмотрен Fast mode — ускорение примерно в 2,5 раза относительно стандартной скорости — за двойную цену базового тарифа. Opus 5 становится моделью по умолчанию на тарифе Claude Max и самой мощной моделью на Claude Pro.
Одновременно с релизом Anthropic запустила в бета-тестировании два нововведения: возможность менять набор инструментов прямо в ходе диалога без сброса кэша промптов, а также автоматические fallback-перенаправления на уровне API.
—
Claude Opus 5 — это новый ориентир в соотношении интеллекта и стоимости среди языковых моделей: возможности флагманского уровня теперь доступны за половину его цены, а в ряде ключевых задач модель и вовсе устанавливает абсолютные рекорды.
Источник: Anthropic — Introducing Claude Opus 5