Claude Opus 5: почти вершина мысли за половину цены

Anthropic выпустила Claude Opus 5 — новую флагманскую модель, которая, по словам компании, приближается к возможностям топовой Claude Fable 5, но стоит вдвое дешевле. Это не просто «ещё одна версия» — модель заметно лучше проверяет собственную работу, доводит задачи до конца и держит фокус на длинных многошаговых проектах, где раньше модели сбивались или сдавались раньше времени.

Что изменилось и зачем это важно

Главная идея Opus 5 простая: дать почти топовый уровень интеллекта, но по цене «рабочей лошадки». Модель стала новым дефолтом в тарифе Claude Max и самой сильной моделью, доступной в Claude Pro. При этом цена осталась такой же, как у предыдущей версии — Opus 4.8, а производительность выросла кратно на многих задачах.

Важная деталь: у моделей Claude есть настройка «effort» (усилие) — она позволяет выбирать, сколько модель «думает» перед ответом. На низком усилии ответы быстрее и дешевле, на высоком — точнее и глубже. Opus 5 выигрывает на всех уровнях усилия, но особенно эффектно выглядит именно баланс: даже на минимальных настройках она обходит конкурентов по качеству.

Бенчмарки: сухие цифры

Anthropic прогнала Opus 5 через десятки тестов — от программирования до научных задач. Вот самое заметное:

Модель также стала лучшей и самой экономичной на GDPval-AA v2, HLE и DeepSearchQA — тестах, которые имитируют реальную интеллектуальную работу: анализ данных, поиск информации, решение неочевидных проблем.

Отдельно выделяются научные задачи. В биологии и химии Opus 5 обошла Opus 4.8 на всех внутренних тестах: на задачах органической химии (например, восстановление структуры молекулы по данным спектроскопии) — на 10,2 процентных пункта, на задачах про белки (предсказание, как изменения в последовательности влияют на функцию) — на 7,7 процентных пункта.

Как модель ведёт себя на практике

Цифры — это одно, но интереснее конкретные истории. В одном из тестов Frontier-Bench модели дали чертёж детали и попросили написать код, который восстановит её как 3D-модель в FreeCAD — но специально не дали способа напрямую «посмотреть» на чертёж. Opus 5 сама написала пайплайн компьютерного зрения, чтобы вытащить геометрию из пикселей изображения, и восстановила деталь целиком. Ни одна конкурирующая модель не справилась с той же задачей за пять попыток.

В другом случае модели дали реальный баг в популярном open-source пакетном менеджере. Opus 5 нашла корневую причину и исправила крайний случай, который пропустил даже патч от сообщества. Конкурирующая модель тем временем исправила только симптом — и доложила, что баг решён.

Что говорят партнёры

Ранний доступ к модели получили десятки компаний, и отзывы удивительно конкретны — с цифрами и деталями рабочих процессов:

• Devin (Scott Wu): на FrontierCode 1.1 модель приближается к уровню Fable по интеллекту при половине цены, особенно сильна в сложном дебаге.
• Cursor (Sualeh Asif): на CursorBench чуть ниже Fable 5, с похожим поведением — важно для разработчиков, которые работают в редакторе.
• Zapier (Wade Foster): модель возглавила таблицу AutomationBench без увеличения расхода токенов; прошла полный цикл предотвращения оттока клиентов на 100%, тогда как предыдущие модели не справлялись.
• Box (Ben Kus): Opus 5 обходит Opus 4.8 на 8% в целом, с ростом на 11% в анализе данных и на 17% в задачах due diligence.
• Lovable (Fabian Hedin): рост на 22% на сложных агентных задачах программирования по сравнению с Opus 4.7, плюс заметно меньше «разброса» между запусками — то есть результат стабильнее от раза к разу.
• Финансовый анализ (Richard Pham): на сложных задачах финансового моделирования — в среднем на 9 процентных пунктов выше точность, при этом на треть меньше «ходов» и вызовов инструментов и на 60% меньше времени.
• Юридическая работа (Niko Grupen): заметный рост в корпоративном праве и арбитраже, при этом на 26% меньше токенов при сохранении качества по сравнению с Opus 4.8 на максимальном режиме рассуждений.
• Трейдинг (Matt Nassr): лучший результат среди моделей Opus на внутреннем трейдинговом бенчмарке — при этом модель тратит примерно в семь раз меньше токенов на рассуждения и работает вдвое быстрее, чем Opus 4.8.

Похожие отзывы прислали команды Devin, JetBrains, Kiro, и других инструментов — общий мотив: модель не просто умнее, она рассуждает более экономно и предсказуемо.

Визуальные способности

Отдельно Anthropic показала, насколько Opus 5 прокачалась в создании интерактивной визуализации — то, что раньше требовало ручной доводки.

Модель сама построила симуляцию воздушного потока вокруг аэродинамических и не очень аэродинамических объектов — с возможностью менять параметры на лету.

А ещё Opus 5 собрала простую, но интерактивную иллюстрацию клетки с её элементами — то есть модель одинаково хорошо работает и с кодом «под капотом», и с визуальным результатом, который видит человек.

Безопасность и «характер» модели

По внутренним автоматическим проверкам поведения, Opus 5 оказалась самой согласованной («aligned») моделью Anthropic на сегодня: она лучше следует «конституции» Claude, реже ведёт себя обманно и хуже поддаётся на попытки заставить её сделать что-то плохое. По шкале общего несогласованного поведения модель набрала 2,3 балла — самый низкий (то есть лучший) показатель среди последних моделей компании.

При этом Opus 5 не сдвигает границу в рискованных двойного назначения областях — биология и кибербезопасность. В тестах вместе с частными и государственными партнёрами модель осталась позади модели Mythos 5 в обеих категориях. Интересная деталь: Opus 5 умеет находить уязвимости в коде почти на уровне Mythos 5, но заметно хуже превращает эти уязвимости в реальные эксплойты — то есть находить «дырку» она умеет, а вот эффективно ей воспользоваться — куда хуже.

Для легитимных исследователей и компаний, которым нужны более широкие возможности для тестирования безопасности, у Anthropic есть программа Cyber Verification Program (CVP) — участники получают доступ к версии модели с меньшим числом ограничений.

Частые вопросы

Вывод

Claude Opus 5 — это редкий случай, когда «дешевле» не означает «слабее». Модель почти догнала топовый уровень интеллекта, стала экономичнее по токенам и заметно надёжнее в длинных многошаговых задачах — будь то отладка кода, финансовое моделирование или юридический ревью. При этом Anthropic сознательно не стала прокачивать модель в опасных областях вроде создания эксплойтов, оставив это узкоспециализированным моделям с более строгими защитами.

Если раньше выбор между «мощная и дорогая» моделью и «дешёвая, но послабее» был неизбежным компромиссом, то Opus 5 показывает, что этот разрыв можно заметно сократить. Для повседневной работы — в коде, в аналитике, в агентных сценариях — это, судя по отзывам первых пользователей, ощущается как честное повышение уровня, а не маркетинговая цифра в пресс-релизе.

Если хочешь попробовать всё это руками — начни с бесплатного курса «Claude с нуля».