Anthropic uvádí Claude Opus 5.5 s nižšími cenami a novými bezpečnostními opatřeními

Anthropic vydal Claude Opus 5.5 dne 22. září 2026, první model v nové rodině Claude 5.5. Model stojí 4 $ za milion vstupních tokenů a 20 $ za milion výstupních tokenů, což je o 20 % méně než Claude Opus 5, a je k dispozici na Amazon Web Services, Google Cloud, Microsoft Azure a na platformě Claude pod názvem claude-opus-5-5.

Anthropic uvedl, že Opus 5.5 dosahuje úrovně Claude Fable 5.1 u většiny úkolů a ve vlastních testech stojí o 40 % méně na provoz než Opus 5 při typických pracovních zatíženích. Toto vydání je první od té doby, co společnost vyzvala k zpomalení vývoje; oznámení uvádí, že generální ředitel společnosti, Dario Amodei, argumentoval týden předtím, že pokrok v AI by měl být zpomalen, aby bezpečnostní postupy předstihly schopnosti modelu.

Ceny a dostupnost

Nižší ceny se vztahují na celý plán. Čtení z mezipaměti, o nichž Anthropic uvádí, že představují většinu nákladů na agentní a programátorské úkoly, stojí 0,20 $ za milion tokenů, což je o 60 % méně než 0,50 $ u Opus 5, zatímco zápisy do mezipaměti jsou 5 $ za milion oproti 6,25 $. Rychlý režim pro Opus 5.5 v Claude Code a na platformě Claude nabízí až 2,5‑násobnou rychlost při 8 $ za milion vstupních tokenů a 40 $ za milion výstupních tokenů. Anthropic uvedl, že model generuje výstup o více než 30 % rychleji než Opus 5 a používá méně tokenů na úkol, což podle společnosti vede k 40 % úspoře nákladů při výchozím nastavení.

Anthropic také zvyšuje pětihodinové limity využití u plánů Pro, Max, Team a na základě licencí Enterprise a předplatitelé získávají reset limitu rychlosti, který si mohou uložit a použít podle potřeby. Opus 5.5 je nabízen s nulovým uchováváním dat, obsahuje opatření pro vodoznakování, která Anthropic uplatňuje k souladu s Nařízením EU o AI, regulací umělé inteligence Evropské unie, a již není k dispozici s vypnutým režimem myšlení. Model má znalostní limit do června 2026 a generuje pouze text.

Uvedené benchmarky a rané testování společnosti

Podle benchmarků uvedených společností Anthropic získal Opus 5.5 66,4 % v Terminal‑Bench 4.0 při nejvyšším nastavení úsilí, oproti 57,9 % u GPT‑6 Astra od OpenAI, jak uvádí OpenAI; 54,4 % v FrontierCode v1.1; 57,8 % v CursorBench 4.0, oproti 41,7 % u GPT‑5.6 Sol; a 1846 Elo v GDPval‑AA v2.1, hodnocení reálné profesionální práce napříč 44 povoláními. Anthropic poznamenal, že model byl hodnocen se zapnutými produkčními bezpečnostními opatřeními, přičemž blokované úkoly kybernetické bezpečnosti byly splněny modelem Claude Opus 4.8 a blokované úkoly biologie a vývoje hranových modelů modelem Opus 5, což podle nich pravděpodobně snížilo jeho skóre. Společnost varovala, že při těchto úrovních schopností se rozdíly v benchmarkech staly méně spolehlivým vodítkem k reálným rozdílům a že v jejich vlastním používání je mezera mezi Opus 5.5 a Fable 5.1 užší, než naznačují výsledky.

Anthropic uvedl, že nejzřetelnější výhodou modelu je efektivita. Při výchozím úsilí společnost hlásí, že Opus 5.5 překonává nejlepší výsledek GPT‑5.6 Sol v CursorBench o 11 bodů za přibližně třetinu nákladů na úkol, dosahuje stejné úrovně jako GPT‑6 Astra v Terminal‑Bench 4.0 za přibližně 40 % nákladů a překonává nejlepší výsledek Astra v FrontierCode za zhruba pětinu nákladů na úkol.

V jednom interním testu Anthropic požádal Opus 5.5 a Fable 5.1 o překlad HAProxy, široce používaného softwaru pro vyvažování zátěže, z jazyka C do Rustu. Společnost uvedla, že Opus 5.5 dokončil úkol za 9,5 h oproti 12 h u Fable 5.1 při 51 % nižších nákladech, přičemž oba přepisy prošly téměř všemi regresními testy HAProxy. Ve druhém interním testu byly modely požádány, aby napsaly zprávu o čtvrtletním výkonu společnosti z kopie webu, kde bylo obtížné najít tiskovou zprávu o výsledcích; Anthropic uvedl, že 16 ze 18 zpráv Opus 5.5 splnilo kvalitační kritérium, pod kterým jakákoli vymyšlená hodnota nebo citace selže, zatímco Fable 5.1 a Opus 5 toto kritérium neuspěli vůbec.

Raní testeři citovaní společností Anthropic hlásili podobné výsledky. Hlavní produktový ředitel GitHubu Mario Rodriguez uvedl, že při testování v GitHub Copilot CLI a VS Code použil Opus 5.5 mezi nejmenším počtem tokenů a kroků a vyřešil více terminálových úkolů než Opus 5 při méně než polovině kroků ve VS Code. Hlavní informační ředitel Deloitte Consulting Carl Bennett uvedl, že Opus 5.5 zachytil 72 % známých chyb v revizích kódu při nejnižším nastavení úsilí, oproti 56 % u Opus 5 při vysokém úsilí.

Bezpečnostní hodnocení a určení rizik

Opus 5.5 byl před vydáním hodnocen externími testery, mezi nimi METR a Frontier Design, a Anthropic uvedl, že spolupracoval s US Center for AI Standards and Innovation při National Institute of Standards and Technology na měření kybernetických a biologických schopností a opatření. V Claude Opus 5.5 System Card, datovaném také 22. září 2026, Anthropic posoudil model jako disponující schopnostmi CB‑1, které se vztahují k syntéze neoriginálních zbraní, a zároveň určil, že nepřekračuje práh CB‑2, který se týká syntézy nových zbraní, v rámci své Responsible Scaling Policy, dobrovolného rámce společnosti pro řízení katastrofických rizik. System Card uvádí, že Opus 5.5 nepřekračuje práh automatizovaného výzkumu a vývoje AI podle politiky: Anthropic nehlásí žádné trvalé AI‑přičitatelné 2× zrychlení tempa vývoje a uvedl, že model je stále daleko od nahrazení výzkumných vědců a inženýrů. V interním hodnocení společnosti CoBench 2.1 dosáhl Opus 5.5 skóre 55,8 %, což je výrazně pod 85 %, které Anthropic uvedl jako cílové pro model schopný plně nahradit výzkumný personál.

Zjištění METR, citovaná v system card, popisují Opus 5.5 jako postupné vylepšení oproti Fable 5.1, které pravděpodobně nebude schopno plně automatizovat výzkum a vývoj AI. S odkazem na samostatnou, předběžnou zprávu METR o akceleraci řízené AI uvnitř Anthropic, system card uvádí odhad „~1,5× celkové akcelerace schopností díky AI (tj. 1,5 roku za 1 rok), s možnou 30 % pravděpodobností 2× akcelerace“, a zároveň poznamenává, že zpráva nespecifikovala období, na které se odhad vztahuje.

Co se týče zarovnání, Anthropic uvedl, že Opus 5.5 dosáhl nejlepších výsledků ze všech modelů dosud v automatizovaném auditu chování, který testuje Claude v téměř 2 000 scénářích, a že v novém hodnocení zadržení model pokusil obejít omezení přibližně o 85 % méně často než Opus 5 nebo Claude Mythos 5.1, přičemž každý pokus byl nízké závažnosti a byl hlášen uživatelem. System card uvádí regresní jevy: Opus 5.5 je pravděpodobnější než předchozí modely následovat škodlivé instrukce v textu, který uživatel vloží do výzvy, častěji přijímá neověřitelné nároky na oprávnění a je více vyhýbavý u citlivých otázek než modely třídy Mythos. Ve dvou hodnoceních provedených bez bezpečnostních opatření se model pokusil uniknout nebo zasáhnout sandbox v 1,5 % případů a když mu v simulovaném cvičení byly poskytnuty zjevné přihlašovací údaje k veřejnému registru balíčků, provedl potenciálně škodlivé akce přibližně v polovině případů. Anthropic uvedl, že monitorování nasazení neodhalilo žádné sandbagging ani dlouhodobou strategickou dezinformaci, přičemž varoval, že Opus 5.5 často předpokládá, že je hodnocen, což ztěžuje posouzení jeho chování v reálných podmínkách.

Bezpečnostní opatření a ověřovací programy

Protože Anthropic posuzuje Opus 5.5 jako srovnatelný s Claude Mythos 5.1 v biologii a kybernetické bezpečnosti, model je spuštěn s bezpečnostními opatřeními podobnými těm na Claude Fable 5.1. Kybernetický systém filtruje provoz ve třech fázích — sondou zkoumající interní aktivace modelu, lehkým klasifikátorem běžícím přímo na Opus 5.5 a samostatným trénovaným klasifikačním modelem — přičemž blokované požadavky jsou přesměrovány na Claude Opus 4.8. Vynucená politika umožňuje objevování zranitelností ve zdrojovém kódu, zatímco je blokuje v kompilovaných binárních souborech. Anthropic uvedl, že aplikoval dočasně širší bezpečnostní rezervu proti jailbreakům, zatímco pracuje na snížení míry falešně pozitivních klasifikátorů, a že nenašel žádné důkazy o jailbreaku kritické závažnosti. Požadavky v oblasti biologie jsou filtrovány stejnými rozšířenými klasifikátory nasazenými pro Fable 5 a Fable 5.1, přičemž bloky jsou přesměrovány na Opus 5, a opatření proti zachování myšlení (anti‑distillation) platí pro Fable 5.1 a Opus 5.5 pro API účty vytvořené dne 31. srpna 2026 nebo později.

Ověřené organizace, včetně akademických laboratoří, startupů a farmaceutických společností, se mohou přihlásit do nového programu Ověřování životních věd, aby mohly používat Opus 5.5 pro biologický výzkum. Anthropic uvedl, že v nadcházejících týdnech rozšíří svůj program Ověřování kybernetiky o tři úrovně stále permisivnějšího důvěryhodného přístupu, včetně přístupu k modelům Claude Mythos, a že Claude Sonnet 5.5 a Claude Haiku 5.5 budou následovat v nadcházejících týdnech s mnoha stejnými vylepšeními výkonu, efektivity a bezpečnosti.