Anthropic представила Claude Opus 5.5 — флагманський ШІ для всіх, який дешевший і в багатьох аспектах не поступається Fable 5.1

Anthropic анонсувала мовну модель Claude Opus 5.5 — першу в новому сімействі Claude 5.5. Компанія називає її своїм новим флагманом: модель повинна значно перевершувати Claude Opus 5 в агентному програмуванні, роботі з комп'ютером та прикладних офісних завданнях, при цьому її використання, за даними компанії, обходиться в середньому на 40 % дешевше.

Джерело зображень: Anthropic

Одним з основних напрямків розвитку Opus 5.5 стала робота зі складними та тривалими завданнями, в яких модель повинна самостійно планувати роботу, використовувати інструменти, перевіряти проміжні результати та вносити зміни в великий проект.

За даними розробника, один з ранніх користувачів за допомогою Claude Opus 5.5 виконав міграцію кодової бази обсягом 680 тисяч рядків менш ніж за добу — вручну така задача, за його оцінкою, зайняла б у команди інженерів кілька тижнів. В іншому тесті модель провела аудит і виправлення кодової бази на 200 000 рядків менш ніж за три години; попередній версії Claude Opus 5 на аналогічну роботу знадобилося більше 20 годин і в 2,5 рази більше токенів.

В тесті з міграції HAProxy з мови C на Rust модель Opus 5.5 завершила роботу за 9,5 години проти 12 годин у Fable 5.1, і її робота обійшлася на 51 % дешевше. Anthropic також відзначає покращення при оптимізації програмного забезпечення: в одному з випробувань Opus 5.5 змогла скоротити час завантаження всіх сторінок веб-додатку в 39 з 40 випадків, тоді як Opus 5 частіше вносила менш значні зміни і могла при цьому змінювати поведінку додатку.

За внутрішніми тестами Anthropic, в бенчмарку Terminal-Bench 4.0, що оцінює здатність ІІ-агентів виконувати багатоступеневі завдання в командному рядку, Claude Opus 5.5 набрала 66,4 %. Це вище результатів Claude Opus 5, Fable 5.1, GPT-6 Astra та GPT-5.6 Sol. У FrontierCode v1.1 нова модель отримала 54,4 %, тоді як Claude Fable 5.1 набрала 50,3 %, а GPT-6 Astra — 53,3 %. У бенчмарку CursorBench 4.0 результат Opus 5.5 склав 57,8 %, що краще показників Fable 5.1 та Opus 5.

Anthropic окремо відзначає, що у випадку з флагманськими моделями різниця в бенчмарках не завжди точно відображає реальні відмінності між моделями. За її власною оцінкою, практичний розрив між Opus 5.5 та Claude Fable 5.1 менший, ніж можна припустити за наведеними результатами випробувань.

Розробник також обіцяє покращення в роботі з текстами, дослідженнями, фінансовими моделями та діловими документами. На тесті GDPval-AA v2.1, який імітує професійні завдання по 44 спеціальностях, Claude Opus 5.5 отримала рейтинг 1846 очок. Для порівняння, у Fable 5.1 цей показник склав 1735, а у Opus 5 — 1708.

В одному з внутрішніх тестів модель попросили підготувати звіт по фінансовим результатам компанії, використовуючи спеціально підготовлену копію Мережі, де потрібний реліз було важко знайти. Opus 5.5 пройшла встановлений компанією поріг якості — коли помилка в будь-якій цифрі або цитаті призводила до провалу тесту — в 16 з 18 спроб, тоді як Fable 5.1 та Opus 5 не справилися жодного разу.

Anthropic окремо переробила стиль спілкування моделі. Компанія стверджує, що Opus 5.5 стала краще структурувати відповіді, одразу виносити ключову інформацію та рідше використовувати жаргон або незвичайні формулювання. Це повинно зробити модель більш зручною для тривалої спільної роботи з користувачем.

При цьому Anthropic окремо підкреслює ефективність нової моделі. Вартість мільйона вхідних токенів знижена з $5 до $4, а вихідних — з $25 до $20. Читання з кешу подешевшало з $0,50 до $0,20 за мільйон токенів, а запис коштує $5 за 1 млн замість $6,25. За даними компанії, з урахуванням меншої кількості токенів, необхідних для виконання завдань, загальна вартість використання моделі в середньому знижується на 40 %. Швидкість генерації також зросла більш ніж на 30 %. Для Opus 5.5 передбачений і прискорений режим Fast Mode: в Claude Code та Claude Platform він забезпечує швидкість до 2,5 разів вищу за стандартну, але коштує $8 за мільйон вхідних та $40 за мільйон вихідних токенів.

Перед випуском Claude Opus 5.5 пройшла зовнішнє тестування, в тому числі з участю Frontier Design та METR. Anthropic стверджує, що модель краще попередніх Claude дотримується заданих обмежень, а в тестах на спроби вийти за межі ізольованого середовища робила це приблизно на 85 % рідше, ніж Opus 5 та Mythos 5.1. При цьому компанія визнає, що повністю виявити ризики поведінки ІІ до розгортання неможливо.

Для чутливих запитів у сфері кібербезпеки, біології та дистиляції моделей діють додаткові заходи контролю. Більшість завдань з кібербезпеки буде перенаправлятися на Claude Opus 4.8, а розширений доступ до Opus 5.5 зможуть отримати перевірені спеціалісти через програми Cyber Verification та Life Sciences Verification.

Також стверджується, що Opus 5.5 краще протистоїть атакам з впровадженням інструкцій (prompt injection) і рідше вживає незворотні дії. Крім того, Anthropic впровадила механізм preserved thinking, покликаний ускладнити масове витягування внутрішніх міркувань моделі через мережу підроблених API-акаунтів.

Claude Opus 5.5 вже доступна в чат-боті Claude, через API та інші сервіси Anthropic. У найближчі тижні Anthropic також обіцяє випустити Claude Sonnet 5.5 та Claude Haiku 5.5, які отримають багато з тих же покращень продуктивності, ефективності та безпеки.

Хочеш дізнатися більше — читай відгуки