Claude Opus 5 osiąga wyniki bliskie Fable 5 przy dwukrotnie niższych kosztach tokenów

Anthropic wprowadza Claude Opus 5, nowy flagowy model sztucznej inteligencji, który ma konkurować z droższym Claude Fable 5, oferując podobną wydajność przy dwukrotnie niższych kosztach tokenów. Według oficjalnych danych firmy, nowy model ustanawia rekordy w programowaniu i zadaniach związanych z przetwarzaniem wiedzy.

Opus 5 staje się domyślnym modelem w planie Claude Max i najbardziej zaawansowanym dostępnym w Claude Pro. Firma odpowiada w ten sposób na presję cenową ze strony GPT-5.6 Sol oraz chińskich konkurentów, dążąc do zmniejszenia luki między ceną a wydajnością w porównaniu do znacznie droższego Fable 5.

Kluczowe wnioski

• Claude Opus 5 kosztuje 5 dolarów za milion tokenów wejściowych i 25 dolarów za tokeny wyjściowe — połowę ceny Claude Fable 5.
• W teście ARC-AGI-3 mierzącym rozwiązywanie nowych problemów model osiągnął 30,2%, czyli prawie cztery razy więcej niż GPT-5.6 Sol (7,8%).
• Opus 5 przewodzi w programowaniu agentowym terminal z wynikiem 43,3% na Frontier-Bench v0.1, wyprzedzając Fable 5 (33,7%) i GPT-5.6 Sol (34.4%).
• Model oferuje pięć poziomów „wysiłku” — od low do max — pozwalających na optymalizację kosztów względem wydajności.
• Nowy tryb Fast Mode zwiększa prędkość o 2,5 raza, ale podwaja cenę tokenów.

Wydajność vs koszty w różnych zastosowaniach

Opus 5 wykazuje zróżnicowaną wydajność w zależności od typu zadań. W programowaniu agentowym przez terminal model osiąga najwyższe wyniki z 43,3% na benchmarku Frontier-Bench v0.1. W zadaniach związanych z przetwarzaniem wiedzy (GDPval-AA v2) prowadzi z wynikiem Elo 1,861, wyprzedzając Fable 5 (1,747) i GPT-5.6 Sol (1,736).

Jednak nie wszędzie Opus 5 dominuje. W programowaniu agentowym przez DeepSWE v1.1 przegrywa z GPT-5.6 Sol (72,7%) i Fable 5 (69,7%), osiągając 68,8%. W zadaniach medycznych i prawnych ustępuje odpowiednio modelom Fable 5 i Mythos 5.

Szczególnie zaskakujący jest wynik w teście ARC-AGI-3, który mierzy rozwiązywanie nowych problemów bez opierania się na zapamiętanych wzorcach. Opus 5 osiągnął 30,2%, podczas gdy jego poprzednik Opus 4.8 zaledwie 1,5%. To prawie czterokrotna przewaga nad następnym w kolejności GPT-5.6 Sol.

System poziomów wysiłku i nieoczekiwane zachowania

Anthropic wprowadził system pięciu poziomów wysiłku: low, medium, high, xhigh i max, pozwalający użytkownikom balansować wydajność z kosztami tokenów. Firma zaleca szerokie wykorzystanie ustawień „low” i „medium” dla większości zadań, rezerwując „xhigh” dla programowania i zadań agentowych.

Interesujący paradoks ujawnił się w dwóch benchmarkach — Frontier-Bench v0.1 i Artificial Analysis Coding Agent Index — gdzie Opus 5 osiąga gorsze wyniki przy najwyższym ustawieniu „max” mimo wyższych kosztów. Według dewelopera FrontierCode Cheng-Yuan Lee, to zachowanie wynika z tego, że przy wyższych poziomach wysiłku model ma tendencję do refaktoryzowania otaczającego kodu nawet gdy potrzebna jest tylko drobna poprawka. Benchmark traktuje takie niesolicitowane zmiany jako błędy, chociaż kod pozostaje poprawny.

Model zachowuje okno kontekstowe 1 miliona tokenów i te same stawki co poprzednik — jednak rzeczywiste koszty mogą się różnić w zależności od efektywności tokenów. Historia pokazuje, że Opus 4.7 kosztował o 30–40% więcej za zadanie niż Opus 4.8 przy tych samych bazowych stawkach.