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

Η Anthropic κυκλοφόρησε το Claude Opus 5.5 στις 22 Σεπτεμβρίου 2026, το πρώτο μοντέλο στη νέα οικογένεια Claude 5.5. Το μοντέλο κοστίζει $4 ανά εκατομμύριο tokens εισόδου και $20 ανά εκατομμύριο tokens εξόδου, 20 % λιγότερο από το 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, στα δικά της τεστ, κοστίζει 40 % λιγότερο στην εκτέλεση από το Opus 5 σε τυπικά φορτία εργασίας. Η κυκλοφορία είναι η πρώτη της Anthropic από τότε που ζήτησε τη ρύθμιση του ρυθμού ανάπτυξης της AI αιχμής· 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 ολόκληρο τον τιμοκατάλογο. Οι αναγνώσεις cache, που η Anthropic δήλωσε ότι αποτελούν το μεγαλύτερο μέρος του κόστους εργασιών με πράκτορες και προγραμματισμού, 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. Μια γρήγορη λειτουργία για το Opus 5.5 στο Claude Code και στην Claude Platform προσφέρει έως 2,5× ταχύτητα με $8 ανά εκατομμύριο tokens εισόδου και $40 ανά εκατομμύριο tokens εξόδου. Η Anthropic δήλωσε ότι το μοντέλο δημιουργεί έξοδο περισσότερο από 30 % γρηγορότερα από το Opus 5 και χρησιμοποιεί λιγότερα tokens ανά εργασία, κάτι που η εταιρεία υπολόγισε ότι οδηγεί σε μείωση κόστους κατά 40 % στις προεπιλεγμένες ρυθμίσεις.

Η Anthropic αυξάνει επίσης τα όρια χρήσης ανά πεντάωρη περίοδο στα προγράμματα Pro, Max, Team και Enterprise με χρέωση ανά θέση χρήστη, και οι συνδρομητές λαμβάνουν μια επαναφορά του ορίου ρυθμού χρήσης που μπορούν να αποθηκεύσουν και να χρησιμοποιήσουν όποτε θέλουν. Το Opus 5.5 προσφέρεται χωρίς καμία διατήρηση δεδομένων, περιλαμβάνει τα μέτρα υδατογράφησης που εφαρμόζει η Anthropic για τη συμμόρφωση με τον Κανονισμό AI της ΕΕ, 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.

Δείκτες απόδοσης που ανέφερε η εταιρεία και πρώιμες δοκιμές

Στα αναφερόμενα από την Anthropic benchmarks, το Opus 5.5 πέτυχε 66,4 % στο Terminal‑Bench 4.0 με επίπεδο προσπάθειας xhigh, 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 AI αιχμής από το Opus 5, κάτι που, όπως ανέφερε, πιθανώς μειώνει τις βαθμολογίες του. Η εταιρεία προειδοποίησε ότι σε αυτά τα επίπεδα ικανοτήτων τα περιθώρια των benchmarks 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 στενότερο από ό,τι υποδεικνύουν οι βαθμολογίες.

Η Anthropic δήλωσε ότι το πιο σαφές πλεονέκτημα του μοντέλου είναι η αποδοτικότητα. Στην προεπιλεγμένη προσπάθεια, όπως ανέφερε η εταιρεία, το Opus 5.5 ξεπερνά την κορυφαία βαθμολογία CursorBench του GPT‑5.6 Sol κατά 11 μονάδες με περίπου το ένα τρίτο του κόστους ανά εργασία, ισοφαρίζει το GPT‑6 Astra στο Terminal‑Bench 4.0 με περίπου το 40 % του κόστους, και ξεπερνά την 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, ευρέως χρησιμοποιούμενο λογισμικό εξισορρόπησης φορτίων, 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 τις δύο επανεγγραφές να περνούν σχεδόν όλες τις δοκιμές 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 βάσει του οποίου κάθε αναφορά με κατασκευασμένο αριθμό ή παράθεμα απορριπτόταν, 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 επικεφαλής προϊόντων του GitHub, Mario Rodriguez, δήλωσε ότι κατά τη διάρκεια των δοκιμών στο GitHub Copilot CLI και στο VS Code, το Opus 5.5 συγκαταλέχθηκε στα μοντέλα με τις χαμηλότερες μετρημένες τιμές κατανάλωσης tokens και αριθμού βημάτων, και έλυσε περισσότερες εργασίες τερματικού από το Opus 5 σε λιγότερο από το ήμισυ των βημάτων στο VS Code. Ο επικεφαλής πληροφορικής της Deloitte Consulting, Carl Bennett, ανέφερε ότι το Opus 5.5 εντόπισε το 72 % των γνωστών σφαλμάτων σε ελέγχους κώδικα στη ρύθμιση χαμηλότερης προσπάθειας, έναντι 56 % για το Opus 5 με υψηλή προσπάθεια.

Αξιολογήσεις ασφαλείας και προσδιορισμοί κινδύνου

Το Opus 5.5 αξιολογήθηκε πριν από 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. Στην Κάρτα Συστήματος Claude Opus 5.5, ημερομηνίας 22 Σεπτεμβρίου 2026, η Anthropic αξιολόγησε το μοντέλο ως έχον δυνατότητες CB-1, που σχετίζονται με τη σύνθεση ήδη γνωστών τύπων όπλων, ενώ διαπίστωσε ότι δεν υπερβαίνει το όριο CB-2, που αφορά τη σύνθεση νέων τύπων όπλων, σύμφωνα με την Responsible Scaling Policy, 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 υπήρξε διαρκής επιτάχυνση 2x που να αποδίδεται στην AI στον ρυθμό ανάπτυξής της και δήλωσε ότι το μοντέλο εξακολουθεί να βρίσκεται μακριά από το να αντικαταστήσει τους ερευνητικούς επιστήμονες 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 έφτανε ένα μοντέλο που μπορεί πλήρως να αντικαταστήσει το ερευνητικό προσωπικό.

Τα ευρήματα της METR, όπως παρατίθενται στην κάρτα συστήματος, περιγράφουν το Opus 5.5 ως μια σταδιακή βελτίωση σε σχέση με το Fable 5.1 και αναφέρουν ότι το μοντέλο είναι απίθανο να μπορεί να αυτοματοποιήσει πλήρως την έρευνα και ανάπτυξη AI. Αναφέροντας μια ξεχωριστή, προκαταρκτική αναφορά της METR για την επιτάχυνση που προκαλεί η AI εντός της Anthropic, η κάρτα συστήματος μεταφέρει μια εκτίμηση του «~1.5X συνολικής επιτάχυνσης στις δυνατότητες λόγω AI (δηλαδή 1,5 έτη σε 1 έτος), με πιθανότητα ίσως 30% για επιτάχυνση 2X», ενώ σημειώνει ότι η αναφορά δεν διευκρίνιζε την περίοδο που καλύπτει η εκτίμηση.

Σχετικά με την ευθυγράμμιση, 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 ακολουθεί κακόβουλες οδηγίες σε κείμενο που ένας χρήστης επικολλά σε ένα prompt, πιο συχνά αποδέχεται μη επαληθεύσιμες αξιώσεις εξουσιοδότησης, και είναι πιο υπεκφυγικό σε ευαίσθητες ερωτήσεις από τα μοντέλα της κατηγορίας 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 για ένα δημόσιο μητρώο πακέτων σε μια προσομοιωμένη άσκηση, ανέλαβε ενέργειες που θα μπορούσαν να είναι επιβλαβείς σε περίπου το ήμισυ των περιπτώσεων. Η Anthropic δήλωσε ότι η παρακολούθηση μετά τη διάθεση του μοντέλου δεν εντόπισε «sandbagging» ούτε στρατηγική εξαπάτηση μακράς διάρκειας, ενώ προειδοποίησε ότι το Opus 5.5 συχνά υποψιάζεται ότι αξιολογείται, κάτι που δυσκολεύει την εκτίμηση του πώς θα συμπεριφερθεί 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 κυβερνοσύστημα φιλτράρει την κίνηση σε τρία στάδια — ένας ανιχνευτής 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 ανακατευθύνονται στο Claude Opus 4.8. Η επιβληθείσα πολιτική επιτρέπει την ανακάλυψη ευπαθειών στον πηγαίο κώδικα ενώ αποκλείει αυτή τη δραστηριότητα 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 κρίσιμης σοβαρότητας. Τα αιτήματα βιολογίας φιλτράρονται από τους ίδιους επεκταμένους ταξινομητές που έχουν αναπτυχθεί για το Fable 5 και το Fable 5.1, με τα αποκλεισμένα να ανακατευθύνονται 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.

Οι ελεγμένοι οργανισμοί, συμπεριλαμβανομένων ακαδημαϊκών εργαστηρίων, νεοσύστατων εταιρειών και φαρμακευτικών εταιρειών, μπορούν να υποβάλουν αίτηση στο νέο Πρόγραμμα Επαλήθευσης Επιστημών Ζωής για να χρησιμοποιήσουν το Opus 5.5 στην έρευνα βιολογίας. Η Anthropic δήλωσε ότι θα επεκτείνει το Πρόγραμμα Επαλήθευσης Κυβερνοασφάλειας τις επόμενες εβδομάδες με τρία επίπεδα ολοένα και πιο επιτρεπτής αξιόπιστης πρόσβασης, συμπεριλαμβανομένης της πρόσβασης σε μοντέλα Claude Mythos, και ότι τα Claude Sonnet 5.5 και Claude Haiku 5.5 θα ακολουθήσουν τις επόμενες εβδομάδες με πολλές από τις ίδιες βελτιώσεις στην απόδοση, την αποδοτικότητα και την ασφάλεια.