‏Claude Opus 5 معرفی شد

آنتروپیک از Claude Opus 5 رونمایی کرده؛ مدلی که به گفتهٔ خود شرکت خیلی به هوش مرزی Claude Fable 5 نزدیکه ولی نصف اون خرج برمی‌داره. تو مقالهٔ معرفی اومده که Opus 5 برای استفادهٔ روزمره ساخته شده و کارشو با توکن کمتری جلو می‌بره؛ حالا مدل پیش‌فرض Claude Max و قوی‌ترین مدل روی Claude Pro هست.

روی بنچمارک‌ها، آنتروپیک می‌گه Opus 5 تو Frontier-Bench v0.1 از همهٔ مدل‌های دیگه جلو زده و بیشتر از دو برابر Opus 4.8 امتیاز گرفته، اون هم با هزینهٔ کمتر برای هر تسک. تو CursorBench 3.2 با بالاترین سطح effort تا نیم درصدی اوج Fable 5 می‌رسه با نصف هزینه، تو ARC-AGI 3 امتیازش سه برابر بهترین مدل بعدیه و تو OSWorld 2.0 با حدود یک‌سوم هزینه از بهترین نتیجهٔ Fable 5 رد شده.

چیزی که آنتروپیک بیشتر روش تأکید می‌کنه، حوصلهٔ مدل تو وارسی کار خودشه. تو یکی از تسک‌ها مدل باید از روی نقشهٔ یه قطعه، کد مدل سه‌بعدی FreeCAD می‌نوشت ولی عمداً هیچ راهی برای دیدن نقشه نداشت؛ Opus 5 خودش یه پایپ‌لاین بینایی ماشین نوشت تا هندسه رو از پیکسل‌های خام دربیاره. جای دیگه ریشهٔ یه باگ واقعی تو یه پکیج‌منیجر متن‌باز رو پیدا کرد و حالت لبه‌ای رو گرفت که وصلهٔ خود جامعه از قلم انداخته بود.

بخش ایمنی هم خبر داره: ممیزی رفتاری خودکار آنتروپیک این مدل رو هم‌راستاترین مدلشون تا امروز معرفی کرده، با کمترین نرخ رفتار فریب‌کارانه. طبق همین گزارش، Opus 5 تو پیدا کردن آسیب‌پذیری به Mythos 5 نزدیک شده ولی تو ساخت اکسپلویت هنوز خیلی عقب‌تره. کلسیفایرهای سایبری‌اش اجازهٔ پیدا کردن باگ تو سورس‌کد رو می‌دن، ولی اسکن باینری، تست نفوذ و تولید اکسپلویت رو می‌بندن.

قیمت‌گذاری دست‌نخورده مونده: ۵ دلار برای هر میلیون توکن ورودی و ۲۵ دلار برای خروجی، دقیقاً مثل Opus 4.8. حالت Fast هم هست که حدود ۲.۵ برابر سریع‌تر جواب می‌ده با دو برابر قیمت پایه. کنارش دوتا قابلیت بتا اومده: عوض کردن ابزارها وسط مکالمه بدون باطل‌شدن کش پرامپت، و fallback خودکار روی API که درخواست‌های علامت‌خورده رو به جای بلاک‌شدن به مدل دیگه پاس می‌ده.

نکات کلیدی:

• Opus 5 امروز روی همهٔ پلتفرم‌ها فعاله، با همون قیمت Opus 4.8: ۵ و ۲۵ دلار به ازای هر میلیون توکن ورودی و خروجی
• تو Frontier-Bench v0.1 صدرنشینه و بیشتر از دو برابر Opus 4.8 امتیاز می‌گیره، با هزینهٔ کمتر برای هر تسک
• سطح effort قابل تنظیمه؛ حتی تو پایین‌ترین حالت هم تو Zapier AutomationBench از بقیه جلو می‌زنه
• تو ارزیابی داخلی، هم‌راستاترین و کم‌فریب‌ترین مدل آنتروپیک تا امروزه
• تو کارهای علمی از Opus 4.8 جلوتره؛ بیشترین رشد تو شیمی آلی و تسک‌های مرتبط با پروتئین بوده
• شناسهٔ مدل روی API claude-opus-5 هست و حالت Fast با دو برابر قیمت پایه، حدود ۲.۵ برابر سریع‌تره