Anthropic запустила Claude Opus 5: рекорды в программировании и прежняя цена

Компания Anthropic анонсировала новую флагманскую модель искусственного интеллекта Claude Opus 5. Разработчики заявляют, что она показывает лучшие результаты в программировании и интеллектуальных задачах, при этом стоимость осталась на уровне предшественника. Модель уже доступна на всех платформах Anthropic по цене 5 долларов за миллион входных токенов и 25 долларов за миллион выходных. Пользователи могут выбрать ускоренный режим, который работает в 2,5 раза быстрее, но стоит вдвое дороже.

По данным компании, в тесте Frontier-Bench v0.1, оценивающем навыки программной инженерии, Opus 5 превзошла все другие проверенные модели. Результат более чем вдвое превысил показатель Opus 4.8, причем стоимость выполнения одной задачи оказалась ниже. В тесте CursorBench 3.2 новинка уступила лидеру Claude Fable 5 менее 0,5%, но обошлась в два раза дешевле.

Успехи модели не ограничиваются программированием. В тесте ARC-AGI 3, измеряющем способность решать незнакомые задачи, Opus 5 показала результат в три раза выше ближайшего конкурента. В Zapier AutomationBench доля успешных решений бизнес-задач оказалась в полтора раза выше, чем у следующей лучшей модели, при равной стоимости. В тесте OSWorld 2.0 для взаимодействия с компьютером Opus 5 превзошла Fable 5, выполняя задачу более чем втрое дешевле.

Улучшились и научные способности модели. Во внутреннем тесте по органической химии, где нужно определять молекулярные структуры по спектроскопии, Opus 5 набрала на 10,2 процентного пункта больше, чем Opus 4.8. В задачах, связанных с влиянием мутаций белков на их функции, прирост составил 7,7 процентного пункта. Компания отмечает, что модель научилась лучше проверять собственные результаты и повторять попытки при неудаче. В одном из тестов Opus 5 получила изображение детали механизма и сама создала компьютерное зрение для извлечения геометрии.

Вместе с запуском Claude Opus 5 Anthropic представила бета-функции для разработчиков, позволяющие менять инструменты во время диалога без сброса кэша промптов. Новая модель стала моделью по умолчанию для подписчиков Claude Max и самой мощной для пользователей Claude Pro.