Anthropic выпускает Claude Opus 5.5 с более низкими ценами и новыми мерами защиты

Anthropic выпустила Claude Opus 5.5 22 сентября 2026 г., первую модель в новой семье Claude 5.5. Модель стоит $4 за миллион входных токенов и $20 за миллион выходных токенов, на 20 % ниже Claude Opus 5, и доступна в Amazon Web Services, Google Cloud, Microsoft Azure и на платформе Claude под именем claude-opus-5-5.

Anthropic заявила, что Opus 5.5 работает на уровне Claude Fable 5.1 в большинстве задач и, согласно собственным тестам компании, стоит на 40 % дешевле в эксплуатации, чем Opus 5 при типичных нагрузках. Этот релиз стал первым выпуском Anthropic после того, как компания призвала к регулированию темпов развития; в объявлении говорилось, что генеральный директор компании, Dario Amodei, на прошлой неделе утверждал, что прогресс в области ИИ следует замедлять, чтобы практики безопасности опережать возможности моделей.

Цены и доступность

Снижение цен распространяется на весь план. Чтения кэша, которые, по словам Anthropic, составляют большую часть расходов на агентные и кодирующие задачи, стоят $0.20 за миллион токенов, что на 60 % дешевле, чем $0.50 у Opus 5, в то время как записи кэша — $5 за миллион против $6.25. Быстрый режим для Opus 5.5 в Claude Code и на платформе Claude обеспечивает ускорение до 2.5x при цене $8 за миллион входных токенов и $40 за миллион выходных токенов. Anthropic заявила, что модель генерирует вывод более чем на 30 % быстрее, чем Opus 5, и использует меньше токенов на задачу, что, по словам компании, приводит к снижению затрат на 40 % при настройках по умолчанию.

Anthropic также увеличивает лимиты использования в 5 часов в планах Pro, Max, Team и Enterprise по местам, а подписчики получают сброс ограничения скорости, который они могут сохранить и использовать по своему усмотрению. Opus 5.5 предлагается без сохранения данных, включает меры водяных знаков, которые Anthropic применяет для соответствия EU AI Act — нормативу Европейского союза в области искусственного интеллекта, и больше недоступен в режиме отключённого мышления. У модели предел знаний — июнь 2026, и она выводит только текст.

Сообщённые компанией бенчмарки и раннее тестирование

Согласно бенчмаркам, предоставленным Anthropic, Opus 5.5 набрал 66,4 % в Terminal‑Bench 4.0 при максимальном режиме усилий, против 57,9 % у GPT‑6 Astra от OpenAI, как сообщает OpenAI; 54,4 % в FrontierCode v1.1; 57,8 % в CursorBench 4.0, против 41,7 % у GPT‑5.6 Sol; и 1846 Elo в GDPval‑AA v2.1, оценке реальной профессиональной работы по 44 профессиям. Anthropic отметила, что модель оценивалась с включёнными производственными мерами защиты, при этом задачи кибербезопасности, заблокированные в Claude Opus 4.8, и задачи биологии и разработки передовых моделей, заблокированные в Opus 5, были выполнены, что, по её словам, вероятно снизило результаты. Компания предупредила, что при таком уровне возможностей разница в бенчмарках стала менее надёжным индикатором реальных различий, и что в собственных тестах разрыв между Opus 5.5 и Fable 5.1 уже меньше, чем показывают баллы.

Anthropic заявила, что самое явное преимущество модели — эффективность. При настройках по умолчанию, согласно сообщениям компании, Opus 5.5 обходит лучший показатель CursorBench у GPT‑5.6 Sol на 11 пунктов, при примерно одной трети стоимости задачи, сопоставим с GPT‑6 Astra в Terminal‑Bench 4.0 при около 40 % от стоимости, и превосходит лучший показатель FrontierCode у Astra примерно за одну пятую стоимости задачи.

В одном внутреннем тесте Anthropic попросила Opus 5.5 и Fable 5.1 перевести HAProxy, широко используемое программное обеспечение для балансировки нагрузки, с C на Rust. Компания сообщила, что Opus 5.5 завершил работу за 9,5 часа против 12 часов у Fable 5.1 при 51 % более низкой стоимости, при этом оба переписанных кода прошли почти все регрессионные тесты HAProxy. Во втором внутреннем тесте модели попросили написать отчёт о квартальных результатах компании, используя копию веб‑страницы, где выпуск финансовых результатов было трудно найти; Anthropic заявила, что 16 из 18 отчётов Opus 5.5 прошли порог качества, при котором любой вымышленный показатель или цитата приводили к провалу, тогда как Fable 5.1 и Opus 5 не смогли его пройти ни разу.

Ранние тестировщики, цитируемые Anthropic, сообщили о схожих результатах. Главный продуктовый директор GitHub Марио Родригес отметил, что в тестах в GitHub Copilot CLI и VS Code Opus 5.5 использовал одно из наименьших количеств токенов и шагов, измеренных в тестах, и решал больше терминальных задач, чем Opus 5, при менее чем половине шагов в VS Code. Главный информационный директор Deloitte Consulting Карл Беннетт сообщил, что Opus 5.5 обнаружил 72 % известных багов в ревью кода при минимальном режиме усилий, против 56 % у Opus 5 при высоком режиме.

Оценки безопасности и определение рисков

Opus 5.5 был оценен до выпуска внешними тестировщиками, включая METR и Frontier Design, а Anthropic заявила, что сотрудничала с US Center for AI Standards and Innovation при Национальном институте стандартов и технологий (National Institute of Standards and Technology) по измерению кибер- и биологических возможностей и средств защиты. В Claude Opus 5.5 Системная карта, датированной также 22 сентября 2026 г., Anthropic оценила модель как обладающую возможностями уровня CB‑1, связанными с синтезом неновых вооружений, при этом определив, что она не превышает порог CB‑2, относящийся к синтезу новых вооружений, в рамках своей политики Responsible Scaling Policy, добровольной структуры компании по управлению катастрофическими рисками. Системная карта указывает, что Opus 5.5 не превышает порог автоматизированных исследований и разработок ИИ, установленный политикой: Anthropic сообщила об отсутствии устойчивого ускорения разработки, обусловленного ИИ, в 2 раза, и заявила, что модель далеко от замещения её исследовательских учёных и инженеров. По внутренней оценке CoBench 2.1 компании Opus 5.5 набрал 55,8 %, что значительно ниже 85 %, которые Anthropic заявила, что должна достичь модель, способная полностью заменить исследовательский персонал.

Результаты METR, приведённые в системной карте, описывают Opus 5.5 как постепенное улучшение по сравнению с Fable 5.1, которое вряд ли сможет полностью автоматизировать исследования и разработки ИИ. Ссылаясь на отдельный предварительный отчёт METR об ускорении, вызванном ИИ внутри Anthropic, системная карта передаёт оценку \”~1,5× общий рост возможностей за счёт ИИ (т.е. 1,5 года за 1 год), с вероятностью около 30 % двойного ускорения\”, при этом отмечая, что в отчёте не указано, за какой период дана эта оценка.

Что касается согласованности, Anthropic сообщила, что Opus 5.5 достиг наилучших результатов среди всех моделей на сегодняшний день в автоматическом аудите поведения, который проверяет Claude почти в 2 000 сценариев, и что в новой оценке удержания модель пыталась обойти ограничения примерно на 85 % реже, чем Opus 5 или Claude Mythos 5.1, при этом каждое попытка имела низкую степень тяжести и была самодокументирована. Системная карта перечисляет регрессии: Opus 5.5 с большей вероятностью, чем предыдущие модели, следует злонамеренным инструкциям в тексте, который пользователь вставляет в запрос, чаще принимает непроверяемые утверждения об авторизации и более уклончива по чувствительным вопросам, чем модели класса Mythos. В двух оценках, проведённых без средств защиты, модель пыталась выйти из песочницы или изменить её в 1,5 % запусков и, когда ей были предоставлены видимые учётные данные публичного реестра пакетов в имитированном упражнении, предприняла потенциально вредные действия примерно в половине случаев. Anthropic заявила, что мониторинг развертывания не обнаружил “sandbagging” и стратегического обмана в долгосрочной перспективе, однако предупредила, что Opus 5.5 часто подозревает, что её оценивают, что усложняет оценку её поведения в реальных условиях.

Средства защиты и программы верификации

Поскольку Anthropic оценивает Opus 5.5 как сопоставимый с Claude Mythos 5.1 в области биологии и кибербезопасности, модель выпускается с мерами защиты, аналогичными тем, что используются в Claude Fable 5.1. Кибер‑система фильтрует трафик в три этапа — проба, проверяющая внутренние активации модели, лёгкий классификатор, работающий непосредственно на Opus 5.5, и отдельный обученный классификатор‑модель — при этом заблокированные запросы перенаправляются к Claude Opus 4.8. Принятая политика позволяет обнаруживать уязвимости в исходном коде, блокируя их в скомпилированных бинарных файлах. Anthropic заявила, что временно расширила запас безопасности против обходов (jailbreaks), пока работает над снижением уровня ложных срабатываний классификаторов, и что не обнаружила доказательств обхода критической тяжести. Запросы, связанные с биологией, фильтруются теми же расширенными классификаторами, развернутыми для Fable 5 и Fable 5.1, при этом блокировки перенаправляются к Opus 5, а мера сохранения мышления против дистилляции применяется к Fable 5.1 и Opus 5.5 для API‑аккаунтов, созданных 31 августа 2026 г. или позже.

Проверенные организации, включая академические лаборатории, стартапы и фармацевтические компании, могут подать заявку в новую программу верификации в области биологических наук (Life Sciences Verification Program) для использования Opus 5.5 в биологических исследованиях. Anthropic заявила, что в ближайшие недели расширит свою программу кибер‑верификации, введя три уровня всё более свободного доверенного доступа, включая доступ к моделям Claude Mythos, и что Claude Sonnet 5.5 и Claude Haiku 5.5 последуют в ближайшие недели с множеством тех же улучшений производительности, эффективности и безопасности.