Dok je OpenAI upravo izvještavao o tome koliko dobro njegovi novi modeli GPT-6 Sol i GPT-6 Luna prolaze, među ostalim, u usporedbi s modelom Claude Opus 5, Anthropic je izvukao iz rukava najnoviju inačicu Opusa, koja se uvodi kao prvi član obitelji Claude 5.5.
Anthropic je seriju Claude 5 tijekom ljeta utemeljio modelom Mythos i njegovom „civilnom“ inačicom, Fableom, a u međuvremenu je pokrenut i Fable 5.1. Sada tvrtka čini novi veći iskorak lansiranjem modela Claude Opus 5.5. Ovaj put možemo izvijestiti da je novi model puno jeftiniji, znatno brži, a i sigurniji od dosadašnjih inačica Opusa. Brzina u normalnom načinu rada može biti bolja za 30%, a u brzom načinu čak i 2,5 puta veća.
Prije izlaska Opusa 5.5 model su ocjenjivale vanjske organizacije – među njima METR i Frontier Design – a Anthropic ga je podvrgnuo i vlastitim internim testovima sigurnosti i usklađivanja. Nakon nedavnih hakerskih napada koje je počinila umjetna inteligencija, ima strože sigurnosne mjere. Ovaj put posebnu su pozornost posvetili sprječavanju njegova bijega iz testnih okruženja.
Prema testovima koje je proveo Anthropic, Claude Opus 5.5 postao je najjači model dosad i općenito najbolji u izvedbi. S Fableom 5.1 u većini situacija je na istoj razini, a pritom je puno jeftiniji, pa s njim možemo raditi uz trošak koji je čak 40% niži nego kod Opusa 5.
Anthropic je Opus 5.5 temeljito testirao u kodiranju, korištenju računala i dugoročnim zadacima. Prema jednom izvješću, model je u manje od jednog dana izveo migraciju koda od 680.000 redaka, za što bi inženjerskom timu prema procjenama trebalo nekoliko tjedana. Kodna baza od 200.000 redaka provjerena je i ispravljena pomoću Opusa 5.5 za manje od tri sata, dok je s Opusom 5 to trajalo više od 20 sati.
U testu Terminal Bench 4.0 novi model postiže rezultat kao GPT-6 Astra, a pritom je trošak 40% manji. U CursorBenchu je bolji od GPT-5.6 Sola, a zadatak obavlja za trećinu cijene, iako to više nije osobito relevantno jer je OpenAI upravo pokrenuo GPT-6 Sol, a programeri su pritom znatno smanjili i troškove. U popularnom testu Humanity’s Last Exam novi model uz korištenje alata postiže 67,7%, dok je dosadašnji maksimum bio 65,6%, a GPT-6 Astra može se pohvaliti samo s 57,2%.
Novi je model tijekom sigurnosnih testova navodno za 85% rjeđe pokušavao pronaći neko zabranjeno rješenje zadanih problema. Uz to, Claude Opus 5.5 sam je prijavio sve pokušaje i nikada nije prikrivao postupke koji vode u krivom smjeru. Pokazao je i znatno manju sklonost da „pretjera“ u zaključivanju, što je u velikoj mjeri pridonijelo napadima počinjenima u posljednje vrijeme.
Uz Claude Opus 5.5 treba reći i da nudi brzi način rada za one kojima je uz visok prioritet potreban trenutačni odgovor. To će, međutim, koštati jako puno: tvrtka će svaki token naplaćivati dvostruko skuplje. U osnovnom načinu unos od milijun tokena partnere će koštati 4 dolara, a na izlaznoj strani morat će računati s troškom od 20 dolara. Takvo je određivanje cijena dosad bilo na razini GPT-5.6 Sola, ali je OpenAI sada prepolovio troškove, pa će biti zanimljivo vidjeti hoće li Anthropic na to reagirati nekom korekcijom cijena.
