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

Anthropic जारी किया Claude Opus 5.5 22 सितंबर, 2026 को, अपने नए Claude 5.5 परिवार का पहला मॉडल। मॉडल की कीमत $4 प्रति मिलियन इनपुट टोकन और $20 प्रति मिलियन आउटपुट टोकन है, जो Claude Opus 5 से 20% कम है, और यह Amazon Web Services, Google Cloud, Microsoft Azure, और 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; घोषणा में कहा गया कि कंपनी के CEO, Dario Amodei, ने पिछले सप्ताह तर्क दिया कि AI प्रगति को इस तरह नियंत्रित किया जाना चाहिए कि सुरक्षा प्रथाएँ मॉडल क्षमताओं से आगे रहें।

मूल्य निर्धारण और उपलब्धता

निचली कीमतें पूरे शेड्यूल में लागू होती हैं। कैश रीड्स, जिन्हें Anthropic ने बताया कि एजेंटिक और कोडिंग कार्य लागतों का अधिकांश हिस्सा बनाते हैं, $0.20 प्रति मिलियन टोकन हैं, जो Opus 5 के $0.50 से 60% कम हैं, जबकि कैश राइट्स $5 प्रति मिलियन बनाम $6.25 हैं। Opus 5.5 के लिए एक तेज़ मोड Claude Code और Claude Platform में अधिकतम 2.5 गुना गति प्रदान करता है, जिसकी कीमत $8 प्रति मिलियन इनपुट टोकन और $40 प्रति मिलियन आउटपुट टोकन है। Anthropic ने कहा कि मॉडल Opus 5 की तुलना में आउटपुट 30% से अधिक तेज़ उत्पन्न करता है और कार्य प्रति कम टोकन उपयोग करता है, जिससे कंपनी ने बताया कि डिफ़ॉल्ट सेटिंग्स पर यह 40% लागत कमी देता 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, EU AI Act, यूरोपीय संघ के कृत्रिम बुद्धिमत्ता नियमावली का पालन करने के लिए Anthropic द्वारा लागू वॉटरमार्किंग उपायों को शामिल करता है, और अब थिंकिंग मोड बंद होने के साथ उपलब्ध नहीं है। मॉडल का ज्ञान कटऑफ़ जून 2026 है और यह केवल पाठ आउटपुट करता है।

कंपनी-रिपोर्टेड बेंचमार्क और प्रारंभिक परीक्षण

Anthropic के रिपोर्टेड बेंचमार्क पर, Opus 5.5 ने Terminal‑Bench 4.0 पर अपनी उच्चतम प्रयास सेटिंग में 66.4% स्कोर किया, जबकि OpenAI द्वारा रिपोर्ट किए गए OpenAI के GPT‑6 Astra ने 57.9% हासिल किया; FrontierCode v1.1 पर 54.4%; CursorBench 4.0 पर 57.8%, जबकि GPT‑5.6 Sol ने 41.7% हासिल 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 को उसके प्रोडक्शन सुरक्षा उपायों के साथ मूल्यांकित किया गया था, जिसमें ब्लॉक किए गए साइबरसुरक्षा कार्य Claude Opus 4.8 द्वारा और ब्लॉक किए गए बायोलॉजी और फ्रंटियर‑मॉडल‑डेवलपमेंट कार्य Opus 5 द्वारा पूरे किए गए, जिससे संभवतः उसके स्कोर घटे। कंपनी ने चेतावनी दी कि इन क्षमता स्तरों पर बेंचमार्क मार्जिन वास्तविक‑विश्व अंतर के लिए कम विश्वसनीय मार्गदर्शक बन गए हैं, और अपने उपयोग में Opus 5.5 और Fable 5.1 के बीच का अंतर स्कोरों से संकेतित अंतर से संकीर्ण 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 पीछे हटाता है, जबकि कार्य प्रति लागत का लगभग एक तिहाई रहता है, Terminal‑Bench 4.0 पर GPT‑6 Astra के साथ लगभग 40% लागत पर मेल खाता है, और Astra के शीर्ष FrontierCode स्कोर को कार्य प्रति लागत के लगभग एक पाँचवें हिस्से पर पीछे हटाता है।

एक आंतरिक परीक्षण में, Anthropic ने Opus 5.5 और Fable 5.1 को HAProxy, एक व्यापक रूप से उपयोग किया जाने वाला लोड‑बैलेंसिंग सॉफ़्टवेयर, को C से Rust में अनुवाद करने को कहा। कंपनी ने रिपोर्ट किया कि Opus 5.5 ने 9.5 घंटे में समाप्त किया, जबकि Fable 5.1 को 12 घंटे लगे, और लागत 51% कम थी, दोनों पुनर्लेखन ने HAProxy के लगभग सभी रिग्रेशन टेस्ट पास किए। दूसरे आंतरिक परीक्षण में, मॉडलों को वेब की एक प्रति से कंपनी की त्रैमासिक प्रदर्शन पर रिपोर्ट लिखने को कहा गया जहाँ आय रिलीज़ ढूँढ़ना 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 निर्मित आंकड़ा या उद्धरण विफल हो जाता है, जबकि Fable 5.1 और Opus 5 ने इसे किसी प्रयास में नहीं पार किया।

Anthropic द्वारा उद्धृत प्रारंभिक परीक्षणकर्ताओं 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 टोकन और चरणों में से सबसे कम उपयोग किया, 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 अपने न्यूनतम प्रयास सेटिंग पर कोड रिव्यू में ज्ञात बगों में से 72% पकड़े, जबकि उच्च प्रयास पर Opus 5 ने 56% पकड़े।

सुरक्षा मूल्यांकन और जोखिम निर्धारण

Opus 5.5 को रिलीज़ से पहले बाहरी परीक्षकों, जिनमें METR और Frontier Design शामिल हैं, द्वारा मूल्यांकन किया गया, और Anthropic ने कहा कि उसने US Center for AI Standards and Innovation के साथ National Institute of Standards and Technology में साइबर और जैविक क्षमताओं और सुरक्षा उपायों को मापने के लिए सहयोग किया। Claude Opus 5.5 सिस्टम कार्ड में, जो 22 सितंबर 2026 को भी तिथिांकित है, 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 को पार नहीं करता, जो नवीन हथियारों के संश्लेषण से संबंधित है, कंपनी की Responsible Scaling Policy, अर्थात् आपदा जोखिमों के प्रबंधन के लिए उसका स्वैच्छिक ढांचा, के तहत। सिस्टम कार्ड में कहा गया है कि Opus 5.5 नीति की स्वचालित AI अनुसंधान और विकास सीमा को नहीं पार करता: Anthropic ने रिपोर्ट किया कि विकास की गति में AI-सम्बंधित 2x त्वरित गति का कोई निरंतर प्रभाव नहीं रहा और कहा कि मॉडल अभी भी अपने शोध वैज्ञानिकों और इंजीनियरों को प्रतिस्थापित करने से बहुत दूर है। कंपनी के आंतरिक CoBench 2.1 मूल्यांकन में, Opus 5.5 ने 55.8% अंक प्राप्त किए, जो उस 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 पर एक क्रमिक सुधार के रूप में वर्णित करती हैं, जो AI अनुसंधान और विकास को पूरी तरह स्वचालित करने की संभावना कम दिखाती हैं। Anthropic के भीतर AI-चालित त्वरितीकरण पर एक अलग, प्रारंभिक METR रिपोर्ट का हवाला देते हुए, सिस्टम कार्ड “~1.5X समग्र क्षमताओं में AI के कारण त्वरितीकरण (अर्थात् 1 वर्ष में 1.5 वर्ष), संभवतः 30% संभावना के साथ 2X त्वरितीकरण” का अनुमान देता है, जबकि यह नोट किया गया है कि रिपोर्ट ने उस अनुमान की अवधि निर्दिष्ट नहीं की है।

संतुलन के संदर्भ में, Anthropic ने रिपोर्ट किया कि Opus 5.5 ने अब तक के अपने स्वचालित व्यवहारिक ऑडिट में किसी भी मॉडल से सर्वोत्तम स्कोर प्राप्त किए, जो Claude को लगभग 2,000 परिदृश्यों में परीक्षण करता है, और एक नई कंटेनमेंट मूल्यांकन में मॉडल ने Opus 5 या Claude Mythos 5.1 की तुलना में लगभग 85% कम बार सीमाओं को पार करने का प्रयास किया, प्रत्येक प्रयास कम गंभीरता का और स्वयं‑रिपोर्टेड था। सिस्टम कार्ड में प्रतिगमन सूचीबद्ध हैं: Opus 5.5 पिछले मॉडलों की तुलना में उपयोगकर्ता द्वारा प्रॉम्प्ट में पेस्ट किए गए पाठ में दुर्भावनापूर्ण निर्देशों का पालन करने की अधिक संभावना रखता है, अनपुष्ट प्राधिकरण दावों को अधिक बार स्वीकार करता है, और संवेदनशील प्रश्नों पर Mythos‑class मॉडलों की तुलना में अधिक बचावात्मक है। दो मूल्यांकनों में, जहाँ सुरक्षा उपाय नहीं थे, 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 स्पष्ट क्रेडेंशियल्स दिए गए, तो लगभग आधे मामलों में संभावित हानिकारक कार्य किए। Anthropic ने कहा कि तैनाती निगरानी ने कोई सैंडबैगिंग 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‑विश्व सेटिंग्स में उसके व्यवहार का आकलन चुनौतीपूर्ण हो जाता है।

सुरक्षा उपाय और सत्यापन कार्यक्रम

क्योंकि Anthropic ने Opus 5.5 को जीव विज्ञान और साइबर सुरक्षा में Claude Mythos 5.1 के तुल्य माना है, मॉडल को Claude Fable 5.1 पर मौजूद सुरक्षा उपायों के समान उपायों के साथ लॉन्च किया गया है। साइबर प्रणाली ट्रैफ़िक को तीन चरणों में स्क्रीन करती है — एक प्रोब जो मॉडल की आंतरिक सक्रियताओं की जाँच करता है, Opus 5.5 स्वयं पर चलने वाला हल्का वर्गीकर्ता, और एक प्रशिक्षित अलग वर्गीकर्ता मॉडल — और ब्लॉक किए गए अनुरोधों को Claude Opus 4.8 पर वापस भेजा जाता है। लागू नीति स्रोत कोड में कमजोरियों की खोज की अनुमति देती है जबकि संकलित बाइनरी में इसे ब्लॉक करती है। Anthropic ने कहा कि उसने जेलब्रेक्स के खिलाफ अस्थायी रूप से व्यापक सुरक्षा मार्जिन लागू किया है जबकि वह वर्गीकर्ताओं की फॉल्स‑पॉज़िटिव दर को कम करने पर काम कर रहा है, और उसने गंभीर‑गंभीरता वाले जेलब्रेक का कोई प्रमाण नहीं पाया। जीव विज्ञान अनुरोधों की स्क्रीनिंग वही विस्तारित वर्गीकर्ता द्वारा की जाती है जो Fable 5 और Fable 5.1 के लिए तैनात हैं, और ब्लॉक किए गए अनुरोध Opus 5 पर वापस भेजे जाते हैं, तथा संरक्षित‑सोच एंटी‑डिस्टिलेशन उपाय Fable 5.1 और Opus 5.5 पर उन API खातों के लिए लागू होता है जो 31 अगस्त 2026 या उसके बाद बनाए गए हैं।

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