Anthropic predstavio Opus 5.5, novi vodeći model Claude

Anthropic je 22. septembra objavio Claude Opus 5.5, novu verziju svog najsnažnijeg modela, uz tvrdnju da radi brže, jeftinije i bezbednije od prethodnika. Kompanija je saopštila da je ovo prvi model koji je izašao otkako je izvršni direktor Dario Amodei pozvao industriju da uspori tempo razvoja, pa je Opus 5.5 predstavljen i kao provera te odluke u praksi.

Niža cena i veća brzina

Prema podacima objavljenim na sajtu kompanije, ulazni tokeni sada koštaju 4 dolara po milionu, a izlazni 20 dolara po milionu, što je 20 odsto manje nego kod Opusa 5. Cena čitanja iz keša pala je sa 0,50 na 0,20 dolara po milionu tokena, dok pisanje u keš sada iznosi 5 dolara umesto dosadašnjih 6,25. Anthropic navodi da je ukupna cena po tipičnom zadatku niža za 40 odsto u odnosu na prethodni model.

Uveden je i takozvani brzi režim, dostupan kroz Claude Code i Claude Platformu, koji radi do 2,5 puta brže uz cenu od 8 dolara za ulazne i 40 dolara za izlazne tokene po milionu. Prema navodima kompanije, model generiše odgovore više od 30 odsto brže od Opusa 5, a jedan interni testator je za manje od dana završio migraciju koda od 680.000 linija.

Rezultati na merilima

Na Terminal-Bench 4.0 merilu, koje proverava sposobnost modela da samostalno izvršava zadatke u terminalu, Opus 5.5 je postigao 66,4 odsto, naspram 52,3 odsto kod Opusa 5. Na FrontierCode merilu za programiranje rezultat je 54,4 odsto, a na OSWorld 2.0, koje testira rad sa grafičkim interfejsima, 81,8 odsto. Prema Artificial Analysis indeksu inteligencije, koji poredi stotine modela, Opus 5.5 se plasirao na treće mesto po ukupnom skoru. Na CursorBench 4.0, koji meri rad sa programerskim alatima, model je zabeležio 57,8 odsto naspram 46,6 odsto kod prethodnika, a na GDPval-AA meri profesionalne zadatke van programiranja i tu je skor porastao sa 1.708 na 1.846 Elo poena.

Svi navedeni rezultati potiču iz Anthropicovih sopstvenih merenja, objavljenih uz lansiranje modela, pa nezavisna provera od strane spoljnih istraživača za sada ne postoji. Kompanija je poslednjih meseci više puta bila kritikovana zbog toga što interne rezultate predstavlja pre nego što treća strana stigne da ih proveri.

Anthropic je ranije ove godine pozvao ostale AI kompanije da uspore razvoj modela, upozoravajući na rizike od prebrzog napretka bez dovoljno bezbednosnih provera. Opus 5.5 je, prema saopštenju kompanije, prvi model koji je izašao posle tog poziva, pa Anthropic posebno ističe da poboljšanja u brzini i ceni nisu došla na račun bezbednosnih testova.

Bezbednosne izmene

Kompanija tvrdi da je Opus 5.5 ostvario najbolji rezultat od svih dosadašnjih Claude modela na internoj bezbednosnoj proveri koja obuhvata skoro 2.000 scenarija, i da je za 85 odsto ređe pokušavao da zaobiđe postavljena ograničenja u odnosu na Opus 5 i Claude Mythos 5.1. Model je, prema Anthropicovim podacima, otporniji i na pokušaje ubacivanja skrivenih instrukcija u tekst, poznate kao prompt injection napadi.

Novost je i takozvano očuvano razmišljanje, mehanizam koji treba da spreči da neko preko API-ja iskoristi odgovore modela za treniranje sopstvenog, jeftinijeg modela. Mera se odnosi na naloge otvorene posle 31. avgusta. Za rad sa biološkim istraživanjima pristup modelu ide preko programa provere za nauke o životu koji je Anthropic uveo ranije ovog meseca, dok su zadaci vezani za bezbednost računarskih sistema i dalje najvećim delom usmereni na stariji Opus 4.8.

Dostupnost

Opus 5.5 je dostupan na Claude Platformi, kao i preko Amazona, Google Cloud-a i Microsoft Azure-a, pod oznakom claude-opus-5-5. Anthropic najavljuje da će manji modeli iz iste porodice, Claude Sonnet 5.5 i Haiku 5.5, stići u narednim nedeljama. Korisnicima je dostupna i opcija nulte retencije podataka, a model ispunjava zahteve evropskog Zakona o veštačkoj inteligenciji u pogledu obeležavanja generisanog sadržaja.