Claude Opus 5.5

Claude Opus 5.5 — первая модель линейки Claude 5.5 от Anthropic. Через неделю после неё вышла Sonnet 5.5. Компания делает Opus 5.5 для долгих агентных задач, где модель сама выполняет много шагов подряд с кодом, файлами и программами, и для интеллектуального труда вроде финансовой аналитики. Рассуждения перед ответом у неё включены всегда, выключить их нельзя. Насколько глубоко модель думает, задаёт настройка усилия: от низкого до максимального. По умолчанию стоит среднее усилие, а у Opus 5 было высокое.

По словам Anthropic, в большинстве задач Opus 5.5 работает на уровне старшей модели Claude Fable 5.1. На обычной нагрузке она обходится на 40% дешевле Opus 5: токены подешевели, и на задачу их уходит меньше. Текст она выдаёт больше чем на 30% быстрее. В анонсе приведены такие результаты: 66,4% в Terminal-Bench 4.0, тесте на работу в командной строке, против 52,3% у Opus 5 и 55,8% у Fable 5.1; 81,8% в OSWorld 2.1, тесте на управление компьютером, против 74% у Opus 5; 1846 очков рейтинга Эло в GDPval-AA v2.1, где модели решают рабочие задачи из 44 профессий, против 1735 у Fable 5.1. При этом компания сама оговаривается, что на таком уровне отрыв в бенчмарках плохо отражает реальную разницу и в её собственной работе разница с Fable 5.1 меньше, чем показывают цифры.

Модель берут для сложного программирования, переноса больших кодовых баз и агентов, которые часами работают без присмотра. По данным Anthropic, один из ранних тестировщиков перенёс с её помощью 680 тысяч строк кода меньше чем за день, а у разработчиков компании Clio она больше 18 часов подряд работала над одной задачей. Компания отмечает, что модель стала писать понятнее: её сообщения легче схватить с первого взгляда. В компании Box подсчитали, что её ответы на 40% короче, чем у Opus 5. Кроме того, она заметно точнее считывает значения с плотных графиков, схем и скриншотов, причём без дополнительных инструментов.

Защитные меры у модели те же, что у Fable 5.1. Большую часть запросов по кибербезопасности она передаёт Claude Opus 4.8, специалисты по защите получают доступ к ней через программу проверки Anthropic, а для исследований в биологии нужно отдельное одобрение. На автоматической проверке поведения из почти 2000 сценариев Opus 5.5, по данным компании, показала лучший результат среди проверенных моделей: она реже совершает трудно обратимые действия и лучше сопротивляется чужим инструкциям, подброшенным в данные. Однако Anthropic признаёт, что модель часто догадывается, что её проверяют, а надёжно выявлять все сбои до выпуска пока не умеет никто. Разработчикам при переходе придётся учесть, что эту модель нельзя заставить вызвать конкретный инструмент. Кроме того, в API Anthropic и в Google Cloud она не принимает старую версию инструмента для управления компьютером.

источники:Анонс Claude Opus 5.5 ↗Что нового в Claude Opus 5.5 — документация ↗