Anthropic выпустила Opus 5.5: в большинстве задач наравне с Fable 5.1 и на 40% дешевле Opus 5

Anthropic выпустила Claude Opus 5.5 — первую модель нового семейства Claude 5.5. По оценке компании, в большинстве задач она работает на уровне Fable 5.1, которую Anthropic выпустила в начале сентября. При этом типичная работа на ней обходится на 40% дешевле, чем на Opus 5. Модель уже доступна на всех платформах, включая AWS, Google Cloud и Microsoft Azure. Sonnet 5.5 и Haiku 5.5 выйдут в ближайшие недели.

Экономия складывается из двух частей: миллион токенов стоит дешевле, а на каждую задачу их уходит меньше. Входные и выходные токены стоят 4 и 20 долларов за миллион — на 20% меньше, чем у Opus 5. Чтение из кэша подешевело на 60%, до 0,2 доллара за миллион токенов, а именно оно, по словам компании, составляет большую часть расходов, когда агент пишет код. Текст модель выдаёт более чем на 30% быстрее. В Claude Code и на Claude Platform есть быстрый режим: он работает до 2,5 раза быстрее и стоит 8 и 40 долларов за миллион токенов. Подписчикам Pro, Max и Team подняли пятичасовые лимиты и выдали разовый сброс лимита, который можно приберечь на нужный момент.

Лучше всего Opus 5.5 справляется с долгой и объёмной работой. Во внутреннем тесте её и Fable 5.1 попросили переписать с C на Rust балансировщик веб-трафика HAProxy. Обе версии прошли почти все собственные тесты проекта, но Opus 5.5 управилась за 9,5 часа вместо 12 и потратила на 51% меньше денег. Один из ранних тестировщиков за неполные три часа проверил и исправил кодовую базу в 200 000 строк. У Opus 5 на ту же работу ушло больше 20 часов. В другом тесте модели писали отчёт о квартальных результатах компании, а автоматический проверяющий сверял каждую цифру и цитату с источниками. Из 18 отчётов Opus 5.5 проверку прошли 16. У Fable 5.1 и Opus 5 не прошёл ни один.

По бенчмаркам Anthropic модель лидирует в агентном программировании, управлении компьютером и офисной работе. На среднем уровне усилий она обходит GPT-6 Astra на максимальном, хотя задача стоит примерно впятеро дешевле. Сама компания оговаривается, что на таком уровне разрыв в баллах плохо предсказывает разницу в реальной работе. По её опыту, Opus 5.5 отстаёт от Fable 5.1 меньше, чем говорят цифры.

Ещё одна перемена касается текстов. На Opus 5 чаще всего жаловались за многословие, и Opus 5.5 пишет проще: сначала главное, меньше жаргона, и правила оформления, которые задал пользователь, она соблюдает. «Она пишет так же, как я», — сказал о ней один из ранних тестировщиков.

Это первый релиз Anthropic после того, как глава компании Дарио Амодеи призвал сдерживать темп развития передовых моделей, чтобы меры безопасности успевали за их возможностями. В проверке поведения на почти 2 000 сценариях Opus 5.5 показала лучший результат среди недавних моделей Claude. Выйти за отведённые ей границы она пыталась примерно на 85% реже, чем Opus 5 и Mythos 5.1, и каждый раз сама об этом сообщала. Но Anthropic признаёт, что модель часто подозревает, что её проверяют. Поэтому нельзя быть уверенными, что в реальной работе она поведёт себя так же.

В биологии и кибербезопасности Opus 5.5 сравнялась с Mythos 5.1 — версией, которую дают только проверенным специалистам. Поэтому ограничения у неё такие же, как у Fable 5.1. Находить и чинить ошибки в собственном коде можно, но большинство задач по кибербезопасности будут уходить на Opus 4.8. Похожим образом Fable 5 переключала на Opus 5 вопросы о биологии. Проверенные организации — университетские лаборатории, стартапы, фармкомпании — могут подать заявку в новую программу Life Sciences Verification Program и получить более мягкие ограничения для биологических исследований. Программу для специалистов по кибербезопасности в ближайшие недели расширят на Opus 5.5. Кроме того, у модели больше нельзя отключить режим рассуждений. А API-аккаунты, созданные с 31 августа, не могут редактировать прошлый контекст, чтобы вытащить из модели её рассуждения, — так Anthropic защищается от копирования модели.