Karşınızda Claude Opus 5

Claude Opus 5 bugün mevcuttur. Yarı fiyatına Claude Fable 5'in sınır zekasına yaklaşan, düşünceli ve proaktif bir model.

Frontier-Bench ve GDPval-AA gibi kodlama ve bilgi çalışması değerlendirmelerinde Opus 5, en son teknoloji ürünü olsa da siber güvenlik görevlerinde Mythos 5'in gerisinde kalıyor.

Opus 5 her gün kullanılmak üzere tasarlanmıştır: diğer modellere göre daha verimli çalışır. Claude Max'in yeni varsayılan modeli ve Claude Pro'nun en güçlü modelidir.

Performans ve maliyet etkinliği

Claude Opus 5, selefi Opus 4.8 ile aynı maliyetle büyük ölçüde geliştirilmiş performans sağlar. Bu bölümdeki grafikler, müşterilerin zekayı optimize etmek veya daha hızlı ve daha ucuz sonuçlar için tokenları korumak için kullanabileceği modelin efor ayarına göre performansın nasıl değiştiğini gösterir.

Opus 5, değerli yazılım mühendisliği görevlerinde mükemmeldir. Örneğin Frontier-Bench v0.1'de Opus 5 diğer tüm modelleri geride bırakıyor ve görev başına daha düşük bir maliyetle Opus 4.8'in performansını iki katından fazla artırıyor. Model, CursorBench 3.2'de maksimum eforla Fable 5'in en yüksek puanının %0,5'i oranında performans gösteriyor, ancak görev başına maliyetin yarısı kadar; aynı zamanda belirli bir maliyet karşılığında yüksek, xyüksek ve maksimum eforla diğer tüm modellerden daha yüksek performans elde eder.

Bilgi çalışması ve problem çözme görevlerinde de benzer sonuçlar görüyoruz. Örneğin:

• Modelin yeni sorunları çözmesi gereken bir değerlendirme olan ARC-AGI 3'te Opus 5'in puanı bir sonraki en iyi modelden üç kat daha yüksek.
• Modellerin iş görevlerini baştan sona tamamlayıp tamamlamadığını ölçen Zapier AutomationBench'te Opus 5'in geçiş oranı, aynı görev başına maliyetle bir sonraki en iyi modelin yaklaşık 1,5 katıdır. Opus 5, en düşük efor ayarında bile diğer modellerden daha fazla görevi yerine getirir.
• Bir bilgisayar kullanımı standardı olan OSWorld 2.0'da Opus 5, herhangi bir maliyette diğer tüm modellerden daha iyi performans göstererek, maliyetin üçte birinden biraz fazla bir maliyetle Fable 5'in en iyi sonucunu geride bırakıyor.

Aynı zamanda ilgili çeşitli değerlendirmelerde en iyi ve en uygun maliyetli modelimizdir:

Opus 5, bilimsel araştırma açısından Opus 4.8'e göre anlamlı bir gelişmedir. Yapısal biyoloji, organik kimya ve biyoenformatik gibi konuları kapsayan yaşam bilimleri değerlendirmelerimizin her birinde Opus 4.8'den daha iyi performans gösteriyor. Gelişmeleri en çok spektroskopi verilerinden moleküler yapıları çıkarmak gibi organik kimya görevlerinde (dahili kıyaslamamızda Opus 4.8'den yüzde 10,2 puan daha yüksek puan alıyor) ve bir protein dizisindeki değişikliklerin onun işleyişini nasıl etkilediğini tahmin etmek gibi proteinle ilgili görevlerde (burada yüzde 7,7 puan daha yüksek puan alıyor) dikkat çekiyor.

Son olarak Opus 5 çok daha güçlü görsel çıktılar üretme kapasitesine sahip:

Claude Opus 5'da çalışıyor

Claude Opus 5, çalışmasını doğrulama ve başarılı olana kadar dikkatlice yineleme konusunda çok daha güçlü. Değerlendirmelerde ve erken erişim testlerinde biz ve kullanıcılarımız Opus 5'in etkililiğine ve kapsamlılığına dair birçok örnek bulduk:

• Frontier-Bench görevlerinden birinde Opus 5'e bir makine parçasının çizimi verildi ve onu 3D FreeCAD modeli olarak yeniden oluşturmak için kod yazması istendi. Ancak bu görevde modele kasıtlı olarak çizimi doğrudan görüntüleme olanağı verilmedi. Opus 5, geometriyi ham piksellerden çıkarmak için kendi bilgisayarlı görüntü hattını yazarak yanıt verdi ve ardından tüm makine parçasını yeniden oluşturdu. Bunu defalarca yapmayı başardı; Aynı kuruluma sahip hiçbir rakip model, beş denemeden sonra sorunu çözemedi.
• Popüler bir açık kaynaklı paket yöneticisindeki gerçek bir hata göz önüne alındığında, Opus 5 temel nedeni buldu ve topluluğun yamasının gözden kaçırdığı bir uç durumu düzeltti. Rakip bir model yalnızca yüzeydeki semptomu düzeltti (altta yatan nedeni değil), ardından hatanın çözüldüğünü bildirdi.
• Bir ticaret firmasındaki bir mühendis, tek bir oturumda yeni bir borsa için piyasa veri akışı oluşturmak amacıyla Opus 5'i kullandı. Önceki modeller, mühendisin kapsamlı planlarına rağmen bu görevi hiçbir şekilde tamamlayamıyordu. Doğrulanacak canlı yayın bulamayan Opus 5, kodunun borsa verilerini doğru şekilde ayrıştırdığını kontrol etmek için kendi test donanımını bile oluşturdu.

Aşağıda erken erişim müşterilerimizden Opus 5 ile çalışma deneyimleri hakkında daha fazla rapor bulunmaktadır:

FrontierCode 1.1'de Claude Opus 5, Fable düzeyindeki performansa yarı maliyetle yaklaşıyor. Devin ayrıca zorlu hata ayıklama ve kök neden analizi görevlerinde de özellikle güçlü olduğunu gösteriyor.Scott WuCEO

Claude Opus 5, Opus hızında ve maliyetinde Fable 5'e yakın zeka sağlar. CursorBench'te Fable 5'in hemen altında ve aynı davranışların çoğuna sahip. Geliştiricilerin bunu Cursor'da nasıl kullandığını görmekten heyecan duyuyoruz.Sualeh AsifKurucu Ortak

Claude Opus 5, önceki Claude modellerine göre daha fazla jeton harcamadan Zapier'in AutomationBench sıralamasında zirveye yerleşti. Ham hesap sağlığı çalışma kitabını aldı ve uçtan uca tam bir kayıp önleme dizisi yürüttü: risk altındaki hesapları işaretlemek, hak sahibini uyarmak ve elde tutma operasyonları için özetlemek. Önceki modeller geçemedi; Opus 5 %100'e ulaştı. Wade FosterCEO

Genomik analiz çalışmalarımızda Claude Opus 5, çalıştırdığımız tüm modellerden daha dikkatli bir bilim insanı gibi davranıyor. Kafa karıştırıcı unsurları ortadan kaldırmak için doğru istatistiksel testlere ulaşır, kendi sonuçlarını bağımsız yöntemlerle çapraz kontrol eder ve uzun, çok adımlı analizler yoluyla doğru yolda kalır.Alfredo AndereCEO

Claude Opus 5, kendi iç değerlendirmelerimizde ailesindeki tüm modellerden önde çıktı. Opus 4.7'ye göre %22 artışla en zorlu aracılı kodlama görevlerimizde daha iyi olmakla kalmıyor, aynı zamanda çalıştırmalar arası çok daha az sapmayla daha istikrarlı. Lovable'daki milyonlarca inşaatçı için bu tutarlılık oyunun tamamıdır. Her derlemede güvenilir sonuçlar.Fabian HedinKurucu Ortak

Claude Opus 5, Opus ailesindeki 4.5'ten bu yana en büyük sıçramadır. Aynı tam yığın uygulama yapılarında, ön uç bunu ilk önce gösterir: Opus modelinde gördüğümüz en iyi animasyonlar, oyunlar ve 3D çalışmalar.Madhav JhaKurucu Ortak ve CTO

Claude Opus 5'i seviyoruz. Temsilcimizin üstlendiği türden açık uçlu analitik çalışmalar için, bu, Opus 4.8'e göre katı bir yükseltmedir ve kazanımlar tam da önemli olduğu yerde en büyüktür: daha zor, daha belirsiz görevler. Yanıtlar daha net ve özlü, ayrıca daha yüksek çaba düzeylerinde verimliliğin arttığını da görüyoruz.Izzy MillerYapay Zeka Araştırma Lideri

Claude Opus 5, analistlerimizin her gün yürüttüğü mali araştırma iş akışları açısından Opus 4.8'e göre çarpıcı bir gelişmedir. Hassasiyetin önemli olduğu yerlerde sayısal akıl yürütme, tablo çalışması ve daha keskin eleştirel düşünme özellikleriyle öne çıkıyor.Shirley ZhangKıdemli Yapay Zeka Mühendisi, Uygulamalı Yapay Zeka

Claude Opus 5, özel kurumsal içeriğin analizi için gerekli olan sektör zekasını ve doğruluğunu sağlar. Box, Opus 5'in Opus 4.8'den %8 oranında daha iyi performans gösterdiğini ve teknolojinin, sağlık hizmetlerinin ve kamu sektörü kuruluşlarının günlük olarak güvendiği veri analizi (%11 iyileştirme) ve durum tespiti (%17 iyileştirme) iş akışlarında dikkate değer performans kazanımları sağladığını buldu.Ben KusCTO

Claude Opus 5, Opus 4.8'den net bir nesil ileri adımdır. Bir hafta sonu boyunca ona geliştirme ortamlarım üzerinde personel şefi rolü verdim: kendi monitörünü yaptı, her kutuyu çalıştırdı ve beni yalnızca değerlendirme çağrıları için yanına çekti.Cristian RiveraPersonel Yazılım Mühendisi

Claude Opus 5, Temel Araştırma Asistanı kod tabanımızda büyük ölçekli değişiklikler yaparak, aracılı bir iş akışı boyunca geri bildirimlere uyum sağladı ve bunun mantığını, kullandığımız tüm modellerden daha net bir şekilde açıkladı. Normalde çok daha küçük parçalara ayıracağımız işleri halletti.Conor KiernanCTO

En zorlu finansal modelleme görevlerimizin bazılarında Claude Opus 5, hem doğruluk hem de verimlilik açısından Opus 4.8'den açık bir adım öndedir. Performans tabanı, özellikle derin finans alanı mantığında maddi olarak daha yüksektir. Çaba seviyeleri genelinde, üçte bir oranında daha az dönüş ve takım çağrısı ve %60 daha az süre ile ortalama yüzde 9 puan daha yüksek doğruluk elde edildi.Richard PhamEvals ve Ürün Lideri

Claude Opus 5, gerçek bir ön uç geliştiricinin yapacağı gibi kendi çalışmasını kontrol eder. Karşılaştırmalı değerlendirmemizde sayfalarını bir tarayıcıda masaüstü ve telefon genişliğinde açtı, mobil ekranın altına gizlenmiş bir ürünü ve ekran dışı ödeme düğmesini yakaladı ve çalışmayı geri teslim etmeden önce her ikisini de düzeltti.AJ OrbachKurucu Ortak ve CEO

Claude Opus 5, önceki Opus modelleriyle karşılaştırıldığında yasal temsilci çalışması performansında açık bir adımdır ve en büyük kazanımları kurumsal yönetim ve tahkim gibi uygulama alanlarında gördük. Ayrıca Opus 5'in, daha düşük akıl yürütme düzeylerinde kaliteyi koruma, maksimum akıl yürütmede Opus 4.8'e kıyasla ortalama %26 daha az token üretirken benzer performans elde etme yeteneğinden de etkilendik.Niko GrupenUygulamalı Araştırma Başkanı

Claude Opus 5'in bizim için en büyük kazanımı daha uzun vadeli çalışmalardan kaynaklanıyor: tam bir güverte inşa etmek ve sonra onu revize etmek. Hangi modeli göndereceğimize karar veren şey yapı kalitesidir ve bu, şimdiye kadar gördüğümüz en net adımdır: daha iyi görsel anlayış, daha temiz biçimlendirme, daha az slayt sorunu.Alex WangUygulamalı AI

Claude Opus 5'in kararı öne çıkıyor. Bir PR'yi teslim ederken yayınlamak için acele etmez: dalları doğrular, şablonu kontrol eder ve devretmenin temiz olması için test sonuçlarını düşünür. Eski modeller öne atlayıp kontrollerimize yakalanma eğilimindeydi.Zimu LiTeknik Personel Üyesi

Yeniden mimarlık oturumu sırasında Claude Opus 5, önerdiğim bir tasarımı geri çekti ve ısrar ettiğimde tasarım katlanmadı. Bunun yerine, fikrimde tam olarak neyin değerli olduğunu açıkladı, itirazını tek bir tasarım sorusuna daralttı ve kusuru düzeltirken iyi kısmı da koruyan bir uzlaşma önerdi. Bu, daha az gözetimle ona güvenmemizi sağlayan türden bir yargıdır.Marquis WangBaş Yapay Zeka Mühendisi

İlk dönüş kırmızı çizgilerinde Claude Opus 5, test ettiğimiz tüm modeller arasında en yüksek puanı alarak Opus 4.8'in neredeyse iki katı oldu. Yorum yapmak da daha iyidir: NDA'larda kırmızı çizgiye daha kısa sürede ve daha az geçişle, doğruluk korunarak veya daha iyi bir şekilde ulaşır.Ryan TanenholzTeknik Personel Üyesi

Claude Opus 5, ölü kod olmadan temiz, sıkı farklar yazar ve ince, kod tabanına özgü sorunlar üzerinde daha güçlü bir tehlike tespit edicidir. Bunu üretim iş yükleri için benimsiyoruz.Neeraj DeshmukhMühendislik Direktörü

Birleşik temsilci platformumuz Cosmos'ta kesinlikle bir dizi kullanım örneğini taşıyacağız. Kod incelemesi için Claude Opus 5'i giderek daha fazla kullanmayı sabırsızlıkla bekliyoruz ve insanların Opus 4.8 yerine Opus 5'i kullanmasını tercih edeceğimizden eminim.Igor OstrovskyKurucu Ortak ve CTO

Claude Opus 5'te öne çıkan şey yargıdır. Tek bir satır yazmadan önce daha çok düşünür, olaydan sonra değil, planlama sırasında kendi mantıksal hatalarını yakalar ve bir cevabın sadece işe yarayıp yaramadığına değil, neden doğru olduğuna dair mantık yürütür. Bu, problem çözmede bir Claude modelinden diğerine gördüğümüz en net sıçrama ve bunun JetBrains IDE'lerinde benimsenmesini sabırsızlıkla bekliyoruz.Denis Shiryaev IDE Yapay Zeka Başkanı

Claude Opus 5, alım satım kriterlerimizde test ettiğimiz en güçlü Opus modelidir ve bu noktaya mantık tokenlarının kabaca yedide birini kullanarak ve Opus 4.8'in gecikme süresinin yarısından daha azını kullanarak ulaşır. İşlemin çok küçük bir kısmında daha iyi yanıtlar.Matt NassrKüresel Veri Mühendisliği ve Yapay Zeka Dönüşümü Başkanı

Claude Opus 5, izleme aracılarının üretim sırasında kendi belleklerinin bölümlerini yönetmelerine olanak tanıyarak onları daha uzun ufuklarda daha özerk ve güvenilir hale getirir. Aracı, bağlamını yaşayan bir belge olarak ele alır: Hizmetlerimizden birinde olası bir anormalliği işaretledikten sonra, üretime karşı kendi varsayımını yeniden kontrol etti, sinyalin zararsız olduğunu buldu, düzeltmeyi belleğine yazdı ve izleme sorgularını kendi başına kullanımdan kaldırdı.Tanapat RatanaruengjumruneYönetici, Uygulamalı Yapay Zeka

Claude Opus 5, uzun süreli, çok adımlı çalışmalar için oluşturulmuş güçlü bir aracılı kodlama modelidir. Kod tabanınızı derinden anlar, karmaşık görevler arasındaki akışı tutar ve özellik geliştirme ve hata düzeltme gereksinimlerini Opus 4.8'den daha etkili bir şekilde belirler. Geliştiriciler artık Kiro'da Opus 5'i kullanarak iddialı projelerin üstesinden gelmek için gelişmiş yeteneklerine erişebilirler.Deepak SinghAgentic AI Başkan Yardımcısı

Hizalama ve güvenlik

Hizalama. Dağıtım öncesi testler sırasında, otomatik davranış denetimimiz Opus 5'in bugüne kadarki en uyumlu modelimiz olduğunu tespit etti (aşağıdaki grafikte gösterildiği gibi). Claude'un Anayasasına Opus 4.8, Sonnet 5 veya Fable 5'ten daha iyi uyuyor; en düşük aldatıcı davranış oranlarını sergiliyor; ve kötüye kullanıma kandırılmaya en az duyarlı olanıdır. Aynı zamanda geri döndürülmesi zor yan etkilere neden olabilecek dikkatsiz eylemlerden kaçınma açısından da şimdiye kadarki en güvenli modelimizdir.

Emniyet. Opus 5, riskli, çift kullanımlı özelliklerde sınırı ilerletmiyor. Özel sektör ve hükümet ortaklarıyla birlikte yürütülen titiz değerlendirmelerde, hem biyoloji araştırmalarında hem de saldırgan siber güvenlik açısından Mythos 5'in gerisinde kaldığını gördük. Bu değerlendirmeler hakkında daha fazla bilgiyi Sistem Kartımızda bulabilirsiniz.

Önceki sürüm olan Opus 4.8'de olduğu gibi, Opus 5'in siber görevler konusunda eğitilmesinden kasıtlı olarak kaçındık. Model yine de genel olarak daha yetenekli hale gelmesinin bir sonucu olarak bu görevlerde önemli ölçüde ilerleme kaydetti ve siber güvenlik açıklarını bulma konusunda Mythos 5'e yaklaştı. Ancak bu güvenlik açıklarından yararlanma, yani güvenlik açıklarını maddi siber tehditlere dönüştürme konusunda Mythos 5'in büyük ölçüde gerisinde kalıyor.

Bu, Opus 5'in, modellerin kapsamlı insan rehberliği olmadan güvenlik açıklarını ne kadar iyi bulup kullanabileceğini değerlendirmek için geliştirdiğimiz bir değerlendirme olan OSS-Fuzz'daki performansıyla gösterilmektedir. Mythos 5 ve Opus 5, güvenlik açıklarını benzer başarıyla tespit etse de, Opus 5'in açıklardan yararlanma geliştirme puanı Mythos 5'in çok gerisindedir.

Opus 5 için Korumalar

Claude Opus 5'in korumaları, modelin hem siber güvenlik hem de biyoloji alanında faydalı şekilde kullanılmasına olanak sağlayacak şekilde tasarlanmıştır. Bunlar, dar bir yelpazedeki siber görevlere yönelik bazı daha güçlü korkuluklar dışında, Opus 4.8'e uyguladığımız korkuluklara benzer.

Siber güvenlik. Opus 5'in siber sınıflandırıcıları, Fable 5'tekilere göre oransal olarak daha az kısıtlayıcıdır. Bunlar, Opus 5'in kaynak kodundaki güvenlik açıklarını bulmasına olanak tanır, ancak "ikili tabanlı" güvenlik açığı taramasını (kötü niyetli aktörlerle ilişkilendirilmesi daha muhtemel bir yöntem), sızma testini ve istismar oluşturmayı engeller.

Testlerimize göre sınıflandırıcıların Fable 5'e göre yaklaşık %85 ​​daha az müdahale etmesini bekliyoruz. Claude.ai, Claude Code ve Claude Cowork'te işaretlenen tüm istekler varsayılan olarak Opus 4.8'e geri dönecektir. Opus 4.8'e geri dönüşler de API üzerinden etkinleştirilebilir.

Siber Doğrulama Programımız (CVP), aksi takdirde modelin korumaları tarafından sekteye uğrayacak siber güvenlik çalışmalarını kolaylaştırır. Halihazırda CVP'nin bir parçası olan kuruluşlar ve araştırmacılar, Opus 5'in daha az güvenlik kısıtlamasına sahip bir sürümüne anında erişebilir.

Biyoloji. Opus 5, Opus 4.8'e benzer bir koruma paketine sahip olduğundan, şu anda bilimsel araştırmalar için genel olarak mevcut en yetenekli modelimizdir. Bununla birlikte, model hala uzun vadeli, otonom araştırma görevlerinde önemli sınırlamalar göstermektedir; bu noktada yapay zeka modellerinin biyolojiyle ilgili en önemli riskleri oluşturmasını bekliyoruz. (Mythos 5, bu tür biyolojik çalışmalar için daha güçlü model olmaya devam ediyor.) Bu lansmanın bir parçası olarak, Fable 5'te engellenen biyolojiyle ilgili istekler artık Opus 4.8 yerine Opus 5'e yönlendirilecek.

Başlarken

Claude Opus 5, bugün tüm platformlarda mevcut olup, bir milyon giriş tokenı başına 5 ABD Doları ve bir milyon çıkış tokenı başına 25 ABD Doları fiyatla (Opus 4.8 ile aynı) fiyatlandırılmıştır. Geliştiriciler Claude API'sinde Claude-opus-5'i kullanmaya başlayabilir.

Ayrıca varsayılan hızın yaklaşık 2,5 katı kadar çalıştığı Hızlı modda da sunulur. Opus 4.8'de olduğu gibi, Hızlı mod da Claude Platformunda Opus 5'in taban fiyatının iki katı fiyatla ve Claude Code'daki kullanım kredileri aracılığıyla mevcuttur.

Opus 5'in yanı sıra beta olarak iki güncelleme yayınlıyoruz:

• Claude Platformunda konuşma ortasında araç değişiklikleri. Geliştiriciler artık bir konuşma içerisinde, istem önbelleğini geçersiz kılmadan Claude'un kullanabileceği araçları değiştirebilir.
• API'de otomatik geri dönüşler. Kullanıcılar artık Opus 5'teki (veya Fable 5) güvenlik sınıflandırıcılarımız tarafından işaretlenen isteklerin otomatik olarak başka bir modele yönlendirilmesini seçebilirler. Otomatik geri dönüşler açıkken, API istekleri engellenmek yerine her zaman varsayılan olarak mevcut en iyi modele yönlendirilir.

Önceki Opus modelleriyle tutarlı olarak Opus 5'in genel erişim için veri saklama gereksinimleri yoktur.

Opus 5'ten en iyi şekilde nasıl yararlanabileceğiniz konusunda daha fazla rehberlik için bilgilendirici kılavuzumuza bakın.