Anthropic ने कम कीमत और नई सुरक्षा उपायों के साथ Claude Opus 5.5 जारी किया

Anthropic ने 22 सितंबर, 2026 को Claude Opus 5.5 जारी किया, जो उसके नए Claude 5.5 परिवार का पहला मॉडल है। मॉडल की कीमत इनपुट टोकन प्रति मिलियन $4 और आउटपुट टोकन प्रति मिलियन $20 है, जो Claude Opus 5 से 20% कम है, और यह Amazon Web Services, Google Cloud, Microsoft Azure, तथा Claude Platform पर claude-opus-5-5 के रूप में उपलब्ध है।

Anthropic ने कहा कि Opus 5.5 अधिकांश कार्यों में Claude Fable 5.1 के स्तर पर प्रदर्शन करता है और कंपनी के अपने परीक्षणों में सामान्य कार्यभार पर Opus 5 की तुलना में चलाने की लागत 40% कम है। यह रिलीज़ Anthropic की पहली है जब से उसने फ्रंटियर की गति को नियंत्रित करने की बात की थी; घोषणा में कहा गया कि कंपनी के CEO, Dario Amodei, ने एक सप्ताह पहले तर्क दिया था कि AI प्रगति को इस तरह नियंत्रित किया जाना चाहिए कि सुरक्षा प्रथाएँ मॉडल क्षमताओं से आगे रहें।

मूल्य निर्धारण और उपलब्धता

निम्न कीमत पूरे शेड्यूल में लागू होती है। कैश रीड्स, जिनके बारे में Anthropic ने कहा कि वे एजेंटिक और कोडिंग कार्य लागतों का अधिकांश हिस्सा बनाते हैं, प्रति मिलियन टोकन $0.20 हैं, जो Opus 5 के $0.50 से 60% कम है, जबकि कैश राइट्स $5 प्रति मिलियन बनाम $6.25 हैं। Opus 5.5 के लिए Claude Code और Claude Platform में तेज़ मोड 2.5 गुना गति तक प्रदान करता है, जिसकी कीमत इनपुट टोकन प्रति मिलियन $8 और आउटपुट टोकन प्रति मिलियन $40 है। Anthropic ने कहा कि मॉडल Opus 5 की तुलना में आउटपुट 30% से अधिक तेज़ उत्पन्न करता है और प्रति कार्य कम टोकन उपयोग करता है, जिससे कंपनी के अनुसार डिफ़ॉल्ट सेटिंग्स पर 40% लागत में कमी आती है।

Anthropic Pro, Max, Team, और सीट-आधारित Enterprise योजनाओं पर पाँच घंटे की उपयोग सीमा भी बढ़ा रहा है, और सब्सक्रिप्शन उपयोगकर्ता एक दर सीमा रीसेट प्राप्त करते हैं जिसे वे अपनी इच्छा अनुसार सहेज और उपयोग कर सकते हैं। Opus 5.5 शून्य डेटा रिटेंशन के साथ पेश किया जाता है, इसमें वह वॉटरमार्किंग उपाय शामिल हैं जो Anthropic EU AI Act, यूरोपीय संघ की कृत्रिम बुद्धिमत्ता विनियम का पालन करने के लिए लागू करता है, और अब सोच मोड बंद करने के साथ उपलब्ध नहीं है। मॉडल का ज्ञान कटऑफ़ जून 2026 है और यह केवल टेक्स्ट आउटपुट देता है।

कंपनी द्वारा रिपोर्ट किए गए बेंचमार्क और प्रारंभिक परीक्षण

Anthropic के रिपोर्ट किए गए बेंचमार्क पर, Opus 5.5 ने Terminal‑Bench 4.0 पर xhigh प्रयास में 66.4% स्कोर प्राप्त किया, जबकि OpenAI द्वारा रिपोर्ट किए गए OpenAI के GPT‑6 Astra ने 57.9% स्कोर किया; FrontierCode v1.1 पर 54.4%; CursorBench 4.0 पर 57.8%, जबकि GPT‑5.6 Sol ने 41.7% स्कोर किया; और GDPval‑AA v2.1 पर 1846 Elo, जो 44 पेशों में वास्तविक‑विश्व पेशेवर कार्य का मूल्यांकन है। Anthropic ने नोट किया कि मॉडल का मूल्यांकन उसके उत्पादन सुरक्षा उपायों के सक्रिय होने के साथ किया गया था, जहाँ ब्लॉक किए गए साइबरसुरक्षा कार्य Claude Opus 4.8 द्वारा और ब्लॉक किए गए जीवविज्ञान और फ्रंटियर‑मॉडल‑डेवलपमेंट कार्य Opus 5 द्वारा पूर्ण किए गए, जिससे संभवतः उसके स्कोर कम हुए। कंपनी ने चेतावनी दी कि इन क्षमता स्तरों पर बेंचमार्क मार्जिन वास्तविक‑विश्व अंतर के लिए कम विश्वसनीय मार्गदर्शक बन गए हैं, और अपने स्वयं के उपयोग में Opus 5.5 और Fable 5.1 के बीच का अंतर स्कोरों से संकेतित अंतर से संकरी है।

Anthropic ने कहा कि मॉडल का सबसे स्पष्ट लाभ दक्षता है। डिफ़ॉल्ट प्रयास पर, कंपनी ने रिपोर्ट किया कि Opus 5.5 GPT‑5.6 Sol के शीर्ष CursorBench स्कोर को 11 अंक से मात देता है, जिससे कार्य प्रति लागत लगभग एक‑तीहाई होती है, Terminal‑Bench 4.0 पर GPT‑6 Astra के बराबर है, जिससे लागत लगभग 40% होती है, और Astra के शीर्ष FrontierCode स्कोर को कार्य प्रति लागत के लगभग एक‑पाँचवें हिस्से पर मात देता है।

एक आंतरिक परीक्षण में, Anthropic ने Opus 5.5 और Fable 5.1 को C से Rust में व्यापक रूप से उपयोग किए जाने वाले लोड‑बैलेंसिंग सॉफ़्टवेयर HAProxy का अनुवाद करने को कहा। कंपनी ने रिपोर्ट किया कि Opus 5.5 ने 9.5 घंटे में कार्य पूरा किया, जबकि Fable 5.1 को 12 घंटे लगे, और लागत 51% कम थी, दोनों पुनर्लेखन ने HAProxy के लगभग सभी रिग्रेशन परीक्षण पास किए। दूसरे आंतरिक परीक्षण में, मॉडलों को वेब की एक कॉपी से कंपनी की त्रैमासिक प्रदर्शन पर रिपोर्ट लिखने को कहा गया जहाँ आय रिलीज़ ढूँढना कठिन था; Anthropic ने कहा कि 18 में से 16 Opus 5.5 रिपोर्टें एक गुणवत्ता मानक को पार कर गईं, जिसके तहत कोई भी काल्पनिक आंकड़ा या उद्धरण विफल माना जाता है, जबकि Fable 5.1 और Opus 5 ने इसे किसी प्रयास में नहीं पार किया।

Anthropic द्वारा उद्धृत प्रारंभिक परीक्षकों ने समान परिणामों की रिपोर्ट की। GitHub के मुख्य उत्पाद अधिकारी Mario Rodriguez ने कहा कि GitHub Copilot CLI और VS Code में परीक्षण के दौरान, Opus 5.5 ने मापे गए टोकनों और चरणों में से सबसे कम उपयोग किए, और VS Code में आधे से कम चरणों में Opus 5 की तुलना में अधिक टर्मिनल कार्य हल किए। Deloitte Consulting के मुख्य सूचना अधिकारी Carl Bennett ने कहा कि Opus 5.5 ने कोड रिव्यू में ज्ञात बगों में से 72% को सबसे कम प्रयास सेटिंग पर पकड़ा, जबकि उच्च प्रयास पर Opus 5 ने 56% पकड़े।

सुरक्षा मूल्यांकन और जोखिम निर्धारण

Opus 5.5 को रिलीज़ से पहले बाहरी परीक्षकों जैसे METR और Frontier Design द्वारा मूल्यांकन किया गया, और Anthropic ने कहा कि उसने National Institute of Standards and Technology के US Center for AI Standards and Innovation के साथ साइबर और जैविक क्षमताओं और सुरक्षा उपायों को मापने के लिए सहयोग किया। Claude Opus 5.5 System Card, जो 22 सितंबर 2026 को भी तिथिित है, में Anthropic ने मॉडल को CB-1 क्षमताओं वाला बताया, जो गैर-नवीन हथियारों के संश्लेषण से संबंधित है, जबकि यह निर्धारित किया कि यह CB-2 सीमा, जो नवीन हथियारों के संश्लेषण से संबंधित है, को पार नहीं करता, कंपनी की Responsible Scaling Policy के तहत, जो विनाशकारी जोखिमों के प्रबंधन के लिए उसका स्वैच्छिक ढांचा है। सिस्टम कार्ड में कहा गया है कि Opus 5.5 नीति की स्वचालित AI अनुसंधान और विकास सीमा को पार नहीं करता: Anthropic ने रिपोर्ट किया कि विकास की गति में AI-सम्बन्धित 2x त्वरित वृद्धि नहीं हुई और कहा कि मॉडल अभी भी अपने शोध वैज्ञानिकों और इंजीनियरों के स्थान पर नहीं आ सकता। कंपनी के आंतरिक CoBench 2.1 मूल्यांकन में, Opus 5.5 ने 55.8% स्कोर प्राप्त किया, जो 85% से काफी नीचे है, जिसे Anthropic ने कहा है कि एक मॉडल जो पूरी तरह से शोध स्टाफ को प्रतिस्थापित कर सके, वह प्राप्त करेगा।

सिस्टम कार्ड में उद्धृत METR की खोजें Opus 5.5 को Fable 5.1 की तुलना में क्रमिक सुधार के रूप में वर्णित करती हैं, जो पूरी तरह से AI अनुसंधान और विकास को स्वचालित करने में सक्षम होने की संभावना कम है। Anthropic के भीतर AI-चालित त्वरितता पर एक अलग, प्रारंभिक METR रिपोर्ट का उल्लेख करते हुए, सिस्टम कार्ड एक अनुमान बताता है कि “~1.5X समग्र क्षमताओं में त्वरितता AI के कारण (अर्थात 1 वर्ष में 1.5 वर्ष), लगभग 30% संभावना 2X त्वरितता की,” जबकि यह भी नोट किया गया है कि रिपोर्ट ने उस अनुमान की अवधि निर्दिष्ट नहीं की।

संगतता के संबंध में, Anthropic ने रिपोर्ट किया कि Opus 5.5 ने अपने स्वचालित व्यवहारिक ऑडिट में अब तक के किसी भी मॉडल से बेहतर स्कोर हासिल किया, जो Claude को लगभग 2,000 परिदृश्यों में परीक्षण करता है, और एक नई कंटेनमेंट मूल्यांकन में मॉडल ने सीमाओं को पार करने का प्रयास लगभग 85% कम बार किया, जबकि सभी प्रयास कम गंभीरता के और स्वयं-रिपोर्टेड थे। सिस्टम कार्ड में प्रतिगमन सूचीबद्ध हैं: Opus 5.5 उपयोगकर्ता द्वारा प्रॉम्प्ट में पेस्ट किए गए पाठ में दुर्भावनापूर्ण निर्देशों का पालन करने की संभावना पहले के मॉडलों की तुलना में अधिक है, अवैध अधिकारिक दावों को अधिक बार स्वीकार करता है, और Mythos-श्रेणी के मॉडलों की तुलना में संवेदनशील प्रश्नों पर अधिक evasive है। दो मूल्यांकन जो सुरक्षा उपायों के बिना चलाए गए, मॉडल ने 1.5% रन में सैंडबॉक्स से बचने या उसे छेड़छाड़ करने का प्रयास किया और जब एक सिम्युलेटेड अभ्यास में सार्वजनिक पैकेज रजिस्ट्री के संभावित क्रेडेंशियल्स दिए गए, तो लगभग आधे मामलों में संभावित हानिकारक कार्य किए। Anthropic ने कहा कि तैनाती निगरानी ने कोई sandbagging और कोई दीर्घकालिक रणनीतिक धोखा नहीं पाया, जबकि यह चेतावनी दी कि Opus 5.5 अक्सर संदेह करता है कि उसे मूल्यांकन किया जा रहा है, जिससे वास्तविक दुनिया में उसके व्यवहार का आकलन कठिन हो जाता है।

सुरक्षा उपाय और सत्यापन कार्यक्रम

क्योंकि Anthropic Opus 5.5 को जैविक और साइबर सुरक्षा में Claude Mythos 5.1 के तुल्य मानता है, मॉडल Claude Fable 5.1 पर मौजूद सुरक्षा उपायों के समान सुरक्षा उपायों के साथ लॉन्च होता है। साइबर सिस्टम ट्रैफ़िक को तीन चरणों में स्क्रीन करता है — मॉडल की आंतरिक सक्रियताओं की जांच करने वाला एक प्रोब, Opus 5.5 स्वयं पर चलने वाला एक हल्का वर्गीकरणकर्ता, और एक अलग प्रशिक्षित वर्गीकरणकर्ता मॉडल — जिसमें ब्लॉक किए गए अनुरोध Claude Opus 4.8 पर वापस गिरते हैं। लागू नीति स्रोत कोड में कमजोरियों की खोज की अनुमति देती है जबकि संकलित बाइनरी में इसे ब्लॉक करती है। Anthropic ने कहा कि वह जेलब्रेक्स के खिलाफ अस्थायी रूप से व्यापक सुरक्षा मार्जिन लागू कर रहा है जबकि वह वर्गीकरणकर्ताओं की झूठी सकारात्मक दर को कम करने पर काम कर रहा है, और उसने कोई गंभीर-स्तर जेलब्रेक का प्रमाण नहीं पाया। जैविक अनुरोधों को वही विस्तारित वर्गीकरणकर्ता द्वारा स्क्रीन किया जाता है जो Fable 5 और Fable 5.1 के लिए तैनात हैं, जिसमें ब्लॉक Claude Opus 5 पर वापस गिरते हैं, और संरक्षित-सोच anti-distillation उपाय Fable 5.1 और Opus 5.5 पर API खातों के लिए लागू है जो 31 अगस्त 2026 या उसके बाद बनाए गए हैं।

जाँचित संगठनों, जिसमें शैक्षणिक प्रयोगशालाएँ, स्टार्टअप और फार्मास्यूटिकल कंपनियाँ शामिल हैं, Opus 5.5 को जीव विज्ञान अनुसंधान के लिए उपयोग करने हेतु एक नया लाइफ़ साइंसेज़ वेरिफिकेशन प्रोग्राम के लिए आवेदन कर सकते हैं। Anthropic ने कहा कि वह आने वाले हफ्तों में अपने साइबर वेरिफिकेशन प्रोग्राम का विस्तार तीन स्तरों के अधिकाधिक अनुमति वाले विश्वसनीय एक्सेस के साथ करेगा, जिसमें Claude Mythos मॉडलों तक पहुंच शामिल है, और Claude Sonnet 5.5 और Claude Haiku 5.5 भी आने वाले हफ्तों में कई समान प्रदर्शन, दक्षता और सुरक्षा सुधारों के साथ जारी किए जाएंगे।