Claude Opus 5.5: Anthropic-ის ახალი მოდელი
Anthropic-მა გამოუშვა Claude Opus 5.5, Claude 5.5 ოჯახის პირველი მოდელი, რომელიც უკვე ხელმისაწვდომია VEGA AI-ზე. სამუშაოების უმეტესობაში ის Claude Fable 5.1-ის დონეზე მუშაობს, თუმცა მისი გამოყენება შესამჩნევად იაფია.
რა შეიცვალა Opus 5-ის შემდეგ
ადრეული ტესტერების მიერ მიღებული შედეგებიდან ყველაზე შთამბეჭდავი კოდირების მაჩვენებლებია. ერთ-ერთმა მათგანმა 680,000-ხაზიანი კოდის მიგრაცია ერთ დღეზე ნაკლებ დროში შეასრულა — სამუშაო, რომელიც საინჟინრო გუნდს კვირების განმავლობაში დააკავებდა. მეორემ 200,000-ხაზიანი კოდის ბაზა სამ საათზე ნაკლებ დროში შეამოწმა და გამოასწორა; იმავე შემოწმებას Opus 5-ს 20 საათზე მეტი დასჭირდა და 2.5-ჯერ მეტი ტოკენი დახარჯა.
ისტორიის მეორე ნახევარი ეფექტიანობაა. Opus 5.5-ის მომსახურებას ნაკლები გამოთვლითი რესურსი სჭირდება და თითოეულ დავალებაზე ნაკლებ ტოკენს ხარჯავს, რაც ტიპურ სამუშაო დატვირთვებზე დაახლოებით 40%-ით დაბალ ღირებულებას ნიშნავს. პასუხების ნაკადიც 30%-ზე მეტი სისწრაფით გადაიცემა.
Anthropic-მა ასევე შეცვალა, როგორ წერს მოდელი. პასუხებში მნიშვნელოვანი ნაწილი პირველ ადგილზეა, ჟარგონი ამოღებულია და მოდელი თქვენს მიერ მითითებულ სტილის წესებს მიჰყვება. კომპანიის თქმით, ეს Opus 5-ის შესახებ ყველაზე გავრცელებული საჩივარი იყო; ადრეული ტესტერები კი აღნიშნავენ, რომ ხანგრძლივი სესიებისას განსხვავება აშკარად იგრძნობა.
უსაფრთხოების მხრივ, Opus 5.5-მა Anthropic-ის ავტომატიზებულ ქცევით აუდიტში კომპანიის ისტორიაში საუკეთესო შედეგები აჩვენა. ის Opus 5-თან შედარებით დაახლოებით 85%-ით იშვიათად ცდილობდა შემაკავებელი გარემოს საზღვრებისთვის გვერდის ავლას, ხოლო ყოველი მცდელობა დაბალი სიმძიმის იყო და მოდელმა თავადვე დააფიქსირა. ის ასევე Opus 5-ზე უკეთ უძლებს prompt injection-ს.
ბენჩმარკები
Anthropic-ის შეფასებებში Opus 5.5 ლიდერობს აგენტურ კოდირებაში, კომპიუტერის გამოყენებასა და ცოდნაზე დაფუძნებულ სამუშაოებში:
| ბენჩმარკი | Opus 5.5 | Fable 5.1 | Opus 5 | GPT-6 Astra | GPT-5.6 Sol |
|---|---|---|---|---|---|
| Terminal-Bench 4.0 (აგენტური კოდირება) | 66.4% | 55.8% | 52.3% | 57.9% | 37.3% |
| FrontierCode v1.1 (Main) | 54.4% | 50.3% | 48.0% | 53.3% | 47.5% |
| CursorBench 4.0 | 57.8% | 51.8% | 46.6% | — | 41.7% |
| GDPval-AA v2.1 (ცოდნაზე დაფუძნებული სამუშაო) | 1846 | 1735 | 1708 | 1542 | 1588 |
| AutomationBench (ბიზნესპროცესები) | 40.0% | 31.4% | 26.9% | 41.4% | 28.8% |
| Humanity's Last Exam (ხელსაწყოებით) | 67.7% | 65.6% | 63.6% | 57.2% | — |
| OSWorld 2.0 (კომპიუტერის გამოყენება) | 81.8% | 80.7% | 74.0% | — | — |
| Chartography (დიაგრამების ამოცნობა) | 89.0% | 88.4% | 83.4% | — | — |
Anthropic აღიარებს, რომ ამ დონეზე სხვაობებს ისეთი მნიშვნელობა აღარ აქვს, როგორიც ადრე ჰქონდა: კომპანიის ყოველდღიურ გამოყენებაში Opus 5.5-სა და Fable 5.1-ს შორის განსხვავება უფრო მცირე ჩანს, ვიდრე ცხრილი გვაფიქრებინებს. უფრო აშკარა უპირატესობა ღირებულებაა. ნაგულისხმევი ძალისხმევის დონეზე Opus 5.5 FrontierCode-ში GPT-6 Astra-ს სჯობნის და თითოეულ დავალებაზე მისი ღირებულების დაახლოებით მეხუთედი ჯდება.
უსაფრთხოება ავტონომიური აგენტებისთვის
გუნდებისთვის, რომლებიც აგენტებს საათობით ზედამხედველობის გარეშე მუშაობის საშუალებას აძლევენ, Opus 5.5 მოიცავს კლასიფიკატორს, რომელიც შესრულებამდე ამოწმებს თითოეულ მოქმედებას, ღია კოდის sandbox-ს, რომლის აუდიტიც უსაფრთხოების გუნდებს შეუძლიათ, და კოდის მიმოხილვის ფუნქციას, რომელიც შერწყმამდე აღმოაჩენს მოწყვლადობებს. Gray Swan-ის prompt injection-ის ბენჩმარკში ის Fable 5.1-თან ერთად ყველაზე დაბალ წარმატების მაჩვენებელს აჩვენებს შემოწმებულ მოდელებს შორის.
კვლევა და ანალიზი
შიდა ტესტში Anthropic-მა Opus 5.5-ს, Fable 5.1-სა და Opus 5-ს დაავალა, კომპანიის კვარტალური ანგარიში შეედგინათ ვების ასლის გამოყენებით, მხოლოდ ძნელად მოსაძიებელ წყაროებზე დაყრდნობით. ავტომატური შემფასებელი კი ყველა რიცხვს ამოწმებდა. Opus 5.5-ის 18 ანგარიშიდან 16-მა შემოწმება გაიარა; დანარჩენი ორი მოდელის ანგარიშებიდან — ვერცერთმა. შერწყმის ანალიზის ცალკე სავარჯიშოში Opus 5.5-მა სამუშაო 63 წუთში დაასრულა, Opus 5-ს კი 93 წუთი დასჭირდა. ამასთან, Opus 5.5-მა უფრო სრულყოფილი ფინანსური მოდელი და უფრო დახვეწილი პრეზენტაცია შექმნა.
დამცავი მექანიზმები
რადგან ბიოლოგიისა და კიბერუსაფრთხოების საკითხებში Opus 5.5 Claude Mythos 5.1-ის დონისაა, ის Fable 5.1-ის მსგავსი კლასის დამცავი მექანიზმებით გამოდის: შენარჩუნებული მსჯელობა დისტილაციის შეტევების წინააღმდეგ, წყლის ნიშნები EU AI Act-თან შესაბამისობისთვის და მონაცემების ნულოვანი შენახვა. შემოწმებულ ორგანიზაციებს შეუძლიათ Anthropic-ის Life Sciences Verification Program-ში განაცხადის შეტანა, ხოლო Cyber Verification Program Opus 5.5-ისთვის უახლოეს კვირებში ამოქმედდება.
სცადეთ VEGA AI-ზე
Claude Opus 5.5 უკვე ხელმისაწვდომია VEGA AI-ის მოდელების ჩამონათვალში. Claude Sonnet 5.5 და Claude Haiku 5.5 უახლოეს კვირებში დაემატება.