Anthropic vrací úder Googlu s modelem Claude Opus 4.5. V programování je nejlepší, tvrdí

Jen několik dní poté, co Google oznámil svůj dosud nejpokročilejší model Gemini 3 Pro, přichází konkurenční Anthropic s vlastní odpovědí. Nový Claude Opus 4.5 má podle tvůrců představovat vůbec nejlepší model na světě pro programování, práci s agenty a samostatné ovládání počítače. Zatímco Google vsadil na multimodální schopnosti a generování interaktivního obsahu, Anthropic se zaměřuje na praktickou využitelnost při vývoji softwaru.

Programátor, který překonal všechny kandidáty

Anthropic testuje nové modely na interním přijímacím testu pro programátory, který je považován za mimořádně náročný. Claude Opus 4.5 v rámci stanoveného dvouhodinového časového limitu dosáhl vyššího skóre než jakýkoli lidský kandidát v historii společnosti. Bez časového omezení pak model dokázal vyrovnat nejlepší lidský výsledek vůbec.

V praxi to znamená, že Claude Opus 4.5 dokáže analyzovat komplexní chyby napříč více systémy a samostatně navrhnout opravu. Testeři z Anthropic opakovaně zmiňovali, že model zvládá nejednoznačné zadání bez nutnosti podrobného vysvětlování a úlohy, které byly pro předchozí Sonnet 4.5 téměř nemožné, nyní řeší bez větších problémů.

Ovládání počítače s funkcí přiblížení

Jednou z klíčových novinek je vylepšené ovládání počítače (computer use). Claude Opus 4.5 přináší novou funkci zoom, která umožňuje detailní prozkoumání konkrétních oblastí obrazovky v plném rozlišení. Model tak dokáže analyzovat drobné prvky uživatelského rozhraní, číst malý text nebo ověřovat přesné vizuální detaily před provedením akce.

Tato schopnost je užitečná například při práci s komplexními rozhraními obsahujícími velké množství informací nebo při automatizaci úloh vyžadujících přesnou interakci s drobnými ovládacími prvky.

Nastavitelná úroveň úsilí

Claude Opus 4.5 je jediným modelem z rodiny Claude 4.5, který podporuje takzvaný effort parameter. Ten umožňuje vývojářům nastavit, kolik tokenů má model při odpovědi využít. K dispozici jsou tři úrovně: vysoká pro maximální důkladnost, střední pro běžné produkční nasazení a nízká pro efektivní zpracování velkého objemu požadavků.

Při střední úrovni dosahuje Opus 4.5 stejného skóre na benchmarku SWE-bench Verified jako Sonnet 4.5, ale spotřebuje o 76 % méně výstupních tokenů. Při nejvyšší úrovni pak Sonnet překonává o 4,3 procentního bodu při spotřebě o 48 % nižší.

Výsledky v testech

Anthropic prezentuje Claude Opus 4.5 jako nejlepší model pro reálné softwarové inženýrství. Na benchmarku SWE-bench Verified, který měří schopnost řešit skutečné programátorské úlohy, dosahuje model nejvyššího skóre mezi konkurencí. Zajímavý je i případ z testu τ2-bench, kde měl model odmítnout změnu rezervace v základní ekonomické třídě. Místo toho našel legitimní způsob, jak zákazníkovi pomoci – nejprve upgradovat třídu a poté provést změnu.

Model také vede v programování napříč sedmi z osmi programovacích jazyků na benchmarku SWE-bench Multilingual.

Bezpečnost a odolnost proti útokům

Anthropic označuje Claude Opus 4.5 za nejrobustněji zarovnaný model, jaký kdy vydal. Podle společnosti jde pravděpodobně o nejlépe zarovnaný frontier model od jakéhokoli vývojáře. Model vykazuje výrazně nižší míru nežádoucího chování a je odolnější proti takzvaným prompt injection útokům, kdy se útočníci snaží prostřednictvím skrytých instrukcí přimět model k nežádoucímu chování.

Cena a dostupnost

Claude Opus 4.5 je k dispozici prostřednictvím webového rozhraní, mobilní aplikace, API i na cloudových platformách. Cena činí 5 dolarů za milion vstupních tokenů a 25 dolarů za milion výstupních tokenů. Vývojáři mohou model volat pomocí identifikátoru claude-opus-4-5-20251101.

Pro uživatele služby Claude s přístupem k Opus 4.5 Anthropic odstranil specifické limity pro tento model. Předplatitelé Max a Team Premium mají navýšené celkové limity využití.

Jaký AI model pro programování používáte vy?

Zdroje: Anthropic, Anthropic Docs