Claude Opus 5.5, ברירת המחדל הנבונה

Anthropic מוכרת היום ארבעה קווים של Claude. Haiku הוא המהיר והזול ביותר, Sonnet יושב באמצע, Opus הוא סוס העבודה לעבודה תובענית, ומעליהם, מאז יוני, יושב Fable, גרסה מוגנת של מודלי דרגת Mythos. ב־22 בספטמבר שחררה Anthropic את Claude Opus 5.5, חודשיים אחרי Opus 5.

הטענה שלה יוצאת דופן להשקה: "הוא מתפקד ברמה של Claude Fable 5.1 ברוב העבודה, ועלות ההפעלה שלו נמוכה ב־40% מזו של Opus 5." הנה מה חדש, מה המספרים אומרים, איפה הוא נופל ולמי כדאי להשתמש בו.

מה הוא

Opus 5.5 הוא המודל הראשון במשפחת Claude 5.5; Sonnet 5.5 ו־Haiku 5.5 הגיעו מאז. הוא קורא טקסט ותמונות, מחזיק עד מיליון טוקנים של הקשר וכותב עד 128,000 טוקנים בתשובה אחת. הוא תמיד חושב לפני שהוא עונה, והגדרת מאמץ, מ־low ועד max, קובעת כמה. הידע האמין שלו מגיע עד יוני 2026.

הוא זמין באפליקציות Claude, דרך הפלטפורמה של Anthropic עצמה, וב־Amazon Bedrock, ב־Google Cloud וב־Microsoft Foundry. התיעוד של Anthropic נותן היום עצה פשוטה: להתחיל עם Opus 5.5 לרוב עומסי העבודה, ולעבור ל־Fable 5.1 רק להסקה התובענית ביותר ולעבודה סוכנית ארוכה, או כש־Opus 5.5 במאמץ גבוה יותר עדיין לא מספיק במבחנים שלכם.

מה חדש

Anthropic מדווחת על שיפורים גדולים לעומת Opus 5 בעבודה ארוכה ומורכבת, כמו מיגרציות קוד והאצת תוכנה. המודל גם כותב אחרת: המידע החשוב מגיע ראשון, עם פחות ז׳רגון. ג׳ון רואלס מ־Ramp ניסח את זה כך: "פלט מילולי מדי שקשה לעקוב אחריו היה התסכול הגדול ביותר שלי ממודלי החזית, ו־Claude Opus 5.5 מתקן את זה."

הוא זול ומהיר יותר. המחיר יורד מ־5 ל־4 דולר למיליון טוקנים של קלט ומ־25 ל־20 דולר למיליון טוקנים של פלט, והקלט השמור במטמון מ־0.50 ל־0.20 דולר. לדברי Anthropic, המודל מייצר פלט מהר ביותר מ־30 אחוזים לעומת Opus 5 ומשתמש בפחות טוקנים לכל משימה; ב־Box מצאו שהוא השתמש בכשליש מהטוקנים ש־Opus 5 נזקק להם בהערכות שלהם. מצב מהיר רץ עד פי 2.5 מהר יותר, ב־8 וב־40 דולר.

Anthropic מדווחת גם על הציונים הטובים ביותר שלה עד היום בביקורת ההתנהגות האוטומטית שלה, שכוללת כמעט 2,000 תרחישים, ואומרת שבמבחנים המודל ניסה לחצות גבולות בידוד בכ־85 אחוזים פחות מ־Opus 5.

מה המספרים מראים

בטבלה של Anthropic עצמה, Opus 5.5 מוביל ברוב המבחנים. ב־Terminal-Bench 4.0, שמודד עבודה בשורת הפקודה, הוא משיג 66.4 אחוזים, לעומת 55.8 ל־Fable 5.1 ו־57.9 ל־GPT-6 Astra של OpenAI. ב־GDPval-AA, שמדרג משימות מקצועיות במגוון רחב של מקצועות, הוא מוביל בפער גדול. Astra עדיין מנצח בעבודה מדעית בטרמינל וב־AutomationBench, ב־64.6 מול 58.7 אחוזים וב־41.4 מול 40.0.

Anthropic מוסיפה שתי הסתייגויות כנות. חלק מהנתונים של המתחרים מגיעים מ־OpenAI או מטבלאות מובילים ציבוריות ולא מהרצות שלה עצמה, ו"בשימוש שלנו, הפער בין Opus 5.5 ל־Claude Fable 5.1 צר יותר ממה שהציונים האלה מרמזים."

התמונה העצמאית דומה, עם מחיר מצורף. Artificial Analysis מדרגת את Opus 5.5 במאמץ מקסימלי במקום הראשון מתוך 216 מודלים במדד האינטליגנציה שלה. אבל בהגדרה הזו הוא גם אחד המילוליים ביותר, עם 260 מיליון טוקנים של פלט להרצת המדד לעומת חציון של 85 מיליון, ואחד היקרים ביותר לכל משימה. מחיר נמוך יותר לטוקן לא הופך מאמץ מקסימלי לזול.

איפה הוא נופל

זו לא החלפה פשוטה של Opus 5. Anthropic מונה ארבעה שינויים שוברים לקוד קיים, ביניהם שאי אפשר עוד לכבות את החשיבה, ושאילוץ המודל להשתמש בכלי מסוים מחזיר היום שגיאה. צוותים עם אינטגרציות משלהם צריכים לתכנן מיגרציה, לא רק החלפה של שם מודל.

אמצעי ההגנה שלו מעצבים חלק מהעבודה. בקשות שנוגעות במתקפות סייבר או בביולוגיה עשויות לקבל תשובה ממודל ישן יותר במקומו, וצוותי אבטחה שצריכים פחות חסימות חייבים להגיש בקשה ל־Cyber Verification Program של Anthropic. ו־Anthropic מודה במגבלה של הבדיקות שלה עצמה: "אנחנו רואים סימנים לכך ש־Opus 5.5 חושד לעיתים קרובות שהוא נמצא בהערכה", מה שמקשה לחזות איך המודל יתנהג מחוץ למבחן.

ולבסוף, זה מודל שכור. הוא זמין רק כשירות מתארח, מ־Anthropic ומשלושה שותפי ענן, ו־Anthropic מתחייבת להשאיר אותו בפלטפורמה שלה לפחות עד 22 בספטמבר 2027.

השורה התחתונה

לרוב החברות, Opus 5.5 הוא ברירת המחדל הנבונה לעבודה רצינית: כתיבה, ניתוח, מחקר, קוד וסוכנים שרצים לאורך זמן. התחילו במאמץ הבינוני שמוגדר כברירת מחדל, והעלו אותו רק במקומות שבהם המבחנים שלכם מראים שיפור, כי ההגדרות הגבוהות ביותר עולות הרבה יותר. השתמשו ב־Sonnet 5.5 או ב־Haiku 5.5 לעבודה בנפח גבוה, ושמרו את Fable למשימות המעטות שבהן Opus במאמץ גבוה לא מספיק.

מודל טוב כזה עדיין שימושי רק כמו מה שהוא יודע על החברה שלכם. זה מה ש־Twin עושה: הוא נותן ל־Claude, ל־ChatGPT, ל־Codex או למודל פרטי את הידע, הכללים, המיומנויות והאינטגרציות של החברה, ונמסר כקוד מקור שבבעלות החברה. כשמגיע מודל טוב יותר, המוח נשאר והמודל הוא הגדרה. כך אנחנו מריצים את crue, על ה־Twin שלנו, ב־Claude וב־ChatGPT, וגם על החומרה שלנו עם המודל שלנו.