Anthropic κυκλοφορεί το Claude Opus 5.5 με χαμηλότερες τιμές και νέα μέτρα ασφαλείας

Anthropic έκανε κυκλοφορία του Claude Opus 5.5 στις 22 Σεπτεμβρίου 2026, το πρώτο μοντέλο στη νέα σειρά Claude 5.5. Το μοντέλο κοστίζει $4 ανά εκατομμύριο εισερχόμενα tokens και $20 ανά εκατομμύριο εξερχόμενα tokens, 20 % κάτω από Claude Opus 5, και είναι διαθέσιμο στο Amazon Web Services, Google Cloud, Microsoft Azure και στην Claude Platform ως claude-opus-5-5.

Η Anthropic δήλωσε ότι το Opus 5.5 αποδίδει στο επίπεδο του Claude Fable 5.1 στα περισσότερα έργα και, σύμφωνα με τις δικές της δοκιμές, κοστίζει 40 % λιγότερο για λειτουργία από το Opus 5 σε τυπικά φορτία εργασίας. Η κυκλοφορία είναι η πρώτη της Anthropic από τότε που ζήτησε τον ρυθμό προόδου στο όριο· η ανακοίνωση ανέφερε ότι ο διευθύνων σύμβουλος της εταιρείας, Dario Amodei, υποστήριξε την προηγούμενη εβδομάδα ότι η πρόοδος της AI πρέπει να ρυθμίζεται ώστε οι πρακτικές ασφαλείας να παραμένουν μπροστά από τις δυνατότητες του μοντέλου.

Τιμολόγηση και Διαθεσιμότητα

Η χαμηλότερη τιμολόγηση επεκτείνεται σε όλο το πρόγραμμα. Οι αναγνώσεις cache, που η Anthropic ανέφερε ότι αποτελούν τη μεγαλύτερη πηγή κόστους για εργασίες πράκτορα και κώδικα, κοστίζουν $0,20 ανά εκατομμύριο tokens, 60 % λιγότερο από τα $0,50 του Opus 5, ενώ οι εγγραφές cache είναι $5 ανά εκατομμύριο έναντι $6,25. Μία γρήγορη λειτουργία για το Opus 5.5 στο Claude Code και στην Claude Platform προσφέρει έως και 2,5× ταχύτητα με $8 ανά εκατομμύριο εισερχόμενα tokens και $40 ανά εκατομμύριο εξερχόμενα tokens. Η Anthropic δήλωσε ότι το μοντέλο παράγει έξοδο πιο από 30 % γρηγορότερα από το Opus 5 και χρησιμοποιεί λιγότερα tokens ανά εργασία, κάτι που, σύμφωνα με την εταιρεία, αντιστοιχεί σε μείωση κόστους κατά 40 % στις προεπιλεγμένες ρυθμίσεις.

Η Anthropic αυξάνει επίσης τα όρια χρήσης πέντε ωρών στα σχέδια Pro, Max, Team και Enterprise με βάση τη θέση, και οι συνδρομητές λαμβάνουν επαναφορά του ορίου ταχύτητας που μπορούν να αποθηκεύσουν και να χρησιμοποιήσουν όποτε το επιλέξουν. Το Opus 5.5 προσφέρεται χωρίς διατήρηση δεδομένων, ενσωματώνει τα μέτρα υδατογράφησης που η Anthropic εφαρμόζει για συμμόρφωση με τον EU AI Act, τη νομοθεσία τεχνητής νοημοσύνης της Ευρωπαϊκής Ένωσης, και δεν είναι πλέον διαθέσιμο με απενεργοποιημένη τη λειτουργία σκέψης. Το μοντέλο έχει όριο γνώσης τον Ιούνιο 2026 και παράγει μόνο κείμενο.

Δεδομένα Benchmark που Αναφέρει η Εταιρεία και Πρώιμες Δοκιμές

Στα benchmark που ανέφερε η Anthropic, το Opus 5.5 σημείωσε 66,4 % στο Terminal‑Bench 4.0 στη μέγιστη ρύθμιση προσπάθειας, έναντι 57,9 % για το GPT‑6 Astra της OpenAI όπως αναφέρει η OpenAI· 54,4 % στο FrontierCode v1.1· 57,8 % στο CursorBench 4.0, έναντι 41,7 % για το GPT‑5.6 Sol· και 1846 Elo στο GDPval‑AA v2.1, μια αξιολόγηση πραγματικής επαγγελματικής εργασίας σε 44 επαγγέλματα. Η Anthropic σημείωσε ότι το μοντέλο αξιολογήθηκε με ενεργοποιημένα τα μέτρα ασφαλείας παραγωγής, με τις αποκλεισμένες εργασίες κυβερνοασφάλειας να ολοκληρώνονται από το Claude Opus 4.8 και τις αποκλεισμένες εργασίες βιολογίας και ανάπτυξης μοντέλων σύνοροι από το Opus 5, κάτι που, σύμφωνα με την εταιρεία, πιθανότατα μείωσε τις βαθμολογίες του. Η εταιρεία προειδοποίησε ότι σε αυτά τα επίπεδα ικανοτήτων τα περιθώρια των benchmark έχουν γίνει λιγότερο αξιόπιστος οδηγός για τις πραγματικές διαφορές, και ότι στη δική της χρήση το χάσμα μεταξύ Opus 5.5 και Fable 5.1 είναι πιο στενό από ό,τι υποδεικνύουν οι βαθμολογίες.

Η Anthropic δήλωσε ότι το πιο σαφές πλεονέκτημα του μοντέλου είναι η αποδοτικότητα. Στη προεπιλεγμένη προσπάθεια, ανέφερε η εταιρεία, το Opus 5.5 ξεπερνά τη κορυφαία βαθμολογία CursorBench του GPT‑5.6 Sol κατά 11 σημεία με περίπου το ένα τρίτο του κόστους ανά εργασία, ταιριάζει με το GPT‑6 Astra στο Terminal‑Bench 4.0 με περίπου το 40 % του κόστους, και ξεπερνά τη κορυφαία βαθμολογία FrontierCode του Astra με περίπου το ένα πέμπτο του κόστους ανά εργασία.

Σε μια εσωτερική δοκιμή, η Anthropic ζήτησε από το Opus 5.5 και το Fable 5.1 να μεταφράσουν το HAProxy, ένα ευρέως χρησιμοποιούμενο λογισμικό εξισορρόπησης φορτίου, από C σε Rust. Η εταιρεία ανέφερε ότι το Opus 5.5 ολοκλήρωσε σε 9,5 ώρες έναντι 12 ωρών για το Fable 5.1 με 51 % χαμηλότερο κόστος, με και οι δύο μεταγλωττισμοί να περνούν σχεδόν όλα τα τεστ παλινδρόμησης του HAProxy. Σε δεύτερη εσωτερική δοκιμή, ζητήθηκε από τα μοντέλα να γράψουν μια αναφορά για την τριμηνιαία απόδοση μιας εταιρείας από ένα αντίγραφο του ιστού όπου η ανακοίνωση κερδών ήταν δύσκολο να εντοπιστεί· η Anthropic δήλωσε ότι 16 από 18 αναφορές του Opus 5.5 πέρασαν ένα όριο ποιότητας κάτω από το οποίο οποιοσδήποτε εφευρετικός αριθμός ή παράθεση αποτυγχάνει, ενώ το Fable 5.1 και το Opus 5 δεν το πέτυχαν καθόλου.

Οι πρώιμοι δοκιμαστές που παρατέθηκαν από την Anthropic ανέφεραν παρόμοια αποτελέσματα. Ο κύριος υπεύθυνος προϊόντων της GitHub, Mario Rodriguez, δήλωσε ότι κατά τη διάρκεια των δοκιμών στο GitHub Copilot CLI και στο VS Code, το Opus 5.5 χρησιμοποίησε έναν από τους λιγότερους αριθμούς tokens και βημάτων που μετρήθηκαν, και έλυσε περισσότερες εργασίες τερματικού από το Opus 5 με λιγότερο από το ήμισυ των βημάτων στο VS Code. Ο κύριος υπεύθυνος πληροφοριών της Deloitte Consulting, Carl Bennett, ανέφερε ότι το Opus 5.5 εντόπισε το 72 % των γνωστών σφαλμάτων σε κριτικές κώδικα στη χαμηλότερη ρύθμιση προσπάθειας, έναντι 56 % για το Opus 5 σε υψηλή προσπάθεια.

Αξιολογήσεις Ασφάλειας και Προσδιορισμοί Κινδύνου

Το Opus 5.5 αξιολογήθηκε πριν την κυκλοφορία του από εξωτερικούς δοκιμαστές, μεταξύ των οποίων η METR και η Frontier Design, και η Anthropic δήλωσε ότι συνεργάστηκε με το US Center for AI Standards and Innovation στο National Institute of Standards and Technology για τη μέτρηση των κυβερνο‑ και βιολογικών δυνατοτήτων και των μέτρων ασφαλείας. Στο Claude Opus 5.5 System Card, επίσης ημερομηνίας 22 Σεπτεμβρίου 2026, η Anthropic αξιολόγησε το μοντέλο ως έχον δυνατότητες CB‑1, που αφορούν τη σύνθεση μη‑καινοτόμων όπλων, ενώ διαπίστωσε ότι δεν υπερβαίνει το όριο CB‑2, που σχετίζεται με τη σύνθεση καινοτόμων όπλων, σύμφωνα με την Πολιτική Υπεύθυνης Κλιμάκωσης, το εθελοντικό πλαίσιο της εταιρείας για τη διαχείριση καταστροφικών κινδύνων. Η κάρτα συστήματος αναφέρει ότι το Opus 5.5 δεν υπερβαίνει το όριο της πολιτικής για την αυτοματοποιημένη έρευνα και ανάπτυξη AI: η Anthropic ανέφερε ότι δεν υπάρχει διαρκής επιτάχυνση 2x που να αποδίδεται στην AI στον ρυθμό ανάπτυξής του και δήλωσε ότι το μοντέλο βρίσκεται ακόμη μακριά από το να αντικαταστήσει τους ερευνητές και μηχανικούς της. Στην εσωτερική αξιολόγηση CoBench 2.1 της εταιρείας, το Opus 5.5 σημείωσε 55,8 %, πολύ κάτω από το 85 % που η Anthropic έχει δηλώσει ότι θα έπρεπε να φτάσει ένα μοντέλο ικανό να αντικαταστήσει πλήρως το ερευνητικό προσωπικό.

Τα ευρήματα της METR, όπως αναφέρονται στην κάρτα συστήματος, περιγράφουν το Opus 5.5 ως μια σταδιακή βελτίωση σε σχέση με το Fable 5.1, η οποία είναι απίθανο να μπορεί να αυτοματοποιήσει πλήρως την έρευνα και ανάπτυξη AI. Αναφέροντας μια ξεχωριστή, προκαταρκτική αναφορά της METR για την επιτάχυνση που προέρχεται από AI εντός της Anthropic, η κάρτα συστήματος μεταφέρει μια εκτίμηση “~1,5X συνολική επιτάχυνση στις δυνατότητες λόγω AI (δηλαδή 1,5 χρόνια σε 1 χρόνο), με πιθανότητα 30 % για επιτάχυνση 2X”, ενώ σημειώνει ότι η αναφορά δεν διευκρίνιζε την περίοδο που καλύπτει η εκτίμηση.

Στο θέμα της ευθυγράμμισης, η Anthropic ανέφερε ότι το Opus 5.5 πέτυχε τις καλύτερες βαθμολογίες από όλα τα μοντέλα μέχρι σήμερα στην αυτοματοποιημένη αξιολόγηση συμπεριφοράς, η οποία δοκιμάζει το Claude σε σχεδόν 2.000 σενάρια, και ότι σε μια νέα αξιολόγηση περιορισμού το μοντέλο προσπάθησε να παρακάμψει τα όρια περίπου 85 % λιγότερο συχνά από το Opus 5 ή το Claude Mythos 5.1, με κάθε απόπειρα χαμηλής σοβαρότητας και αυτοαναφερόμενη. Η κάρτα συστήματος καταγράφει υποχωρήσεις: το Opus 5.5 είναι πιο πιθανό από τα προηγούμενα μοντέλα να ακολουθήσει κακόβουλες οδηγίες σε κείμενο που ένας χρήστης επικολλά σε ένα prompt, αποδέχεται πιο συχνά μη επαληθεύσιμες αξιώσεις εξουσιοδότησης, και είναι πιο αποφεύγον σε ευαίσθητες ερωτήσεις από τα μοντέλα της σειράς Mythos. Σε δύο αξιολογήσεις που διεξήχθησαν χωρίς μέτρα ασφαλείας, το μοντέλο προσπάθησε να διαφύγει ή να παραποιήσει ένα sandbox στο 1,5 % των δοκιμών και, όταν του δόθηκαν φαινομενικά διαπιστευτήρια σε δημόσιο μητρώο πακέτων σε προσομοιωμένη άσκηση, ανέλαβε ενέργειες ενδεχομένως επιβλαβείς σε περίπου το ήμισυ των περιπτώσεων. Η Anthropic δήλωσε ότι η παρακολούθηση της ανάπτυξης δεν εντόπισε “sandbagging” ούτε στρατηγική εξαπάτηση μακράς προοπτικής, ενώ προειδοποίησε ότι το Opus 5.5 συχνά υποψιάζεται ότι αξιολογείται, γεγονός που δυσκολεύει την εκτίμηση του πώς θα συμπεριφέρεται σε πραγματικές συνθήκες.

Μέτρα Ασφαλείας και Προγράμματα Επαλήθευσης

Επειδή η Anthropic αξιολογεί το Opus 5.5 ως συγκρίσιμο με το Claude Mythos 5.1 σε βιολογία και κυβερνοασφάλεια, το μοντέλο κυκλοφορεί με μέτρα ασφαλείας παρόμοια με αυτά του Claude Fable 5.1. Το σύστημα κυβερνοασφάλειας φιλτράρει την κίνηση σε τρία στάδια — μια έρευνα που εξετάζει τις εσωτερικές ενεργοποιήσεις του μοντέλου, ένας ελαφρύς ταξινομητής που τρέχει απευθείας στο Opus 5.5, και ένα εκπαιδευμένο ξεχωριστό μοντέλο ταξινομητή — με τα αποκλεισμένα αιτήματα να μεταφέρονται στο Claude Opus 4.8. Η επιβληθείσα πολιτική επιτρέπει την ανακάλυψη ευπάθειας στον πηγαίο κώδικα ενώ την αποκλείει στα μεταγλωττισμένα δυαδικά αρχεία. Η Anthropic δήλωσε ότι εφάρμοσε προσωρινά ευρύτερο περιθώριο ασφαλείας έναντι των jailbreaks, ενώ εργάζεται για τη μείωση του ποσοστού ψευδώς θετικών των ταξινομητών, και ότι δεν έχει βρει αποδείξεις για jailbreak κρισιμότητας υψηλού επιπέδου. Τα αιτήματα βιολογίας φιλτράρονται από τους ίδιος επεκταμένους ταξινομητές που χρησιμοποιούνται για το Fable 5 και το Fable 5.1, με τα αποκλεισμένα να μεταφέρονται στο Opus 5, και το μέτρο anti‑distillation «preserved‑thinking» εφαρμόζεται στο Fable 5.1 και στο Opus 5.5 για λογαριασμούς API που δημιουργήθηκαν την 31η Αυγούστου 2026 ή αργότερα.

Εγκεκριμένοι οργανισμοί, μεταξύ των οποίων ακαδημαϊκά εργαστήρια, νεοσύστατες εταιρείες και φαρμακευτικές εταιρείες, μπορούν να υποβάλουν αίτηση στο νέο Πρόγραμμα Επαλήθευσης Επιστημών Ζωής για χρήση του Opus 5.5 στην έρευνα βιολογίας. Η Anthropic δήλωσε ότι θα επεκτείνει το Πρόγραμμα Επαλήθευσης Κυβερνοασφάλειας τις επόμενες εβδομάδες με τρία επίπεδα σταδιακά πιο επιτρεπτής εμπιστευτικής πρόσβασης, συμπεριλαμβανομένης της πρόσβασης σε μοντέλα Claude Mythos, και ότι το Claude Sonnet 5.5 και το Claude Haiku 5.5 θα ακολουθήσουν τις επόμενες εβδομάδες με πολλές από τις ίδιες βελτιώσεις στην απόδοση, την αποδοτικότητα και την ασφάλεια.