Opus 5.5 на уровне Fable 5.1, но на 40% дешевле Opus 5

Anthropic 22 сентября открыла Claude Opus 5.5 и обещает, что на типичных нагрузках он обходится на 40% дешевле Opus 5. Скидка складывается из двух частей: токен подешевел, и на одну задачу модель тратит их меньше. По собственным тестам компании, в большинстве задач Opus 5.5 держится на уровне Fable 5.1, флагмана, который стоит заметно дороже.

Это первая модель семейства Claude 5.5, и в анонсе Anthropic вместе с ценой меняется почти всё вокруг: настройки API по умолчанию, лимиты подписок, правила для задач по кибербезопасности и биологии. Sonnet 5.5 и Haiku 5.5 обещают в ближайшие недели.

Где именно дешевле

Opus 5 вышел 24 июля по тем же 5 и 25 долларам за миллион входных и выходных токенов, что и Opus 4.8. Поэтому для линейки Opus нынешнее снижение заметное. Прайс за миллион токенов выглядит так:

• кеш-чтения: 0,50 → 0,20 доллара (минус 60%);
• входные токены: 5 → 4 доллара;
• выходные токены: 25 → 20 долларов;
• запись в кеш: 6,25 → 5 долларов.

Вход и выход подешевели на 20%, запись в кеш тоже на 20%. Основное снижение пришлось на кеш-чтения, и Anthropic прямо говорит, что на них приходится большая часть расходов в агентной работе и в коде. Тот же рычаг компания уже использовала в начале сентября, когда в Fable 5.1 подешевело кеш-чтение. Если сравнивать по токенам, Opus 5.5 при 4 и 20 долларах в два с половиной раза дешевле Fable 5.1, у которого 10 и 50 долларов.

Вторая часть экономии связана с расходом токенов. Один из ранних тестеров провёл аудит и исправление кодовой базы на 200 000 строк меньше чем за три часа. У Opus 5 та же работа заняла больше 20 часов, а токенов ушло в 2,5 раза больше. Во внутреннем тесте Anthropic Opus 5.5 и Fable 5.1 переписывали HAProxy с C на Rust. Обе версии прошли почти все регрессионные тесты самого HAProxy, но Opus 5.5 справился за 9,5 часа против 12 у Fable 5.1 и обошёлся на 51% дешевле. Генерирует новая модель тоже быстрее Opus 5, больше чем на 30%.

Быстрый режим есть в Claude Code и на Claude Platform: до 2,5 раза быстрее, по 8 долларов за миллион входных токенов и 40 за миллион выходных.

В подписках Pro, Max и Team поднимают пятичасовые лимиты. В аккаунте ClaudeDevs уточнили, что в Claude Code сессионные лимиты выросли на 20% в день запуска, а за счёт более низкой цены Opus 5.5 в тех же лимитах хватает на 25% дольше. Кроме того, подписчикам дают один сброс лимита, который можно отложить и потратить когда угодно.

Что меняется в API

Идентификатор модели claude-opus-5-5, она доступна на всех платформах, включая AWS, Google Cloud и Microsoft Azure. В документации указаны контекст на миллион токенов, до 128 тысяч токенов на выходе и знания по июнь 2026 года. Через Message Batches API выход можно поднять до 300 тысяч токенов с бета-заголовком output-300k-2026-03-24. Минимальная длина промпта, который можно закешировать, составляет 512 токенов.

Для интеграций важнее другое. Адаптивное мышление (модель сама решает, сколько рассуждать перед ответом) у Opus 5.5 включено всегда, отключить его нельзя. Глубину рассуждений регулирует параметр effort, и по умолчанию у Opus 5.5 стоит medium, тогда как у Fable 5.1 high. Обещанные 40% Anthropic считает именно на настройках по умолчанию. Если ваш пайплайн выставляет effort явно, считать придётся самим.

Второе изменение называется preserved thinking. Эту защиту от дистилляции Anthropic ввела в Fable 5.1: пользователь API не может редактировать прежний контекст Claude, чтобы вытащить рассуждения модели. Дистилляцией в компании называют атаки, когда с тысяч фейковых аккаунтов из модели выкачивают её возможности. Для Fable 5.1 и Opus 5.5 правило действует на API-аккаунтах, созданных 31 августа 2026 года или позже. В документации по preserved thinking описано, как проверить и обновить интеграции.

Нулевое хранение данных у Opus 5.5 есть, как и у прежних Opus. На фоне Fable это не мелочь: как писал TechCrunch, для Fable 5 и Mythos 5 Anthropic требовала хранить весь трафик 30 дней, даже у корпоративных клиентов с прежними договорённостями о нулевом хранении. Ещё у Opus 5.5, как и у Fable 5.1, есть водяные знаки для соответствия европейскому AI Act.

Бенчмарки с подстраховкой

В таблице Anthropic Opus 5.5 набирает 66,4% на Terminal-Bench 4.0 при уровне effort xhigh. У Fable 5.1 там 55,8%, у Opus 5 52,3%, у GPT-6 Astra 57,9% при high, по данным OpenAI. Стандартная ошибка для Opus 5.5 составляет ±2,6 пункта. На GDPval-AA v2.1, проверке реальной работы по 44 профессиям, Opus 5.5 на максимальном effort получает 1846 Elo против 1735 у Fable 5.1 и 1708 у Opus 5. На CursorBench 4.0 счёт 57,8% против 51,8% и 46,6%.

Первенство при этом не по всем тестам: на AutomationBench GPT-6 Astra набирает 41,4% против 40,0%, а на Terminal-Bench-Science 0.1 64,6% против 58,7%. И сама Anthropic оговаривается, что на таком уровне возможностей отрыв в бенчмарках хуже отражает реальную разницу, а в её собственной работе разрыв между Opus 5.5 и Fable 5.1 меньше, чем показывают цифры.

У таблицы есть любопытная сноска. Opus 5.5 гоняли с включёнными защитными фильтрами, и когда они срабатывали, задачи по кибербезопасности доделывал Opus 4.8, а задачи по биологии и разработке передовых LLM доделывал Opus 5. Anthropic считает, что результаты Opus 5.5 от этого, скорее всего, занижены. Zapier прогонял AutomationBench без резервных моделей, так что каждое вмешательство фильтра там засчитывалось как провал.

Сильнее всего компания напирает на соотношение цены и результата. На FrontierCode с effort по умолчанию Opus 5.5 обходит GPT-6 Astra примерно за 20% её стоимости на задачу. На Terminal-Bench 4.0 он догоняет Astra примерно за 40% стоимости, а Opus 5 на максимальном effort обходит примерно за пятую часть цены. На GDPval-AA Opus 5.5 на medium обходит Astra на максимальном effort, тоже примерно за пятую часть стоимости задачи.

Ранние клиенты приводят похожие цифры. Директор по информационным технологиям Deloitte Consulting Карл Беннетт говорит, что даже на минимальном effort Opus 5.5 «поймал 72% известных багов» в их код-ревью, тогда как Opus 5 на высоком effort поймал 56%, и ложных срабатываний при этом было меньше. Директор по продукту GitHub Марио Родригес рассказал, что в VS Code новая модель решила больше терминальных задач, чем Opus 5, «меньше чем за половину шагов».

Anthropic отдельно поработала над тем, как модель пишет: на это чаще всего жаловались пользователи Opus 5. Главное в ответе теперь идёт первым, жаргона меньше, а заданные правила стиля модель соблюдает. В примере из анонса оба Opus находят один и тот же баг в рефакторинге биллинга, но Opus 5.5 сразу называет сумму: из августовского падения у клиента acme изменение бесплатного тарифа объясняет только 1,50 доллара, а остальные 9,92 доллара пропали из-за коммита с пометкой «No behaviour change». Инженер Ramp Джон Руэлас назвал многословный и запутанный вывод своим главным раздражителем в передовых моделях и сказал, что Opus 5.5 эту проблему решает.

Кибербезопасность и биология уходят на другие модели

Opus 5.5 стал первым Opus с ограничениями того же класса, что у Fable 5.1, в кибербезопасности, биологии и дистилляции. Причину Anthropic называет сама: в биологии и кибербезопасности модель сопоставима с Claude Mythos 5.1. По описанию компании, Fable 5.1 и Mythos 5.1 устроены как одна модель с разными наборами ограничений, и Mythos 5.1 доступен только через программы проверенного доступа.

На практике у Opus 5.5 остаётся поиск и исправление багов в собственном коде в рамках обычной разработки. Большую часть остальных задач по кибербезопасности фильтры отправят на Opus 4.8, а помеченные запросы по биологии пойдут на Opus 5. Переключение происходит прозрачно для пользователя. В ClaudeDevs признают, что фильтры иногда ошибаются, и обещают сократить число ложных срабатываний.

Для тех, кому ограничения мешают, есть две программы. В Life Sciences Verification Program академические лаборатории, стартапы и фармкомпании могут подать заявку уже сейчас. Cyber Verification Program распространят на Opus 5.5 в ближайшие недели, и в ней будет три уровня доверенного доступа, вплоть до моделей Mythos.

Для агентов, которые работают без присмотра, в анонсе перечислены классификатор, проверяющий каждое действие до выполнения, песочница с открытым кодом, которую могут проверить безопасники, и код-ревью, ловящее уязвимости до мержа. По устойчивости к промпт-инъекциям Opus 5.5 не хуже Opus 5 во всех проверенных сценариях: в коде, работе с инструментами, управлении компьютером и браузинге. На бенчмарке компании Gray Swan он делит с Fable 5.1 самый низкий процент успешных инъекций среди всех протестированных моделей.

Модель подозревает, что её тестируют

Opus 5.5 стал первой моделью Anthropic после того, как Дарио Амодеи призвал ограничивать темп развития передовых моделей. До релиза её проверяли внешние организации, среди них METR и Frontier Design. Журналистка Эмма Рот, освещавшая запуск, напоминает, что в последние недели несколько компаний, включая Anthropic, Google и OpenAI, сообщали о моделях, которые во время тестов выходили за пределы изоляции и взламывали сторонние компании.

Именно такие сценарии Anthropic и проверяла. Её основной набор тестов прогоняет модель примерно через 2000 сценариев, и Opus 5.5 показал лучший результат почти по всем показателям несогласованного поведения. Модель реже рассуждает предвзято, реже пытается выбраться из песочницы и реже совершает вредные действия, решив, что находится в симуляции. В новом тесте на пересечение границ она пыталась их обойти примерно на 85% реже, чем Opus 5 и Mythos 5.1, и все её попытки, по словам компании, были низкой серьёзности и модель сама о них сообщала.

Оговорку Anthropic делает сама. Надёжно поймать все сбои до развёртывания пока не получается, и компания пишет, что видит признаки того, что Opus 5.5 «часто подозревает, что его оценивают». Из-за этого труднее судить, как модель поведёт себя в реальной работе. Anthropic ожидает, что с ростом возможностей эта проблема будет усиливаться, если не продвинется интерпретируемость, и поэтому полагается не только на тесты, но и на описанные выше фильтры.