Anthropic ka publikuar të martën Claude Opus 5.5, modelin e parë të familjes së re Claude 5.5. Sipas kompanisë, ky model arrin performancë të ngjashme me Claude Fable 5.1, ofertën më të shtrenjtë dhe më të avancuar të saj, në shumicën e detyrave.
Ndryshimi kryesor qëndron te kostoja: Opus 5.5 është 20% më i lirë për t'u përdorur krahasuar me Opus 5, modelin që zëvendëson, dhe deri në 60% më i lirë se Fable 5.1. Anthropic pranon se hendeku mes dy modeleve është më i vogël se sa tregojnë rezultatet e testeve krahasuese, por disponueshmëria e gjerë dhe çmimi më i ulët për token e bëjnë Opus 5.5 zgjedhjen logjike për shumicën e përdoruesve.
Opus 5 ishte lançuar në korrik duke tejkaluar Fable 5 në shumicën e testeve, ndërsa Fable 5.1, i publikuar në fillim të shtatorit, e kishte rikthyer epërsinë duke kaluar Opus 5 në çdo test të publikuar nga kompania. Tani, me Opus 5.5, Anthropic po e mbyll përsëri këtë hendek, këtë herë duke u fokusuar te çmimi dhe jo te rezultatet e pastra.
Rezultatet në teste krahasuese
Në testin Terminal-Bench 4.0, i cili mat aftësinë e një agjenti AI për të përfunduar detyra komplekse profesionale brenda një ndërfaqeje komande, Opus 5.5 arriti 66.4%, duke tejkaluar Fable 5.1 me 55.8% dhe GPT-6 Astra me 57.9%. Në FrontierCode, që verifikon nëse ndryshimet e kodit të bëra nga një agjent do të pranoheshin realisht në një proces inxhinierik, Opus 5.5 shënoi 54.4% kundrejt 50.3% të Fable 5.1.
Në GDPval-AA v2.1, që vlerëson punën profesionale reale në 44 profesione përmes një sistemi vlerësimi tip shah, Opus 5.5 arriti 1846 pikë, ndërsa Fable 5.1 dhe Opus 5 shënuan përkatësisht 1735 dhe 1708 pikë. Modeli i ri nuk dominon gjithsecilin test: në AutomationBench, GPT-6 Astra e kalon lehtë me 41.4% kundrejt 40.0%, ndërsa në Terminal-Bench-Science 0.1, Astra e tejkalon më dukshëm me 64.6% kundrejt 58.7%.
Çmimi, argumenti kryesor
Përtej performancës, avantazhi më i madh i Opus 5.5 mbetet çmimi. Tokenat hyrës kushtojnë tani 4 dollarë për milion, nga 5 dollarë te Opus 5, ndërsa tokenat dalës bien nga 25 në 20 dollarë. Leximet nga cache, që lejojnë ripërdorimin e kontekstit të përpunuar më parë në vend të përpunimit nga zeroja, ulen me 60%, në 0.20 dollarë për milion tokena.
Lançimi vjen pak kohë pasi drejtori ekzekutiv i Anthropic-ut kishte thirrur industrinë të ngadalësojë ritmin e zhvillimit të aftësive të inteligjencës artificiale, duke argumentuar se përparimet po tejkalojnë testimet e sigurisë të menduara për t'i mbajtur nën kontroll.