🆕 Claude Opus 5: фронтир-интеллект за половину цены

Anthropic выпустила Claude Opus 5 — модель, которая приближается к возможностям Claude Fable 5, но стоит вдвое дешевле. Она стала новой моделью по умолчанию в Claude Max и самой сильной доступной моделью в Claude Pro. Цена осталась на уровне предшественника: $5 за миллион входных и $25 за миллион выходных токенов.

На инженерных и knowledge-work бенчмарках Opus 5 — новый state-of-the-art. На Frontier-Bench v0.1 модель более чем вдвое превосходит Opus 4.8 при меньшей стоимости задачи, на CursorBench 3.2 при максимальном усилии отстаёт от Fable 5 всего на 0,5%, но при вдвое меньших затратах. На ARC-AGI 3 результат втрое выше ближайшего конкурента, на Zapier AutomationBench — пасс-рейт примерно в 1,5 раза выше при той же цене. Появился Fast mode, работающий примерно в 2,5 раза быстрее за двойную цену.

Ключевое отличие — не столько скорость, сколько «характер» работы: модель проверяет себя и итерирует до результата. В одном из тестов, где ей не дали способа посмотреть на чертёж детали, Opus 5 сама написала CV-пайплайн, вытащила геометрию из пикселей и собрала 3D-модель во FreeCAD — ни одна другая модель этого не смогла за пять попыток. По внутреннему аудиту это самая согласованная модель Anthropic на сегодня: минимум обманчивого поведения и наименьшая подверженность попыткам обмануть её ради misuse. Кибер-классификаторы стали заметно мягче — срабатывают примерно на 85% реже, чем у Fable 5, при этом бинарный анализ, пентест и генерация эксплойтов по-прежнему блокируются.

В бете вышли два обновления платформы: смена набора инструментов посреди диалога без сброса кэша промпта и автоматические фолбэки на API, когда запрос помечен классификатором.

#AI #Claude #Anthropic #Opus5 #LLM #Development

⚖️ Anthropic Opus 5 приближается к Mythos 5 по поиску багов, но уступает в эксплуатации

Новая модель Anthropic Opus 5 показала высокую эффективность в поиске уязвимостей, почти сравнявшись с Mythos 5. Однако она полностью блокирует бинарное сканирование, пентесты и генерацию эксплойтов — в этих задачах Opus 5 уступает конкуренту.

Разработчики намеренно ограничили функции эксплуатации из соображений безопасности. Это делает Opus 5 полезным для автоматизированного выявления багов, но непригодным для полноценного тестирования на проникновение. Для специалистов по кибербезопасности это означает, что модель можно использовать на этапе обнаружения уязвимостей, но для проверки их эксплуатации потребуются другие инструменты.

#AI #Anthropic #Opus5 #Mythos5 #CyberSecurity