Claude Opus 5 пишет код, ищет ошибки и проверяет себя — релиз Anthropic

Anthropic выпустила Claude Opus 5, и главное в ней не только цена. По заявлению компании, модель приближается к возможностям более мощной Fable 5 за половину стоимости, однако ключевым отличием стала ее самостоятельность — способность проверять собственную работу и доводить задачу до конца без подсказок.

Именно это, а баллы в тестах, компания вынесла на первый план. Opus 5 стал новой моделью по умолчанию в тарифе Claude Max и сильнейшей в Claude Pro, а цену Anthropic оставила прежней.

Хотите еще эксклюзивных новостей и аналитики? Подписывайтесь на наш телеграм-канал, обсуждайте новости и делитесь мнениями о последних событиях рынка в чате!

Что модель умеет делать сама

Как сообщили в Anthropic, Opus 5 заметно лучше предшественника проверяет свою работу и упорно доводит ее до результата. В компании привели несколько примеров самостоятельности из тестов и проверок раннего доступа.

Показателен случай с чертежом механической детали. Opus 5 попросили воссоздать ее в виде трехмерного объекта, но намеренно лишили возможности напрямую «увидеть» исходное изображение. Тогда модель сама написала алгоритм компьютерного зрения, вытянула геометрию из пикселей и собрала деталь, хотя конкуренты не справились с этим и за пять попыток.

Так же тщательно модель разобралась с настоящим багом в популярном пакетном менеджере. Opus 5 докопался до первопричины и починил редкий сценарий, который не учли даже в исправлении от сообщества. Конкурент же устранил лишь внешний симптом и отчитался, что задача решена.

Самостоятельность модель показала и в финансовой задаче. Инженер торговой компании за одну сессию с помощью Opus 5 настроил подключение к биржевым данным новой площадки. Проверить работу было не на чем — реального потока данных не нашлось, и тогда модель сама собрала тестовую заготовку, чтобы проверить, правильно ли ее код читает данные биржи.

Эту же черту отмечают клиенты компании. По словам главы Zapier Уэйда Фостера, Opus 5 возглавил рейтинг AutomationBench и прошел бизнес-задачу по удержанию клиентов на 100%, тогда как прежние модели ее не проходили.

Прогресс подтверждают цифрами тестов. По данным Anthropic, на Frontier-Bench v0.1 модель более чем вдвое превзошла Opus 4.8 при меньшей стоимости задачи, а на тесте ARC-AGI 3 с незнакомыми задачами ее результат втрое выше, чем у ближайшего конкурента.

Таблица сравнения Claude Opus 5 с другими моделями.

Почему это важно

Ставка на самостоятельность объясняет замысел модели. Anthropic называет Opus 5 инструментом на каждый день. Способность самостоятельно перепроверять результат снижает потребность в постоянном контроле со стороны человека.

Заметный прогресс компания отметила в научной работе. Opus 5 обошел предшественника на всех тестах в области наук о жизни, а сильнее всего — в органической химии, где результат оказался выше на 10,2 процентного пункта.

Проверила компания модель и на безопасность. По итогам автоматического аудита поведения в Anthropic назвали Opus 5 моделью, которая точнее прежних следует заданным принципам и реже всех склонна обманывать.

При этом в опасных технологиях двойного назначения модель не стала мощнее прежнего. Как подчеркнули в компании, Opus 5 уступает Mythos 5 и в биологических исследованиях, и в наступательной кибербезопасности. Часть рискованных запросов система по умолчанию передает модели Opus 4.8.

Не забыла компания и о цене. Opus 5 стоит $5 за 1 млн входных токенов и $25 за 1 млн выходных — столько же, сколько Opus 4.8. Иными словами, пользователи получили более сильную модель за прежние деньги. 

Смысл релиза в смещении акцента. Anthropic предлагает судить о модели не по цене за токен, а по способности довести задачу до конца за меньшее число шагов — и именно на это, а не на разовые рекорды в тестах, делается ставка.

Хотите получить доступ к экспертным инсайдам? Подписывайтесь на наш новостной телеграм-канал, а также вступайте в сообщество BeInCrypto! Читайте последние новости и свежую аналитику криптовалют, ИИ и фондовых рынков. Будьте на шаг впереди толпы каждый день!

Источник: https://ru.beincrypto.com/claude-opus-5-vozmozhnosti-samoproverka-anthropic/

Наверх