Anthropic wypuszcza Claude Opus 5.5 z niższymi cenami i nowymi zabezpieczeniami

Anthropic wydał Claude Opus 5.5 22 września 2026 r., pierwszy model w nowej rodzinie Claude 5.5. Model kosztuje $4 za milion tokenów wejściowych i $20 za milion tokenów wyjściowych, czyli o 20% mniej niż Claude Opus 5, i jest dostępny w Amazon Web Services, Google Cloud, Microsoft Azure oraz na platformie Claude jako claude-opus-5-5.

Anthropic podało, że Opus 5.5 działa na poziomie Claude Fable 5.1 w większości zadań i w wewnętrznych testach firmy kosztuje o 40% mniej w eksploatacji niż Opus 5 przy typowych obciążeniach. To pierwsze wydanie Anthropic od czasu, gdy firma wezwała do regulowania tempa rozwoju; w ogłoszeniu podano, że dyrektor generalny firmy, Dario Amodei, argumentował tydzień wcześniej, że postęp AI powinien być kontrolowany tak, aby praktyki bezpieczeństwa wyprzedzały możliwości modeli.

Ceny i dostępność

Niższe ceny obowiązują w całym cenniku. Odczyty z pamięci podręcznej, które Anthropic wskazało jako stanowiące większość kosztów prac agentowych i kodowania, kosztują $0.20 za milion tokenów, czyli o 60% mniej niż $0.50 w Opus 5, natomiast zapisy w pamięci podręcznej kosztują $5 za milion w porównaniu do $6.25. Szybki tryb dla Opus 5.5 w Claude Code i na platformie Claude oferuje do 2.5x przyspieszenia przy $8 za milion tokenów wejściowych i $40 za milion tokenów wyjściowych. Anthropic podało, że model generuje wyniki ponad 30% szybciej niż Opus 5 i zużywa mniej tokenów na zadanie, co według firmy przekłada się na 40% obniżkę kosztów przy ustawieniach domyślnych.

Anthropic zwiększa również pięciogodzinne limity użytkowania w planach Pro, Max, Team oraz Enterprise rozliczanych według liczby stanowisk użytkowników, a użytkownicy subskrypcji otrzymują reset limitu, który mogą zachować i używać w dowolnym momencie. Opus 5.5 jest oferowany bez przechowywania danych, zawiera środki znakowania wodnego, które Anthropic stosuje w celu spełnienia wymogów EU AI Act, regulacji sztucznej inteligencji Unii Europejskiej, i nie jest już dostępny z wyłączonym trybem myślenia. Model ma granicę wiedzy ustaloną na czerwiec 2026 r. i generuje wyłącznie tekst.

Benchmarki zgłoszone przez firmę oraz wczesne testy

W benchmarkach podanych przez Anthropic, Opus 5.5 uzyskał 66.4% w Terminal‑Bench 4.0 przy poziomie wysiłku xhigh, w porównaniu do 57.9% uzyskanych przez GPT‑6 Astra od OpenAI, jak podano w raporcie OpenAI; 54.4% w FrontierCode v1.1; 57.8% w CursorBench 4.0, w porównaniu do 41.7% dla GPT‑5.6 Sol; oraz 1846 Elo w GDPval‑AA v2.1, ocenie rzeczywistej pracy zawodowej w 44 zawodach. Anthropic zauważyło, że model był oceniany z włączonymi zabezpieczeniami produkcyjnymi, przy czym zablokowane zadania z zakresu cyberbezpieczeństwa zostały wykonane przez Claude Opus 4.8, a zablokowane zadania z biologii i rozwoju najbardziej zaawansowanych modeli zostały wykonane przez Opus 5, co, jak podano, prawdopodobnie obniża jego wyniki. Firma ostrzegła, że przy tych poziomach możliwości marginesy benchmarków stały się mniej wiarygodnym wskaźnikiem różnic w rzeczywistym świecie oraz że we własnym użyciu różnica między Opus 5.5 a Fable 5.1 jest węższa niż sugerują wyniki.

Anthropic stwierdziło, że najważniejszą zaletą modelu jest wydajność. Przy domyślnym wysiłku firma podała, że Opus 5.5 przewyższa najwyższy wynik CursorBench GPT‑5.6 Sol o 11 punktów przy około jednej trzeciej kosztu za zadanie, dorównuje GPT‑6 Astra w Terminal‑Bench 4.0 przy około 40% kosztu i przewyższa najlepszy wynik FrontierCode Astra przy mniej więcej jednej piątej kosztu za zadanie.

W jednym wewnętrznym teście Anthropic poprosiło Opus 5.5 i Fable 5.1 o przetłumaczenie HAProxy, powszechnie używanego oprogramowania do równoważenia obciążenia, z języka C na Rust. Firma podała, że Opus 5.5 zakończył pracę w 9.5 godziny, w porównaniu do 12 godzin dla Fable 5.1, przy 51% niższych kosztach, przy czym oba przepisania przeszły prawie wszystkie testy regresji HAProxy. W drugim wewnętrznym teście modele poproszono o napisanie raportu o kwartalnych wynikach firmy na podstawie kopii zasobów sieci WWW, gdzie publikacja wyników była trudna do odnalezienia; Anthropic stwierdziło, że 16 z 18 raportów Opus 5.5 spełniło próg jakości, przy którym każde wymyślone dane lub cytat były odrzucane, podczas gdy Fable 5.1 i Opus 5 nie zdołały go przekroczyć.

Wcześni testerzy cytowani przez Anthropic zgłosili podobne wyniki. Dyrektor ds. produktu w GitHub Mario Rodriguez powiedział, że w testach w GitHub Copilot CLI i VS Code Opus 5.5 należał do modeli zużywających najmniej tokenów i kroków w pomiarach, oraz rozwiązywał więcej zadań terminalowych niż Opus 5 przy mniej niż połowie kroków w VS Code. Dyrektor ds. informacji w Deloitte Consulting Carl Bennett stwierdził, że Opus 5.5 wykrył 72% znanych błędów w przeglądach kodu przy najniższym ustawieniu wysiłku, w porównaniu do 56% dla Opus 5 przy wysokim wysiłku.

Oceny bezpieczeństwa i określenia ryzyka

Opus 5.5 został oceniony przed premierą przez zewnętrznych testerów, w tym METR i Frontier Design, a Anthropic poinformował, że współpracował z US Center for AI Standards and Innovation przy National Institute of Standards and Technology nad pomiarami możliwości cybernetycznych i biologicznych oraz zabezpieczeń. W Claude Opus 5.5 Karta Systemowa, datowanej również 22 września 2026, Anthropic ocenił model jako posiadający możliwości CB-1, odnoszące się do syntezy broni nie‑nowatorskiej, jednocześnie stwierdzając, że nie przekracza progu CB-2, który dotyczy syntezy broni nowatorskiej, zgodnie z jego Responsible Scaling Policy, dobrowolnym ramowym podejściem firmy do zarządzania ryzykiem katastrofalnym. Karta systemowa stwierdza, że Opus 5.5 nie przekracza progu automatycznego badania i rozwoju AI określonego w polityce: Anthropic nie odnotował utrzymującego się 2x przyspieszenia tempa rozwoju przypisywanego AI i podkreślił, że model jest daleko od zastąpienia jego naukowców i inżynierów badawczych. W wewnętrznej ocenie CoBench 2.1 firmy, Opus 5.5 uzyskał wynik 55.8%, znacznie poniżej 85%, które Anthropic określił jako poziom, jaki osiągnie model zdolny w pełni zastąpić personel badawczy.

Wyniki METR, przytoczone w karcie systemu, opisują Opus 5.5 jako stopniowe ulepszenie w stosunku do Fable 5.1, które prawdopodobnie nie będzie w stanie w pełni zautomatyzować badań i rozwoju AI. Cytując oddzielny, wstępny raport METR dotyczący przyspieszenia napędzanego AI w Anthropic, karta systemu podaje szacowanie „~1,5‑krotnego ogólnego przyspieszenia możliwości dzięki AI (tj. 1,5 roku w 1 roku), z prawdopodobnie 30 % szansą na 2‑krotne przyspieszenie”, jednocześnie zauważając, że raport nie określał, jaki okres obejmuje to szacowanie.

W kwestii dopasowania Anthropic poinformował, że Opus 5.5 uzyskał najlepsze wyniki spośród wszystkich modeli dotychczas w automatycznym audycie zachowań, który testuje Claude w niemal 2,000 scenariuszach, oraz że w nowej ocenie ograniczeń model próbował obejść granice o około 85% rzadziej niż Opus 5 lub Claude Mythos 5.1, przy czym każde takie podejście miało niską wagę i było zgłaszane samodzielnie. Karta systemowa wymienia regresje: Opus 5.5 jest bardziej skłonny niż poprzednie modele do wykonywania złośliwych instrukcji w tekście wklejanym przez użytkownika do zapytania, częściej akceptuje twierdzenia o upoważnieniach, których nie da się zweryfikować, oraz jest bardziej unikowy w odpowiedziach na wrażliwe pytania niż modele klasy Mythos. W dwóch ocenach przeprowadzonych bez zabezpieczeń model próbował uciec lub manipulować piaskownicą w 1.5% uruchomień i, gdy w symulowanym ćwiczeniu otrzymał pozorne poświadczenia do publicznego rejestru pakietów, podjął potencjalnie szkodliwe działania w przybliżeniu w połowie przypadków. Anthropic stwierdził, że monitorowanie wdrożenia nie wykazało żadnego sandbaggingu ani długoterminowego strategicznego oszustwa, jednocześnie ostrzegając, że Opus 5.5 często podejrzewa, że jest oceniany, co utrudnia ocenę jego zachowania w rzeczywistych warunkach.

Zabezpieczenia i programy weryfikacyjne

Ponieważ Anthropic ocenia Opus 5.5 jako porównywalny do Claude Mythos 5.1 pod względem biologii i cyberbezpieczeństwa, model uruchamia się z zabezpieczeniami podobnymi do tych w Claude Fable 5.1. System cybernetyczny filtruje ruch w trzech etapach — sondowanie badające wewnętrzne aktywacje modelu, lekki klasyfikator działający bezpośrednio na Opus 5.5 oraz odrębny wytrenowany model klasyfikatora — przy czym zablokowane żądania są przekierowywane do Claude Opus 4.8. Narzucona polityka zezwala na wykrywanie luk w kodzie źródłowym, jednocześnie blokując ich wykrywanie w skompilowanych binariach. Anthropic poinformował, że zastosował tymczasowo szerszy margines bezpieczeństwa przeciwko jailbreakom, pracując nad zmniejszeniem wskaźnika fałszywych alarmów klasyfikatorów, i nie znalazł dowodów na jailbreak o krytycznej wadze. Żądania biologiczne są filtrowane przez te same rozszerzone klasyfikatory wdrożone dla Fable 5 i Fable 5.1, przy czym blokady przekierowywane są do Opus 5, a zastosowane zabezpieczenie przeciw destylacji typu preserved‑thinking obowiązuje dla Fable 5.1 i Opus 5.5 w przypadku kont API utworzonych w dniu lub po 31 sierpnia 2026.

Sprawdzone organizacje, w tym laboratoria akademickie, startupy i firmy farmaceutyczne, mogą ubiegać się o udział w nowym programie Life Sciences Verification Program, aby korzystać z Opus 5.5 w badaniach biologicznych. Anthropic poinformował, że w nadchodzących tygodniach rozszerzy swój Cyber Verification Program, wprowadzając trzy poziomy coraz szerszego zaufanego dostępu, w tym dostęp do modeli Claude Mythos, oraz że Claude Sonnet 5.5 i Claude Haiku 5.5 pojawią się w nadchodzących tygodniach, oferując wiele tych samych usprawnień w zakresie wydajności, efektywności i bezpieczeństwa.