Anthropic випустила Claude Opus 4.5 з рекордним балом у тесті з програмування

Anthropic оголосила про запуск Claude Opus 4.5, зазначивши, що оновлена модель перевершила всіх кандидатів на внутрішньому двогодинному іспиті з програмування. Реліз відкриває нові можливості для розробки ПЗ, автономних агентських систем, а також аналізу таблиць і фінансових даних.

Opus 4.5 вже доступний в додатках Claude, через API і на основних хмарних платформах. Вартість становить $5 за мільйон вхідних токенів і $25 за мільйон вихідних.

За підтримки Amazon, Alphabet і Microsoft, компанія представляє Opus 4.5 як свою найпотужнішу модель Claude на даний момент — з посиленими можливостями глибокого міркування, роботи з довгим контекстом і управління комп’ютером для моделювання, прогнозування та підготовки документів.

Anthropic стверджує, що Opus 4.5 перевершив історичні результати людей на домашньому іспиті з інженерії продуктивності програмного забезпечення. Тест оцінює технічні навички та інженерне чуття в умовах жорстких часових обмежень.

Результат був досягнутий за рахунок декількох спроб моделі по кожному завданню з вибором кращої відповіді. При цьому компанія підкреслює, що іспит не вимірює нетехнічні навички, такі як командна взаємодія.

Крім програмування, модель отримала функції для планування, виконання і доопрацювання довгих завдань. За словами Anthropic, агенти на базі Opus 4.5 можуть зберігати інсайти з минулих сесій, повторно використовувати їх пізніше, координувати субагентів для складних проектів і супроводжувати тривалі процеси — від глибоких досліджень до підготовки презентацій і складних таблиць.

В одному з бенчмарків для агентських сценаріїв модель обробила запит на авіапереліт, спочатку змінивши клас квитка на кращий варіант, а потім і рейс з урахуванням політики компанії. Цей епізод був зарахований як помилка, оскільки такий результат не був передбачений сценарієм. Anthropic відносить подібні випадки до частини випробувань на безпеку, покликаних обмежити «гру з правилами».

Opus 4.5 нібито досягає необхідної якості за меншу кількість кроків у порівнянні з попередніми версіями завдяки механізмам ущільнення контексту і більш просунутому використанню інструментів для довгоживучих агентів і масштабних робочих процесів.

У сфері безпеки Anthropic також характеризує Opus 4.5 як свій найбезпечніший реліз: модель стала стійкішою до різних атак. Компанія посилається на незалежні тести посилених спроб впровадження підказок, згідно з якими Opus 4.5 складніше схилити до порушення правил, ніж інші передові системи.

Розробники компанії відзначають, що клієнти з доступом до Opus 4.5 отримають підвищені ліміти використання: окремі обмеження для Opus в Claude і Claude Code будуть зняті. Ліміти встановлюються для кожної моделі окремо і можуть змінюватися в міру появи нових систем.

Як ми повідомляли раніше, Alpha Arena повернулася і запустила наступний сезон ШІ-торгів, в рамках якого вісім мовних моделей вийшли в реальну торгівлю на фондовому ринку США, отримавши по $10 000 за чотири завдання. Минулого разу все завершилося перемогою Qwen 3 Max, яка показала прибутковість у 22% на крипторинку.