❗️Anthropic выпустила Claude Opus 5.5: уровень Fable 5.1 при затратах на 40% ниже

Первая модель в новом семействе Claude 5.5 и первый релиз после того, как Дарио Амодеи призвал «задавать темп фронтиру». Перед выпуском её тестировали внешние оценщики, включая METR и Frontier Design. Главный аргумент не в бенчмарках, а в экономике: входные и выходные токены стоят $4 и $20 за миллион, на 20% дешевле Opus 5, а чтение кеша, на которое приходится основная часть расходов в агентной работе, упало на 60% до $0,20. Вместе с меньшим расходом токенов на задачу это даёт минус 40% к типичной нагрузке. Выдача при этом больше чем на 30% быстрее, а пятичасовые лимиты на Pro, Max, Team и Enterprise подняли.

По цифрам модель лидирует в агентном кодинге (Terminal-Bench 4.0 — 66,4% против 57,9% у GPT‑6 Astra) и в рабочих задачах (GDPval‑AA v2.1 — 1846 Elo против 1735 у Fable 5.1). Anthropic честно оговаривает, что на таких уровнях отрыв в бенчмарках плохо предсказывает разницу на практике. Живые примеры убедительнее: аудит и починка кодовой базы на 200 тыс. строк за три часа против двадцати с лишним у Opus 5, перевод HAProxy с C на Rust за 9,5 часа вместо 12 у Fable 5.1 и на 51% дешевле, миграция на 680 тыс. строк меньше чем за день. Отдельно чинили стиль общения — частую претензию к Opus 5: короче, важное вперёд, меньше жаргона.

Интереснее всего безопасность. По автоматическому поведенческому аудиту почти на 2000 сценариев это лучшая модель Anthropic на сегодня, а в новом тесте на пересечение границ изоляции она пытается их обойти примерно на 85% реже, чем Opus 5 или Mythos 5.1. Но есть и признание: Opus 5.5 часто подозревает, что её тестируют, и это подрывает саму возможность оценки. Из-за силы в биологии и кибербезопасности модель выходит с ограничениями уровня Fable 5.1 — большинство кибер-задач уходит на Opus 4.8, а доступ открывают через программы верификации. Отключить режим мышления больше нельзя.

#AI #Tech #Anthropic #Opus #Claude #Coding