Anthropic представила Claude Opus 5.5 – первую модель нового семейства Claude 5.5. Разработчики делают акцент на задачах, где ИИ должен продолжительное время самостоятельно выполнять сложную работу. По заявлению компании, Opus 5.5 сопоставима с Claude Fable 5.1 в большинстве задач, но использует примерно на 40% меньше вычислительных ресурсов, чем Opus 5. Компания подчеркивает, что модель выпущена после призыва CEO Anthropic Дарио Амодеи к подходу, при котором развитие передовых ИИ-систем должно идти в ногу с мерами контроля и оценки рисков.
Модель получила улучшения для миграции крупных кодовых баз, аудита программ, оптимизации приложений и подготовки аналитических материалов. В одном из внутренних тестов система помогла перенести 680 000 строк кода менее чем за сутки; Anthropic оценивает, что аналогичная работа инженерной команды могла бы занять несколько недель. В ближайшие недели компания планирует выпустить Sonnet 5.5 и Haiku 5.5 с обновлениями производительности, эффективности и безопасности.
Anthropic утверждает, что экономия формируется за счет более низкой цены токенов и сокращения их общего количества на задачу. В типичных сценариях это дает около 40% снижения затрат, а скорость генерации более чем на 30% превышает Opus 5. Для тарифов Pro, Max и Team лимиты использования увеличены на пять часов, а также появилась возможность сохранять доступный лимит сброса. Среди примеров возможностей – агентное программирование: в одном из тестов Opus 5.5 улучшила скорость загрузки страниц в 39 из 40 случаев. В другом эксперименте модель опередила другие системы по качеству графики и полировки игры, созданной по одному промпту. Компания также сообщает о высоких результатах в финансовом анализе, бизнес-отчетности и исследовании данных, отмечая, что при близких показателях современных моделей бенчмарки все хуже отражают различия в реальной работе.
Anthropic усилила защитные механизмы Opus 5.5. По данным компании, модель показала лучший результат среди протестированных систем во внутреннем автоматизированном аудите поведения, включавшем тысячи смоделированных сценариев. Разработчики отмечают более редкие труднооткатываемые действия, повышенную устойчивость к заражению промпта, более точное соблюдение заданных рамок и улучшения в честности и следовании инструкции. Для кибербезопасности и биологии применяются ограничения, сопоставимые с теми, что используются для наиболее мощных моделей компании: большинство киберзапросов перенаправляется на другие модели, доступ к биологическим сценариям открывается проверенным организациям через Life Sciences Verification Program, а для специалистов по кибербезопасности расширяется Cyber Verification Program. Модель также получила защиту «сохраненного мышления», ограничивающую попытки извлекать внутренние рассуждения через API.
Похожие статьи
