Anthropic wydał dziś Claude Opus 5 i warto się przy tym zatrzymać — nie dlatego, że to najinteligentniejszy model, jaki dotąd wypuszczono (według kilku benchmarków faktycznie taki jest), ale ze względu na koszt jego używania.
Opus 5 podwaja wynik Opusa 4.8 w Frontier-Bench, jednocześnie stając się tańszy w eksploatacji. W benchmarkach kodowania (CursorBench 3.2) osiąga wynik w granicach 0,5% wyniku Fable 5 za połowę ceny. W ARC-AGI 3 uzyskuje wynik trzykrotnie wyższy niż najbliższy konkurent. A w OSWorld 2.0 — benchmarku do autonomicznej obsługi komputera — pokonuje Fable 5 przy jednej trzeciej kosztu. Wszystko to w tej samej cenie 5 $ / 25 $ za milion tokenów, w jakiej wystartował Opus 4.8.
To właśnie ta kombinacja — możliwości najwyższej klasy w cenie niebędącej najwyższą klasą — liczy się dla każdego, kto buduje produkty na tych modelach, a nie tylko dla tych, którzy używają ich do czatu.
Ulepszenie, które najbardziej rzuca się w oczy w tym materiale, to nie liczba z benchmarku, lecz zachowanie: Opus 5 jest wyraźnie lepszy w weryfikowaniu własnej pracy — iteruje, dopóki coś faktycznie nie zadziała, zamiast zatrzymywać się na „wygląda wiarygodnie”. To dokładnie ta luka, która najczęściej pojawiała się w mojej własnej pracy nad systemami wieloagentowymi i narzędziami AI w Whole Being Labs. Agenci, którzy potrafią wyłapać własne błędy w trakcie zadania, to zupełnie inna kategoria użyteczności niż ci, którzy po prostu wypluwają pierwszą odpowiedź.
Kilka dodatkowych uwag dla osób budujących na tym modelu: mocniejsze wyniki w rozumowaniu naukowo-technicznym (chemia organiczna, analiza białek), wyraźny skok jakości w generowaniu treści wizualnych/kreatywnych oraz „tryb szybki” z 2,5-krotną prędkością za dwukrotną cenę, gdy liczy się bardziej opóźnienie niż koszt.
W najbliższych dniach przetestujemy go na realnych workflow agentowych — więcej napiszemy, gdy sprawdzimy go poza samymi liczbami z benchmarków.