Anthropic lansirao Claude Opus 5: vrhunske performanse po nižoj cijeni
Novi model dostiže razinu najboljeg Anthropicovog modela uz znatno niži trošak, a ističe se na zadacima programiranja, znanstvenih istraživanja i poslovne automatizacije.
Novi model dostiže razinu najboljeg Anthropicovog modela uz znatno niži trošak, a ističe se na zadacima programiranja, znanstvenih istraživanja i poslovne automatizacije.
Anthropic je danas lansirao Claude Opus 5, novi veliki jezični model koji prema internim evaluacijama postiže performanse bliske vrhunskom Claude Fable 5, ali po upola nižoj cijeni. Model je odmah dostupan na svim platformama, postaje zadani model na Claude Max pretplati te najsnažniji model na Claude Pro razini.
Na Frontier-Bench v0.1, evaluaciji za softversko inženjerstvo, Opus 5 nadmašuje sve ostale modele i više nego udvostručuje rezultat prethodnika Opus 4.8 uz niži trošak po zadatku. Na ARC-AGI 3, testu rješavanja novih problema, Opus 5 postiže trostruko viši rezultat od sljedećeg najboljeg modela. Na Zapier AutomationBench, koji mjeri sposobnost dovršavanja poslovnih zadataka od početka do kraja, Opus 5 postiže stopu prolaznosti oko 1,5 puta višu od najboljeg konkurenta uz isti trošak. Na OSWorld 2.0, benchmarku za upotrebu računala, Opus 5 nadmašuje Fable 5 uz tek trećinu troška.
Anthropic posebno ističe sposobnosti modela u autonomnom rješavanju složenih programerskih problema. Na jednom Frontier-Bench zadatku, Opus 5 je dobio crtež dijela stroja i zadatak pisanja koda za rekonstrukciju kao 3D FreeCAD model, ali namjerno bez mogućnosti izravnog prikaza crteža. Prema opisu iz Anthropicovog bloga, model je odgovorio pisanjem vlastitog pipeline-a računalnog vida kako bi izvukao geometriju iz sirovih piksela, a zatim je rekonstruirao cijeli dio stroja. Nijedan konkurentni model s istom postavkom nije mogao riješiti zadatak ni nakon pet pokušaja. Platforma Lovable izvijestila je o poboljšanju od 22% na najtežim agentskim zadacima programiranja u usporedbi s Opus 4.7, uz znatno manju varijabilnost rezultata.
U domeni znanosti, Opus 5 pokazuje poboljšanje od 10,2 postotna boda u odnosu na Opus 4.8 na zadacima organske kemije, te 7,7 postotnih bodova na zadacima predviđanja funkcija proteina. Korisnici iz genomike opisuju model kao onaj koji se "ponaša više poput pažljivog znanstvenika nego bilo koji model koji smo pokretali", ističući njegovu sposobnost odabira pravih statističkih testova i unakrsne provjere rezultata. Tvrtka Box izvijestila je o poboljšanju od 8% u analizi specijaliziranog poslovnog sadržaja, s poboljšanjima od 11% u analizi podataka i 17% u due diligence procesima u usporedbi s Opus 4.8.
Jedna od ključnih prednosti Opus 5 je drastično smanjena potrošnja računalnih resursa uz bolje rezultate. Korisnici s područja financijskog modeliranja izvijestili su o prosječno 9 postotnih bodova višoj točnosti uz trećinu manje okretaja i poziva alata te 60% manje vremena u usporedbi s Opus 4.8. Na trgovačkim benchmarkovima, model koristi otprilike sedminu tokena za rezoniranje uz manje od polovice latencije prethodnika. Pravni korisnici bilježe smanjenje od 26% u prosječnom broju generiranih tokena pri maksimalnom rezoniranju uz zadržanu ili bolju točnost.
Anthropic navodi da je Opus 5 njihov najusklađeniji model do sada, s ocjenom 2,3 na automatskoj reviziji neusklađenog ponašanja, što je najniže od svih nedavnih modela. Model pokazuje najniže stope prijevarnog ponašanja i najmanji rizik od zlouporabe u usporedbi s Opus 4.8, Sonnet 5 i Fable 5. Na području kibernetičke sigurnosti, Opus 5 ostaje iza Mythos 5 na zadacima kibernetičke sigurnosti, a cijena modela ostaje ista kao kod prethodnika Opus 4.8.
Korisnici iz ranog pristupa konzistentno ističu poboljšanu sposobnost prosuđivanja kao najvažniju novost. JetBrains je u svojoj ocjeni istaknuo: "Razmišlja teže prije nego što napiše jedan redak, hvata vlastite logičke greške tijekom planiranja umjesto nakon činjenice, i razmišlja o tome zašto je odgovor ispravan, ne samo je li funkcionalan." Jedan developer opisao je situaciju u kojoj je Opus 5 osporio predloženi arhitekturalni dizajn, nije se povukao pod pritiskom, već je precizno objasnio vrijednost originalnog prijedloga i ponudio kompromisno rješenje koje zadržava prednosti uz ispravak nedostatka.
