Claude Opus 5: kétszer okosabb, mint az elődje, ugyanannyiért

Új modell bejelentése

Az Anthropic július 24-én kiadta a Claude Opus 5-öt, a bejelentés fő üzenete pedig ezúttal nem a puszta képességplafon áttörése, hanem a nagyságrendekkel jobb ár-érték arány. A cég saját megfogalmazása szerint az új modell megközelíti a zászlóshajó Claude Fable 5 intelligenciáját – méghozzá annak fele áráért –, és kifejezetten a mindennapi, intenzív fejlesztői használatra tervezték.

Az Opus 5 azonnal elérhetővé vált az Anthropic minden platformján (alkalmazásokban, API-n és a nagy felhőszolgáltatóknál), változatlanul 5 dolláros bemeneti és 25 dolláros kimeneti 1 millió tokenenkénti áron. Ez pontosan megegyezik az elődje, az Opus 4.8 tarifájával, miközben a csúcskategóriás Fable 5 ennek a duplájába kerül (10 / 50 dollár).

Műszaki paraméterek és új funkciók

A modell a Claude Max előfizetés új alapértelmezett modellje lett, a Pro csomagban pedig a legerősebb választható opció. Az Anthropic nem elméleti csúcsmodellként, hanem a gyakorlati munkára optimalizált eszközként pozicionálja.

• Effort (Erőfeszítési) beállítás: A fejlesztők finomhangolhatják a modell gondolkodási mélységét (reasoning depth). Alacsonyabb fokozaton gyorsabb és olcsóbb a válasz, magasabb beállításnál mélyebb és szigorúbb a logikai érvelés.
• 1 milliós kontextusablak: Hatalmas kódbázisok és összetett dokumentumok egyidejű feldolgozásához.
• Fast mód: Egy különleges opció, amely a normál generálási sebesség nagyjából 2,5-szeresén fut.

Áttörő mérések – gyártói környezetben

Az Anthropic által közzétett teszteredmények kiemelkedő előrelépést mutatnak az előző generációhoz képest:

• Frontier-Bench v0.1: Az Opus 5 43,3%-ot ért el, szemben az előd Opus 4.8 18,7%-ával és a Fable 5 33,7%-ával. Ez több mint dupla teljesítmény az elődhöz képest.
• CursorBench (kódolás): A Fable 5 csúcsteljesítményének körülbelül 99,5%-át hozza, feleakkora feladatonkénti költséggel.
• OSWorld (számítógép-használat): Felülmúlta a Fable 5 alapértékét, harmadannyi elszámolt költségen.
• ARC-AGI-3 (ismeretlen problémák): Háromszoros eredményt ért el a következő legjobb modellhez képest.

A cég az elméleti mérések mellett egy gyakorlati példát is kiemelt: az Opus 5 egy gépalkatrész rajzát kapta meg anélkül, hogy közvetlenül láthatta volna a képet. A modell erre önállóan írt egy számítógépes látórendszert (computer vision pipeline-t), kinyerte a nyers pixelekből a geometriát, majd teljesen újraépítette az alkatrészt – egy olyan komplex feladatot oldva meg, amelyet a cég szerint egyetlen versenytárs modell sem tudott teljesíteni öt próbálkozásból.

Két fontos szakmai fenntartás

Ahogy a gyártói bejelentéseknél mindig, itt is érdemes két kritikus részletet figyelembe venni:

• Külső mérések hiánya: Az adatok az Anthropic saját tesztkörnyezetéből származnak, független harmadik fél egyelőre nem erősítette meg őket. Az egyetlen külső ellenőrzést az Egyesült Királyság AI Security Institute-ja végezte a korai checkpointokon.
• Biztonsági visszahullás (Fallback) a teszteknél: A Frontier-Bench mérések során, ha a biztonsági osztályozó elutasított egy kérést az Opus 5-től vagy a Fable 5-től, a rendszer a háttérben az Opus 4.8-ra esett vissza – vagyis a mért pontszámok egy kis részét valójában a korábbi modell generálta.

A valódi kulcs: A feladatonkénti költség

A fejlesztők és vállalati felhasználók számára a legfontosabb mutató nem a tokenenkénti listaár, hanem az egy feladatra eső teljes költség. Hosszú, ágenses (agentic) munkafolyamatoknál egy olyan modell, amely kevesebb lépésből, kevesebb felesleges körből és eszközhívásból (tool call) éri el a célját, végső soron sokkal olcsóbb – még azonos tokentarifa mellett is.

Az Opus 5 legnagyobb vívmánya, hogy a csúcskategóriás, komplex érvelést igénylő feladatok költségét drasztikusan lejjebb nyomja az Anthropic ökoszisztémáján belül.

Korai visszajelzések a piacról

• Harvey (Jogi AI): Az Opus 5 elhozta az Opus 4.8 maximális érvelési minőségét, miközben átlagosan 26 százalékkal kevesebb tokent használt fel.
• Zapier: A modell sikeresen végigvitt egy teljes ügyfélmegtartási munkafolyamatot (amelyre a korábbi modellek nem voltak képesek) anélkül, hogy növelte volna a felhasznált tokenek számát.

Biztonság, kontroll és korlátok

A kiadott rendszerkártya (system card) szerint az Opus 5 a cég eddigi legjobban illesztett (aligned) modellje a saját automatizált viselkedési auditjukon, megelőzve a Sonnet 5-öt és a Fable 5-öt is.

A dokumentum ugyanakkor szokatlanul őszinte a korlátokkal kapcsolatban:

• Hallucináció: Elismeri, hogy az Opus 5 összességében nagyobb pontossága ellenére valamivel többet hallucinál, mint az Opus 4.8.
• Képességkorlát: Lemarad a zárt Mythos 5 mögött a biológiai kutatásokban és az offenzív kiberbiztonságban.
• Kibervédelmi szabályozás: A modell képes forráskódokban sebezhetőségeket keresni (védekező munka), de a lefordított binárisok vizsgálata, a behatolástesztelés (pentesting) és az exploit-generálás szigorúan tiltva marad.

„Az új modell megközelíti a zászlóshajó Claude Fable 5 intelligenciáját – méghozzá annak fele áráért –, és kifejezetten a mindennapi, intenzív fejlesztői használatra tervezték.”

Összegzés

A következő hetek fő kérdése az lesz, hogy a független fejlesztői mérések és a valós produkciós környezetek igazolják-e a cég által bemutatott kódolási és hatékonysági ugrást.