کلود Opus 5.5 اومد: سریع‌تر و ارزون‌تر
هوش مصنوعیClaude Opus 5خلاصهٔ کامل‌تر
Opus 5.5 تازه‌ترین مدل پرچم‌دار آنتروپیکه و اولین عضو خانوادهٔ «کلود ۵.۵». تو این مقاله اومده که این مدل تو بیشتر بنچمارک‌های agentic (یعنی کارهایی که مدل خودش ابزار اجرا می‌کنه و مرحله‌به‌مرحله جلو می‌ره) و کدنویسی، GPT-5.1 رو می‌زنه یا باهاش برابره. بزرگ‌ترین جهشش تو Terminal-bench 4.0 ـه: ۶۶.۴ درصد، در برابر ۵۷.۹ درصد نزدیک‌ترین رقیب و ۵۲.۳ درصد خودِ Opus 5.
تو GDPval 2.1، بنچمارک اوپن‌ای‌آی برای کارهای واقعی دفتری مثل صفحه‌گسترده و سند و ایمیل، امتیاز ELO حدود ۱۸۴۶ گرفته در برابر ۱۷۳۵ برای GPT-5.1. ولی همه‌جا برنده نیست: تو Automation Bench با ۴۰ درصد کمی عقب‌تر از Astra با ۴۱.۴ درصد موند و تو Terminal-Bench Science هم دوم شد. تو کارهای computer-use و خوندن نمودار هم فرقش با GPT-5.1 خیلی کمه.
قیمت لیستی رفته روی ۴ دلار برای هر میلیون توکن ورودی و ۲۰ دلار برای خروجی، که قبلاً ۵ و ۲۵ دلار بود. خوندن از کش هم از ۵۰ سنت به ۲۰ سنت رسیده. این یعنی حدود ۲۰ درصد کاهش قیمت خام، ولی ادعای ۴۰ درصدی آنتروپیک به این برمی‌گرده که مدل برای همون کار توکن کمتری خرج می‌کنه. به گفتهٔ نویسنده معیار درست «هزینهٔ هر تسک»ـه، نه قیمت هر توکن.
یه نکتهٔ عملی که نویسنده روش دست می‌ذاره، تنظیم reasoning effort ـه: تو چند بنچمارک، حالت medium هم‌سطح یا حتی بهتر از high و max نمره گرفته، اونم با هزینه‌ای زیر یک دلار برای هر تسک در برابر چند دلار. سبک نوشتن مدل هم عوض شده؛ جمله‌ها کوتاه‌تر و مستقیم‌ترن و مهم‌ترین حرف اول میاد. این مخصوصاً وقتی چند سشن agent رو هم‌زمان می‌چرخونی کار رو راحت‌تر می‌کنه.
نکات کلیدی:
- Terminal-bench 4.0: ۶۶.۴ درصد در برابر ۵۲.۳ درصد Opus 5
- قیمت API: ۴ دلار ورودی و ۲۰ دلار خروجی به ازای هر میلیون توکن
- خروجی بیش از ۳۰ درصد سریع‌تر از Opus 5 تولید میشه
- تو Automation Bench با ۴۰ درصد از Astra با ۴۱.۴ درصد عقب‌تره
- سقف مصرف ۵ ساعته بالاتر رفته و کاربر می‌تونه خودش rate limit رو ریست کنه
- محدودیت‌های سفت‌تر برای حوزهٔ زیست‌شناسی و امنیت سایبری اضافه شده
