Anthropic vydal Claude Opus 5. Stojí polovinu toho co Fable 5 a v některých testech jej překonává

Přidat Svět Androida mezi preferované stránky na Google

ať vám neunikne žádná Android novinka nebo sleva

V hierarchii jazykových modelů platí jednoduché pravidlo: čím dražší, tím chytřejší. Anthropic si ho dnešním vydáním Claude Opus 5 trochu rozbil o koleno. Nový model stojí 5 dolarů za milion vstupních a 25 dolarů za milion výstupních tokenů (orientačně 105 a 525 Kč), tedy přesně polovinu toho, co si firma účtuje za vlajkový Fable 5. A v části vlastních testů ten dražší model poráží.

Levnější sourozenec, který přerostl vlajkovou loď

Anthropic uvádí Opus 5 jako nový standard pro programování a znalostní práci. Na benchmarku Frontier-Bench v0.1 podle firmy víc než zdvojnásobuje výkon předchozího Opusu 4.8, a to při nižší ceně za úlohu. Na testu počítačového ovládání OSWorld 2.0 překonává nejlepší výsledek Fable 5 při zhruba třetinových nákladech. A na ARC-AGI 3, který měří řešení dosud neviděných problémů, má být trojnásobně úspěšnější než druhý model v pořadí.

Tady patří obligátní připomínka: všechna tato čísla pocházejí z grafů, které si Anthropic sestavil sám. Nezávislé ověření zatím není k dispozici a u benchmarků obecně platí, že si každý výrobce vybírá ty, ve kterých vypadá dobře. Poměr cena/výkon je nicméně natolik vychýlený, že se dá čekat rychlé přeskupení uživatelů směrem k levnějšímu modelu.

Opus 5 se zároveň stává výchozím modelem pro předplatné Claude Max a nejsilnějším dostupným v tarifu Pro. Nabízí kontextové okno 1 milion tokenů, maximální výstup 128 tisíc tokenů a znalostní uzávěrku ke květnu 2026. K dispozici je i režim Fast, který běží zhruba 2,5× rychleji za dvojnásobnou cenu.

Model, který si dopsal vlastní nástroj

Zajímavější než tabulky jsou konkrétní příklady, kterými se Anthropic chlubí. V jedné testovací úloze dostal model výkres strojní součástky s úkolem přepsat ji do 3D modelu ve FreeCADu – ovšem záměrně bez možnosti si výkres prohlédnout. Opus 5 si proto napsal vlastní pipeline pro počítačové vidění, geometrii vytáhl přímo z pixelů a součástku zrekonstruoval. Podle firmy to opakovaně nezvládl žádný konkurenční model ani na pět pokusů.

Podobný vzorec se opakuje i jinde. U reálné chyby v populárním správci balíčků našel model příčinu a opravil okrajový případ, který komunitní záplata přehlédla. Konkurenční model podle Anthropicu ošetřil jen symptom a chybu prohlásil za vyřešenou. Nová vlastnost se tedy jmenuje ověřování vlastní práce – model se místo odevzdání prvního výsledku vrací a kontroluje, jestli něco skutečně funguje.

Méně brzd než u dražšího modelu

Praktický důvod, proč může být Opus 5 přitažlivější než Fable 5, leží mimo výkon. Fable a Mythos podléhají třicetidenní politice uchovávání dat, což části uživatelů vadí – Opus 5 stejně jako jeho předchůdce pod tento režim nespadá. K tomu má výrazně volnější bezpečnostní klasifikátory: Anthropic odhaduje, že u Opusu 5 zasáhnou zhruba o 85 % méně často než u Fable.

Omezení ale nezmizela. Model smí hledat zranitelnosti ve zdrojovém kódu, zablokované zůstává skenování binárek, penetrační testování a tvorba exploitů. Nově se ovšem zablokovaný dotaz nemusí vracet jako chyba – v beta funkci Automatic Fallbacks se přesměruje na slabší model, který na něj odpoví.

Tempo vydávání stojí za povšimnutí samo o sobě. Opus 4.8 vyšel 28. května, Mythos 5, Fable 5 a Sonnet 5 v červnu, Opus 5 přichází v červenci. Za necelé dva měsíce tak Anthropic obměnil prakticky celé portfolio a jediným modelem, který na pětkovou generaci teprve čeká, zůstává odlehčený Haiku.

Platili byste si za nejdražší model, když ten levnější zvládne totéž?

Zdroj: Anthropic

Přidat Svět Androida mezi preferované stránky na Google

ať vám neunikne žádná Android novinka nebo sleva