24 июля Anthropic выпустила обновленную версию большой языковой модели Claude Opus 5. Она дешевле и эффективнее для выполнения повседневных задач, чем флагманская Fable 5 – несмотря на то, что уступает той по количеству параметров. Предыдущая версия, Opus 4.8, была выпущена в конце мая.
В анонсе новой версии компания сообщила, что Opus 5 отличается выдачей более точной и проверенной информации, повторяя цикл “размышлений” до тех пор, пока не добьётся нужного результата. По оценке ряда основных бенчмарков модель также превзошла Fable 5:
- Frontier-Bench v0.1 (оценка навыков программирования) – 43,3% против 33,7% у Fable и 21,1% у Opus 4.8;
- ARC-AGI 3 (проверка общего интеллекта модели) – 30% – в 3 раза больше, чем у самой успешной модели по этому бенчмарку GPT-5.6 Sol;
- Zapier Automation Bench (проверка навыков решения задач по бизнесу) – справилась с решением наибольшего количества задач по сравнению с другими испытуемыми моделями;
- OSWorld 2.0 (оценка навыков взаимодействия с компьютером) – 70,6% – также превзошла все модели.
По информации из анонса также известно, что Opus 5 значительно усовершенствована в таких областях, как биология, химия и биоинформатика. В частности, она справилась с определёнными задачами по биологии от 7,7% до 10,2% лучше, чем Opus 4.8.
Разработчики специально не обучали модель решению задач по кибербезопасности. При этом у неё повысились навыки обнаружения киберуязвимостей в исходном коде за счёт общего повышения способностей, но она взаимодействует с ними на 85% меньше, чем Fable 5, и не имеет возможности ничего самостоятельно изменять – поэтому инструмент избежал тех ограничений, которые наложены на Fable и Mythos.
Несмотря на усиление мощности, стоимость работы с моделью оставили на уровне Opus 4.8 – $5 за миллион входных токенов и $25 за миллион выходных токенов. Также есть ускоренный режим, где за двойную стоимость инструмент будет выполнять задачи в 2,5 раза быстрее.
Источник: TechCrunch
