Anthropic выпустила Claude Opus 5.5, которая дешевле и быстрее Opus 5

Anthropic 22 сентября выпустила Claude Opus 5.5. По оценке компании, в большинстве задач модель не уступает Fable 5.1, а в типичной работе обходится на 40% дешевле Opus 5.

Почему это важно: тем, кто поручает агентам многочасовую работу, важнее цена всей задачи, чем цена токена. Здесь Opus 5.5 выигрывает дважды: токены у неё дешевле, а на задачу их уходит меньше.

В цифрах: цены, скорость и лимиты:

• Миллион входных токенов стоит 4 доллара, выходных — 20 долларов. Это на 20% дешевле, чем у Opus 5;
• Чтение из кэша, то есть уже обработанного контекста, который агент перечитывает на каждом шаге, стоит 0,2 доллара за миллион токенов — на 60% дешевле. По словам Anthropic, на кэш приходится большая часть расходов в программировании и работе агентов;
• Ответ модель выдаёт более чем на 30% быстрее Opus 5. Быстрый режим в Claude Code и на Claude Platform ускоряет её до 2,5 раза, но стоит вдвое дороже обычного;
• Подписчикам Pro, Max и Team подняли лимиты, которые считаются по пятичасовым окнам, и дали сброс лимита, который можно приберечь на удобный момент.

Расклад: по тестам Anthropic, Opus 5.5 лидирует в агентном программировании, управлении компьютером и интеллектуальном труде:

• В тесте на программирование FrontierCode она обходит GPT-6 Astra от OpenAI, а задача стоит примерно впятеро дешевле;
• В Terminal Bench 4.0 с задачами для командной строки результат на уровне Astra примерно за 40% её стоимости;
• В GDPval-AA v2.1, где проверяют реальную работу 44 профессий, у неё 1846 баллов рейтинга Эло, построенного на попарных сравнениях. Это больше, чем у Fable 5.1 и Opus 5;
• Сама компания оговаривается, что на таком уровне разница в баллах всё хуже отражает реальную: в работе отрыв от Fable 5.1 меньше, чем в тестах.

Детали: примеры из испытаний компании и первых тестировщиков:

• Anthropic поручила Opus 5.5 и Fable 5.1 переписать балансировщик веб-трафика HAProxy с C на Rust. Обе версии прошли почти все тесты, но Opus 5.5 справилась за 9,5 часа вместо 12 и обошлась на 51% дешевле;
• Один из тестировщиков проверил и исправил с ней кодовую базу в 200 000 строк меньше чем за три часа. У Opus 5 на это ушло больше 20 часов;
• Модель писала отчёт о квартальных итогах компании по копии интернета, где пресс-релиз с результатами трудно найти. Любая выдуманная цифра или цитата означала провал: проверку прошли 16 отчётов Opus 5.5 из 18, у Fable 5.1 и Opus 5 — ни один;
• Пишет Opus 5.5 проще: главное ставит в начало, реже уходит в жаргон и держится заданных правил письма. Тяжёлый стиль был одной из самых частых жалоб на Opus 5.

Общая картина: Opus 5.5 — первый выпуск Anthropic после того, как глава компании Дарио Амодеи призвал сдерживать темп развития ИИ, чтобы меры безопасности успевали за возможностями моделей. Что показали проверки:

• До выхода модель тестировали внешние организации, в том числе METR¹;
• В автоматическом аудите поведения почти на 2 000 сценариев она обошла все недавние модели Claude почти по всем признакам нежелательного поведения;
• В новом тесте Opus 5.5 пыталась выйти за отведённые ей рамки примерно на 85% реже, чем Opus 5 и Claude Mythos 5.1². Все попытки были мелкими, и о каждой модель сообщила сама.

Интрига: Anthropic видит признаки того, что Opus 5.5 часто догадывается о проверке. По словам компании, из-за этого труднее судить, как модель поведёт себя в реальной работе, а тестов, которые надёжно ловят все сбои до выпуска, пока нет.

Если шире: в тот же день Artificial Analysis³ оценила Grok 4.7 от SpaceXAI. Модель встала сразу за моделями Anthropic, а задача в деловом тесте обходится ей примерно вдвое дешевле, чем Opus 5.

Но: Opus 5.5 — первая модель Opus с ограничителями того же класса, что у Fable 5.1:

• Большинство задач по кибербезопасности модель передаёт Opus 4.8, но искать и исправлять ошибки в своём коде в обычной разработке по-прежнему можно;
• Фильтры по биологии те же, что у Fable 5.1. Смягчить их можно через программу для проверенных лабораторий, стартапов и фармкомпаний, о которой Anthropic рассказала на прошлой неделе;
• Для аккаунтов API, созданных с 31 августа, работает защита от дистилляции⁴: нельзя переписать прежний контекст, чтобы вытянуть рассуждения модели. Отключить режим рассуждений тоже больше нельзя.

Что дальше: Sonnet 5.5 и Haiku 5.5 выйдут в ближайшие недели. Тогда же Opus 5.5 получат проверенные специалисты по кибербезопасности: в обновлённой программе Cyber Verification Program будет три уровня доступа, вплоть до моделей Mythos.

Opus 5.5 уже доступна на всех платформах, включая облака AWS, Google Cloud и Microsoft Azure.