Claude Opus 5: czołówka stała się przystępna cenowo

Anthropic wypuścił dziś Claude Opus 5 i warto się przy tym zatrzymać — nie dlatego, że to najmądrzejszy model, jaki kiedykolwiek wyszedł (według kilku benchmarków jest), ale ze względu na to, ile kosztuje jego używanie.

Opus 5 podwaja wynik Opusa 4.8 na Frontier-Bench, a jednocześnie jest tańszy w utrzymaniu. Na benchmarkach programistycznych (CursorBench 3.2) mieści się w granicach 0,5% od Fable 5 przy połowie ceny. Na ARC-AGI 3 osiąga trzykrotnie wyższy wynik niż kolejny najlepszy konkurent. A na OSWorld 2.0 — benchmarku autonomicznego używania komputera — wygrywa z Fable 5 wprost, przy jednej trzeciej kosztu. Wszystko to przy tej samej cenie 5 / 25 USD za milion tokenów, z którą wystartował Opus 4.8.

To połączenie — możliwości z czołówki przy cenie spoza czołówki — jest tym, co naprawdę liczy się dla każdego, kto buduje produkty na tych modelach, a nie tylko używa ich do czatowania.

Ulepszeniem, które w opisie rzuca się w oczy najbardziej, nie jest liczba z benchmarku, tylko zachowanie: Opus 5 jest wyraźnie lepszy w weryfikowaniu własnej pracy — iteruje, dopóki coś naprawdę nie zadziała, zamiast zatrzymywać się na „prawdopodobnie dobrze". To dokładnie ta luka, która najczęściej pojawiała się w mojej własnej pracy przy systemach wieloagentowych i narzędziach napędzanych AI. Agenci, którzy potrafią wyłapać własne błędy w trakcie zadania, to inna kategoria użyteczności niż tacy, którzy po prostu produkują odpowiedź za pierwszym podejściem.

Kilka innych rzeczy wartych odnotowania dla budujących: mocniejsze wyniki w rozumowaniu naukowo-technicznym (chemia organiczna, analiza białek), realny skok jakości w wynikach wizualnych i kreatywnych oraz „tryb szybki" o 2,5-krotnej prędkości za podwójną cenę, gdy opóźnienie liczy się bardziej niż koszt.

Przez najbliższe dni będę testował to na realnych przepływach agentowych — spodziewajcie się kontynuacji, gdy przepchnę to poza liczby z benchmarków.