Anthropic Claude Opus 5ని విడుదల చేసింది: సగం ధరకే అత్యుత్తమ పనితీరు
Anthropic అధికారికంగా Claude Opus 5ని ప్రారంభించింది. ఇది ప్రీమియం Claude Fable 5కి దాదాపు సమానమైన సామర్థ్యాన్ని, చాలా తక్కువ ధరకే అందిస్తూ హై-ఎండ్ LLM మార్కెట్ను ప్రభావితం చేసేలా రూపొందించబడిన కొత్త ఫ్లాగ్షిప్ మోడల్. ఈ వ్యూహాత్మక చర్య GPT-5.6 Sol వంటి పోటీదారుల నుండి వచ్చే ధరల ఒత్తిడిని తగ్గించడమే కాకుండా, డెవలపర్లకు కోడింగ్ మరియు సంక్లిష్టమైన నాలెడ్జ్ వర్క్ కోసం మరింత సమర్థవంతమైన సాధనాన్ని అందించాలని లక్ష్యంగా పెట్టుకుంది.
ధర-పనితీరు సరిహద్దులను సవాలు చేస్తూ
Claude Opus 5 యొక్క అత్యంత ఆకర్షణీయమైన ఫీచర్ దాని దూకుడుగా ఉండే ధరల నిర్మాణం. టాప్-టైర్ Claude Fable 5 ప్రతి మిలియన్ ఇన్పుట్ టోకెన్లకు $10 మరియు ప్రతి మిలియన్ అవుట్పుట్ టోకెన్లకు $50 ఖర్చవుతుంటే, Opus 5 ఈ ధరలను సగానికి తగ్గించింది; ఇది ప్రతి మిలియన్ ఇన్పుట్కు $5 మరియు ప్రతి మిలియన్ అవుట్పుట్కు $25 ధరగా నిర్ణయించబడింది.
లేటెన్సీ (latency) అవసరాలను తీర్చడానికి, Anthropic "Fast Mode"ను కూడా పరిచయం చేసింది, ఇది ప్రాసెసింగ్ వేగాన్ని 2.5 రెట్లు పెంచుతుంది, అయితే దీని వల్ల టోకెన్ ధర రెట్టింపు అవుతుంది. ఈ వివిధ స్థాయిల ధరలు మరియు భారీ 1 మిలియన్-టోకెన్ కాంటెక్స్ట్ విండో (context window) కలిపి, Opus 5ని Claude Max కోసం కొత్త డిఫాల్ట్ మోడల్గా మరియు Claude Pro వినియోగదారుల కోసం అత్యంత సమర్థవంతమైన ఎంపికగా నిలబెట్టాయి.
కోడింగ్ మరియు రీజనింగ్లో బెంచ్మార్క్ ఆధిపత్యం
Opus 5 కేవలం తక్కువ ధరకే లభించే ప్రత్యామ్నాయం మాత్రమే కాదు; ఇది నిర్దిష్ట రంగాలలో అద్భుతమైన పనితీరును కనబరిచే పవర్హౌస్. Frontier-Bench v0.1 ద్వారా ఏజెంటిక్ టెర్మినల్ కోడింగ్లో, Opus 5 43.3% స్కోరు సాధించి, Fable 5 (33.7%) మరియు GPT-5.6 Sol (34.4%) రెండింటినీ గణనీయంగా అధిగమించింది. ఇది నాలెడ్జ్ వర్క్లో కూడా ఆధిపత్యాన్ని ప్రదర్శించింది, 1,861 Elo స్కోరుతో GDPval-AA v2 బెంచ్మార్క్లో అగ్రస్థానంలో నిలిచింది.
బహుశా అత్యంత ఆశ్చర్యకరమైన గణాంకం ARC-AGI-3 బెంచ్మార్క్ నుండి వచ్చింది, ఇది కొత్త సమస్యల పరిష్కార సామర్థ్యాన్ని కొలుస్తుంది. Opus 5 30.2% స్కోరు సాధించింది, ఇది GPT-5.6 Sol సాధించిన 7.8% కంటే దాదాపు నాలుగు రెట్లు ఎక్కువ. ఇది తన శిక్షణ డేటా నమూనాల (training data patterns) వెలుపల ఉండే పనులను నిర్వహించడంలో మోడల్ యొక్క సామర్థ్యంలో భారీ మార్పును సూచిస్తుంది.
ఇంటెలిజెంట్ ఎఫర్ట్ స్కేలింగ్ మరియు సామర్థ్యం
Anthropic ఒక అధునాతన "effort" సిస్టమ్ను పరిచయం చేసింది, ఇది వినియోగదారులకు ఐదు సెట్టింగ్ల మధ్య మారడానికి అనుమతిస్తుంది: low, medium, high, xhigh, మరియు max. ఇది టోకెన్ వినియోగం మరియు రీజనింగ్ లోతు (reasoning depth) మధ్య సూక్ష్మమైన సమతుల్యతను సాధ్యం చేస్తుంది.
ఖర్చులను ఆప్టిమైజ్ చేయడానికి సాధారణ పనుల కోసం "low" మరియు "medium" సెట్టింగ్లను Anthropic సిఫార్సు చేస్తోంది, అయితే సంక్లిష్టమైన ఏజెంటిక్ కోడింగ్ కోసం "xhigh"ని ఉపయోగించాలని సూచిస్తోంది. ఆసక్తికరంగా, "max" సెట్టింగ్లో ఫలితాలు తగ్గుతున్నట్లు కంపెనీ గమనించింది; Frontier-Bench v0.1 మరియు Artificial Analysis Coding Agent Index రెండింటిలోనూ, ఎక్కువ ఖర్చు అయినప్పటికీ, Opus 5 గరిష్ట ప్రయత్నం (maximum effort) వద్ద స్వల్ప పనితీరు తగ్గుదలని చూపింది. దీనిని బట్టి "xhigh" సెట్టింగ్ ప్రస్తుతం సామర్థ్యం కోసం ఉత్తమమైనది (sweet spot) అని అర్థమవుతోంది.
మెరుగైన భద్రత మరియు స్వయంప్రతిపత్తి
వినియోగదారుల ఫీడ్బ్యాక్కు ప్రత్యక్ష స్పందనగా, Anthropic Opus 5 కోసం సేఫ్టీ క్లాసిఫైయర్లను (safety classifiers) ఫైన్-ట్యూన్ చేసింది. Fable 5 తో పోలిస్తే ఈ మోడల్ యొక్క సైబర్ ఫిల్టర్లు సుమారు 85% తక్కువగా ట్రిగ్గర్ అవుతాయి, ఇది చట్టబద్ధమైన పరిశోధనలను అతిగా నిరోధిస్తున్నారనే మునుపటి విమర్శలను పరిష్కరిస్తుంది. ఇది ఇంకా ఎక్స్ప్లాయిట్ జనరేషన్ (exploit generation) మరియు బైనరీ-ఆధారిత స్కానింగ్ను నిరోధిస్తున్నప్పటికీ, సోర్స్ కోడ్ వల్నరబిలిటీ రీసెర్చ్ (source code vulnerability research) కోసం చాలా వరకు అనుమతిస్తుంది.
అంతేకాకుండా, Opus 5 మెరుగైన సెల్ఫ్-కరెక్షన్ (self-correction) సామర్థ్యాలను చూపుతుంది. వాస్తవ ప్రపంచ పరీక్షల్లో, మోడల్ జ్యామితిని (geometry) అర్థం చేసుకోవడానికి తన స్వంత కంప్యూటర్ విజన్ పైప్లైన్ను రాస్తూ FreeCADలో 3D మోడల్ను విజయవంతంగా నిర్మించింది—ఈ పని మిగిలిన అన్ని పోటీ మోడల్స్ను విఫలపరిచింది.
ముఖ్య అంశాలు
- భారీ ఖర్చు తగ్గింపు: Claude Fable 5 యొక్క టోకెన్ ఖర్చులో 50% ధరకే Opus 5 ఫ్లాగ్షిప్ స్థాయి పనితీరును అందిస్తుంది.
- రీజనింగ్లో విప్లవాత్మక మార్పు: కొత్త సమస్యల పరిష్కారం కోసం ARC-AGI-3 బెంచ్మార్క్లో ఈ మోడల్ పోటీదారుల కంటే 4 రెట్లు ఎక్కువ ఆధిక్యాన్ని చూపింది.
- ఆప్టిమైజ్ చేయబడిన డెవలపర్ వర్క్ఫ్లో: మెరుగైన సేఫ్టీ క్లాసిఫైయర్లు మరియు ప్రత్యేకమైన "effort" సెట్టింగ్లతో, Opus 5 ఏజెంటిక్ కోడింగ్ మరియు పరిశోధన కోసం మరింత సులభమైన అనుభవాన్ని అందిస్తుంది.