Anthropic je v petek izdal Claude Opus 5 po ceni petih dolarjev za milijon vhodnih in 25 dolarjev za milijon izhodnih žetonov, kolikor je podjetje iz San Francisca zaračunavalo že za predhodnika Opus 4.8. Fable 5, njegov najzmogljivejši javno dostopni model, stane dvakrat toliko.
Anthropic novi model opisuje kot primeren za vsakodnevno rabo pri pisarniškem delu in programiranju. Dianne Penn, vodja produktov pri Anthropicu, je v pogovoru za Reuters povedala, da izdaja odraža hiter tempo razvoja. Podjetje po njenih besedah dosledno zagotavlja vrhunsko inteligenco in jo “z vsako generacijo modelov naredi kar najbolj dostopno”.
Na testu Frontier-Bench v0.1, ki preverja sposobnost izdelave delujoče programske opreme, je Opus 5 po podatkih iz predstavitve prehitel vse druge preizkušene modele in več kot podvojil rezultat Opusa 4.8 ob nižjem strošku na nalogo. Pri najvišji nastavitvi napora na testu CursorBench 3.2 zaostaja pol odstotka za najboljšim dosežkom Fable 5, strošek na nalogo pa je polovičen.
Podobno razmerje med ceno in dosežkom Anthropic navaja pri nalogah, ki niso vezane na programiranje. Rezultat Opusa 5 na preizkusu ARC-AGI 3, ki meri reševanje novih problemov, je trikrat višji od rezultata naslednjega najboljšega modela. Pri Zapierjevem testu AutomationBench, ki preverja izvedbo poslovnih nalog od začetka do konca, dosega približno za polovico višjo stopnjo uspešnosti od najbližjega tekmeca ob enakem strošku. Preizkus računalniške rabe OSWorld 2.0 je opravil bolje od najboljšega dosežka Fable 5 pri nekaj več kot tretjini stroška.
Model prinaša nastavitev napora, s katero uporabnik izbira med večjo natančnostjo in manjšo porabo žetonov. Na voljo je tudi hitri način, ki teče približno 2,5-krat hitreje od privzetega po dvakratni osnovni ceni.
Pri odkrivanju varnostnih ranljivosti se Opus 5 po navedbah podjetja približuje Mythosu 5, ki ga Anthropic javnosti ne ponuja, pri razvoju kode za izrabo teh ranljivosti pa za njim izrazito zaostaja. Zaradi tega so varnostni filtri pri Opusu 5 manj strogi kot pri Fable 5, Anthropic pa pričakuje, da se bodo sprožili približno 85 odstotkov redkeje. Na lastni avtomatizirani presoji vedenja je novi model dosegel oceno 2,3 pri neusklajenem vedenju, najnižjo med nedavnimi modeli podjetja, in je po navedbah Anthropica najmanj dovzeten za zvijače, s katerimi bi ga uporabniki zavedli v zlorabo.
Fable 5 ostaja Anthropicov najzmogljivejši javno dostopni model. Penn je za Reuters uporabnikom svetovala, naj Opus 5 izberejo zaradi razmerja med ceno in zmogljivostjo, za »večdnevne, zelo avtonomne projekte« pa naj posežejo po Fable 5. Vsi navedeni primerjalni rezultati izhajajo iz Anthropicovih lastnih meritev, neodvisnih preverjanj novega modela pa še ni.
Fable 5 je podjetje predstavilo junija, kmalu zatem pa model ni bil dostopen zaradi pomislekov ameriških oblasti, da bi njegove zmogljivosti lahko preusmerili k tujim vojaškim obveščevalnim službam.
Kitajski Moonshot je sredi julija predstavil Kimi K3, model z odprtimi utežmi, ameriške oblasti pa so podjetje obtožile okoriščanja z Anthropicovim delom. Penn je za Reuters ocenila, da »bo treba še videti«, kako se modeli z odprtimi utežmi obnesejo pri zapletenih projektih iz resničnega sveta, kakršne uporabniki nalagajo Claudu. Odprte uteži uporabnikom omogočajo prenos, zagon in prilagajanje umetne inteligence, česar lastniški modeli ne dopuščajo.
Opus 5 je od petka privzeti model za naročnino Claude Max in najzmogljivejši, ki je na voljo naročnikom Claude Pro. Razvijalci ga na Anthropicovem vmesniku najdejo pod oznako claude-opus-5.
