Anthropic zaprezentował Claude Opus 5.5, pierwszy model nowej rodziny Claude 5.5. Firma przekonuje, że jej najnowsza sztuczna inteligencja osiąga poziom znacznie droższego Claude Fable 5.1 w większości zadań, a jednocześnie kosztuje o 40 proc. mniej w typowych zastosowaniach niż poprzedni Opus 5. To nie jest więc wyłącznie kolejny wyścig na punkty w benchmarkach. Anthropic wyraźnie próbuje sprawić, aby bardzo zaawansowana AI była bardziej praktyczna w codziennej pracy.
Nowy Opus powstał z myślą o długich i trudnych zadaniach
Claude Opus 5.5 został zaprezentowany we wtorek i jest pierwszym przedstawicielem nowej rodziny modeli Claude 5.5. Anthropic podkreśla, że model został zaprojektowany z naciskiem na trzy obszary: wydajność, efektywność oraz bezpieczeństwo. Firma twierdzi, że Opus 5.5 osiąga poziom Claude Fable 5.1 w większości rodzajów pracy, mimo że należy do niższej i tańszej części oferty.
Moment premiery jest również istotny. To pierwszy duży model Anthropic od czasu, gdy firma zaczęła publicznie mówić o potrzebie „pacing the frontier”, czyli bardziej kontrolowanego tempa rozwoju najbardziej zaawansowanych systemów AI. Przed premierą Opus 5.5 był testowany nie tylko wewnętrznie. Anthropic zaprosił również zewnętrznych ewaluatorów, w tym METR i Frontier Design, do sprawdzenia modelu.
Nie oznacza to oczywiście, że firma przestała zwiększać możliwości swoich modeli. Wręcz przeciwnie. Anthropic twierdzi, że Opus 5.5 jest jego najmocniejszym dotychczas testowanym modelem pod względem wyników w kompleksowym audycie zachowania i zgodności modelu z założeniami bezpieczeństwa.
680 tysięcy linii kodu w mniej niż dzień
Jednym z najważniejszych zastosowań nowego Opusa pozostaje programowanie. I właśnie tutaj Anthropic pokazuje, że nie chodzi już tylko o generowanie fragmentów kodu.
W jednym z testów zewnętrzny użytkownik wykorzystał Opus 5.5 do migracji projektu obejmującego około 680 tys. linii kodu. Według Anthropic zadanie zostało wykonane w czasie krótszym niż jeden dzień, podczas gdy tradycyjnie mogłoby ono zająć zespołowi programistów kilka tygodni.
Model dobrze radzi sobie również z optymalizacją istniejącego oprogramowania. W jednym z testów miał skrócić czas ładowania wszystkich stron aplikacji internetowej. Opus 5.5 osiągnął poprawny rezultat w 39 z 40 prób. Dla porównania Opus 5 wprowadzał mniejsze usprawnienia, ale zdarzało mu się przy tym zmieniać zachowanie aplikacji.
To ważna różnica. W praktycznych zastosowaniach agent AI nie musi przecież jedynie „napisać kodu”. Musi zrozumieć istniejący projekt, znaleźć problem, wprowadzić zmianę, sprawdzić jej skutki i nie zepsuć przy okazji innych elementów systemu.
Anthropic twierdzi, że właśnie w takich wieloetapowych zadaniach Opus 5.5 zrobił duży krok naprzód.
Mniej kroków, mniej tokenów i niższy rachunek
Największa zmiana nie dotyczy jednak samej jakości odpowiedzi. Anthropic mocno podkreśla efektywność modelu.
Opus 5.5 wymaga mniej mocy obliczeniowej do obsługi niż Opus 5. Firma deklaruje, że typowe zadania kosztują około 40 proc. mniej niż w przypadku poprzednika. Jednocześnie cena pojedynczych tokenów również spadła.
Za milion tokenów wejściowych trzeba zapłacić 4 dolary, natomiast milion tokenów wyjściowych kosztuje 20 dolarów. Dla porównania Opus 5 kosztował odpowiednio 5 i 25 dolarów. Jeszcze większa jest różnica w przypadku odczytu danych z pamięci podręcznej: cena spadła do 0,20 dol. za milion tokenów, czyli o 60 proc. względem Opus 5.
To szczególnie istotne dla agentów AI. Agent wykonujący zadanie przez kilkanaście godzin może wykonać setki operacji, korzystać z narzędzi, analizować pliki i wielokrotnie wracać do kontekstu. W takim przypadku nie liczy się wyłącznie cena pojedynczej odpowiedzi. Liczy się koszt całego zadania.
Według Anthropic Opus 5.5 generuje odpowiedzi również o ponad 30 proc. szybciej niż Opus 5.
Firma podaje przykład zadania związanego z analizą i przygotowaniem modelu finansowego. Opus 5.5 wykonał je w 63 minuty, podczas gdy Opus 5 potrzebował 93 minut, a koszt wygenerowania rezultatu był o połowę niższy.
Opus 5.5 może być mocny także w pracy biurowej
Anthropic nie ogranicza nowego modelu do programowania. Firma chce, aby Opus 5.5 był również narzędziem do profesjonalnej pracy z dokumentami, analizami, finansami czy badaniami.
Na benchmarku GDPval-AA v2.1, który sprawdza wykonywanie zadań związanych z 44 zawodami, Opus 5.5 uzyskał 1846 punktów Elo, podczas gdy Fable 5.1 osiągnął 1735, a Opus 5 – 1708.
W innym teście Anthropic poprosił modele o przygotowanie raportu dotyczącego wyników kwartalnych firmy na podstawie informacji znalezionych w internecie. Wynik był oceniany pod kątem poprawności liczb i cytatów. Opus 5.5 przeszedł założony próg jakości w 16 z 18 prób, podczas gdy Fable 5.1 i Opus 5 nie zaliczyły tego progu ani razu w tym konkretnym teście.
Trzeba przy tym pamiętać, że są to testy przedstawione przez Anthropic, a nie niezależny, uniwersalny ranking wszystkich modeli AI. Sama firma zaznacza zresztą, że przy tak wysokim poziomie możliwości różnice pomiędzy benchmarkami nie zawsze dobrze przekładają się na różnice obserwowane w rzeczywistej pracy.
Duży nacisk na bezpieczeństwo
Rozwój możliwości Opus 5.5 szedł w parze z rozbudową zabezpieczeń. Anthropic twierdzi, że model jest mniej skłonny do wykonywania trudnych do odwrócenia działań poza zakresem udzielonych mu uprawnień i jest bardziej odporny na ataki typu prompt injection niż Opus 5.
W przypadku agenta AI ma to szczególne znaczenie. Jeśli model otrzymuje dostęp do przeglądarki, terminala, dokumentów czy firmowych systemów, jego możliwości są znacznie większe niż w przypadku zwykłego chatbota odpowiadającego na pytania.
Anthropic zastosował więc dodatkową warstwę zabezpieczeń. Każde działanie agenta ma być sprawdzane przez klasyfikator przed wykonaniem, a firma udostępnia również audytowalny sandbox oraz mechanizmy sprawdzania kodu pod kątem podatności.
Według testów Anthropic Opus 5.5 osiąga również bardzo dobre wyniki w odporności na prompt injection. W badaniu przeprowadzonym przez firmę zajmującą się bezpieczeństwem AI, Gray Swan, model miał osiągnąć taki sam poziom odporności jak Fable 5.1.
Ze względu na możliwości modelu w obszarach cyberbezpieczeństwa i biologii Anthropic zastosował wobec Opus 5.5 zabezpieczenia podobne do tych wykorzystywanych w przypadku Fable. Dostęp do części potencjalnie niebezpiecznych zastosowań wymaga dodatkowej weryfikacji użytkownika lub organizacji.
Anthropic zmienił także sposób, w jaki Claude odpowiada
Jedna z mniej spektakularnych, ale bardzo praktycznych zmian dotyczy komunikacji.
Użytkownicy testujący Opus 5.5 zwracali uwagę, że model pisze bardziej naturalnie, używa mniej żargonu i szybciej przechodzi do najważniejszych informacji. Anthropic twierdzi, że poprawa sposobu komunikowania się jest istotna szczególnie podczas długich sesji pracy.
To może mieć większe znaczenie, niż sugerowałaby sama zmiana stylu. Jeżeli AI ma przez wiele godzin współpracować z programistą, analitykiem czy badaczem, człowiek musi być w stanie szybko zrozumieć, co model zrobił, dlaczego to zrobił i gdzie mogą występować problemy.
Czy Opus 5.5 rzeczywiście dorównuje Fable?
Anthropic bardzo mocno akcentuje ten element premiery. Firma twierdzi, że Opus 5.5 osiąga poziom Fable 5.1 w większości zastosowań, a w części benchmarków nawet go wyprzedza. W testach programistycznych Terminal-Bench 4.0 Opus 5.5 uzyskał 66,4 proc., wobec 55,8 proc. dla Fable 5.1. W FrontierCode v1.1 było to odpowiednio 54,4 i 50,3 proc.
Nie oznacza to jednak, że Opus 5.5 całkowicie zastępuje Fable. Anthropic nadal pozycjonuje Fable jako model do najbardziej wymagających, długotrwałych zadań, podczas gdy Opus ma zaoferować bardzo wysoką jakość przy znacznie niższym koszcie.
I właśnie to może być najważniejszym elementem tej premiery.
AI staje się tańsza, ale przede wszystkim bardziej ekonomiczna
Opus 5.5 pokazuje kierunek, w którym może zmierzać rynek modeli AI. Kolejne generacje nie muszą już wyłącznie zwiększać liczby parametrów czy poprawiać wyników w benchmarkach.
Równie ważne stają się liczba wykonywanych kroków, liczba wykorzystanych tokenów, czas potrzebny na wykonanie zadania i możliwość pozostawienia agenta bez nadzoru na dłuższy czas.
W tym sensie Opus 5.5 jest czymś więcej niż kolejnym modelem językowym. Anthropic próbuje zbudować narzędzie, któremu można powierzyć realną pracę: migrację dużego projektu programistycznego, analizę finansową, przygotowanie dokumentów czy wieloetapowe zadanie wymagające korzystania z wielu narzędzi.
A jeżeli deklarowany przez Anthropic spadek kosztu o 40 proc. rzeczywiście przełoży się na zastosowania produkcyjne, może to być dla firm równie ważne jak sam wzrost inteligencji modelu.
W najbliższych tygodniach Anthropic ma również wprowadzić Claude Sonnet 5.5 i Haiku 5.5. Firma zapowiada, że nowe modele będą korzystać z podobnych usprawnień dotyczących wydajności, efektywności i bezpieczeństwa.
Foto: DepositPhotos.