Anthropic выпустила Claude Opus 4.5

Anthropic представила Opus 4.5 как шаг вперёд в том, что умеют системы ИИ, и как предвестник больших изменений в том, как делается работа.

Что произошло

Claude Opus 4.5 - модель для кода, агентов и computer use, которая заметно лучше и в повседневных задачах: глубоком ресёрче, работе со слайдами и таблицами. Тестировщики Anthropic отмечали, что модель справляется с неоднозначностью и взвешивает компромиссы без подсказок, а при сложных многосистемных багах сама находит фикс. Общий рефрен отзывов - Opus 4.5 «просто понимает» задачу.

Цена и эффективность

Модель доступна в приложениях, через API и на трёх крупных облаках; идентификатор - claude-opus-4-5-20251101. Цена - $5 за миллион входных токенов и $25 за миллион выходных. Главная фишка - новый параметр effort на API: им можно либо минимизировать время и расходы, либо выжать максимум качества. На среднем усилии Opus 4.5 повторяет лучший результат Sonnet 4.5 на SWE-bench Verified, но тратит на 76% меньше выходных токенов; на максимальном - превосходит Sonnet 4.5 на 4,3 процентных пункта, используя при этом на 48% меньше токенов.

Творческое решение и выравнивание

В бенчмарке τ2-bench есть сценарий, где модель играет агента авиакомпании и должна отказать в изменении базового тарифа. Opus 4.5 нашла легальный обходной путь: сначала повысить класс билета, затем поменять рейс. Формально бенчмарк засчитал это как провал, потому что ход не был предусмотрен, но именно такое креативное решение и отмечали тестировщики. При этом, по словам Anthropic, Opus 4.5 - самая надёжно выровненная их модель на тот момент и заметно устойчивее к prompt injection, чем другие фронтир-модели.

Апдейты Claude Code

Вместе с моделью обновились Claude Code, платформа и приложения. В Claude Code режим Plan Mode стал точнее: Claude сначала задаёт уточняющие вопросы, потом собирает редактируемый файл plan.md и только затем выполняет. Claude Code стал доступен в десктоп-приложении, где можно вести несколько локальных и удалённых сессий параллельно - например, один агент чинит баги, другой исследует GitHub, третий обновляет доки. В приложениях длинные диалоги перестали упираться в стену: контекст автоматически суммируется по мере необходимости.

Что это значит

Если ты работаешь на API, главный практический рычаг здесь - параметр effort. Для рутинных задач ставь среднее усилие и экономь токены; для самых сложных багов и длинных агентных прогонов поднимай усилие ради качества. А управление контекстом и память дают держать агента в работе дольше с меньшим числом вмешательств.