Kým OpenAI informovala o tom, ako dobre si jej nové modely GPT-6 Sol a GPT-6 Luna vedú okrem iného v porovnaní s modelom Claude Opus 5, spoločnosť Anthropic vytiahla z klobúka najnovší variant Opus. Ten prichádza ako prvý člen rodiny Claude 5.5.
Spoločnosť Anthropic položila základy série Claude 5 počas leta modelom Mythos a jeho „civilnou“ verziou Fable. Medzitým pribudol aj Fable 5.1. Uvedením Claude Opus 5.5 teraz spoločnosť robí ďalší výrazný krok vpred. Nový model je oveľa lacnejší, podstatne rýchlejší a ešte bezpečnejší než doterajšie verzie Opus. V bežnom režime môže byť o 30 % rýchlejší, v rýchlom režime môže dosiahnuť až 2,5-násobnú rýchlosť.
Pred vydaním Opus 5.5 model hodnotili externé organizácie vrátane METR a Frontier Design. Anthropic ho zároveň podrobila interným testom bezpečnosti a súladu správania s požadovanými zásadami. V reakcii na nedávne hackerské útoky vykonané umelou inteligenciou dostal prísnejšie bezpečnostné opatrenia. Osobitnú pozornosť tentoraz venovali tomu, aby nemohol uniknúť z testovacích prostredí.
Podľa testov spoločnosti Anthropic je Claude Opus 5.5 jej doteraz najvýkonnejším modelom a celkovo dosahuje najlepšie výsledky. Vo väčšine situácií sa vyrovná modelu Fable 5.1, pričom je oveľa lacnejší. Aj oproti Opus 5 sú náklady na jeho používanie o 40 % nižšie.
Anthropic dôkladne otestovala Opus 5.5 pri programovaní, ovládaní počítača a dlhodobých úlohách. Podľa jednej zo správ model za menej než deň dokončil migráciu 680.000 riadkov kódu, ktorá by podľa odhadov zabrala tímu vývojárov niekoľko týždňov. Pomocou Opus 5.5 skontrolovali a opravili kódovú základňu s 200.000 riadkami za menej než tri hodiny, zatiaľ čo s Opus 5 to trvalo viac než 20 hodín.
V teste Terminal Bench 4.0 dosahuje novinka výsledky na úrovni GPT-6 Astra, no pri o 40 % nižších nákladoch. V CursorBench prekonáva GPT-5.6 Sol a úlohu zvládne za tretinovú cenu. Toto porovnanie však už nie je veľmi relevantné, keďže OpenAI uviedla GPT-6 Sol a vývojári výrazne znížili aj náklady. V populárnom teste Humanity’s Last Exam dosahuje novinka s využitím nástrojov už 67,7 %, pričom dovtedajšie maximum bolo 65,6 %. GPT-6 Astra sa pritom môže pochváliť len výsledkom 57,2 %.
Nový model sa počas bezpečnostných testov údajne pokúšal nájsť zakázaný spôsob riešenia zadaných problémov o 85 % menej často. Claude Opus 5.5 navyše všetky takéto pokusy sám nahlásil a svoje nesprávne kroky nikdy nezatajoval. Podstatne menej často mal tiež sklon zachádzať pri uvažovaní do extrémov, čo výrazne prispelo k nedávnym útokom.
Pri Claude Opus 5.5 treba spomenúť aj rýchly režim pre prípady, keď je okamžitá odpoveď vysokou prioritou. Ten je však veľmi drahý: spoločnosť v ňom účtuje za každý token dvojnásobok. V základnom režime zaplatia partneri za milión vstupných tokenov 4 doláre, pri výstupných tokenoch musia počítať s cenou 20 dolárov. Táto cenová úroveň doteraz zodpovedala GPT-5.6 Sol, OpenAI však ceny znížila na polovicu. Bude preto zaujímavé sledovať, či na to Anthropic zareaguje úpravou cien.
