Anthropic's Opus 5 نمرات سطح 5 Fable را با نصف قیمت بدست می آورد

آنتروپیک Claude Opus 5 را در روز جمعه، 24 جولای منتشر کرد. این شرکت آن را به عنوان مدلی در حدود هوش Fable 5 با نصف قیمت به توسعه دهندگان و خریداران سازمانی فروخت. دو ماه دیگر Opus 4.8 را دنبال می‌کند و به تیم‌های مقرون‌به‌صرفه پیش‌فرض ارزان‌تری نسبت به پرچم‌داری که برای استفاده از آن هزینه پرداخت می‌کنند، می‌دهد. Opus 5 با نصف قیمت Opus 5 با Fable 5 مطابقت دارد و هزینه عملیاتی مشابه نسخه قبلی خود دارد. اما آنتروپیک می‌گوید این کار خیلی بیشتر انجام می‌دهد. این مدل در ارزیابی کدنویسی Frontier-Bench v0.1 از همه رقبا بهتر عمل می کند. برای هر کار ارزان‌تر است و بیش از دو برابر از Opus 4.8 بهتر عمل می‌کند. یک معامله وجود دارد تنظیم تلاش، خریداران را تحت کنترل قرار می دهد. خریداران می‌توانند بین حداکثر هوش یا شماره‌گیری برای خرج کردن نشانه‌های کمتر برای پاسخ‌های سریع‌تر و ارزان‌تر انتخاب کنند. همچنین اکنون مدل پیش‌فرض کلود مکس و تواناترین گزینه در کلود پرو است. آنتروپیک آن را به عنوان یک اسب کار برای استفاده روزمره می فروشد، نه به عنوان یک متخصص. این شرکت ادعا می کند که کارآمدتر از جایگزین های موجود در کنار آن است. در آزمون کدنویسی CursorBench 3.2، Opus 5 در حداکثر تلاش، نیم درصد از بهترین امتیاز از Fable 5، با نصف هزینه هر کار، است. کوچکتر از این دو Opus 5 است. اما در بسیاری از معیارهای منتشر شده Anthropic کاملاً Fable 5 را شکست می دهد. در تست جدید مشکل ARC-AGI 3، Opus 5 سه برابر بهتر از دومین مدل برتر بود.نرخ عبور در Zapier’s AutomationBench تقریباً 1.5 برابر بیشتر از نزدیکترین رقیب، با همان قیمت بود. همچنین بهترین امتیاز Fable 5 را در معیار استفاده از کامپیوتر OSWorld 2.0 با یک سوم قیمت شکست داد. آنتروپیک اعتراف کرد که در کار امنیت سایبری، Opus 5 از Mythos 5 عقب است. محدودیت‌های کمتری گزینه بازگشتی جدیدی را اضافه می‌کند که Opus 5 خارج از خط‌مشی حفظ داده 30 روزه است که برای Fable و Mythos وجود دارد. Anthropic انتظار دارد که طبقه‌بندی‌کننده‌های ایمنی خود 85 درصد کمتر از Fable 5 روی Opus 5 شلیک کنند. اما هنوز نرده‌هایی برای کارهای امنیتی وجود دارد. Opus 5 نمی تواند یک نرم افزار باینری کامپایل شده را برای آسیب پذیری اسکن کند. همچنان می‌تواند کد منبع را برای آن‌ها جستجو کند، زیرا کار در سطح منبع دفاعی‌تر دیده می‌شود. Anthropic در حال ارائه یک ویژگی بتا به نام Automatic Fallbacks برای کاهش درد هنگام شلیک طبقه‌بندی‌کننده است. سپس یک درخواست پرچمدار را به یک مدل ضعیف‌تر هدایت می‌کند و اطمینان حاصل می‌کند که کاربران API به جای خطا، یک پاسخ کارآمد دریافت می‌کنند. آنتروپیک نمونه هایی از این مدل را ارائه داد که در اطراف موانع کار می کند، نه اینکه روی آنها توقف کند.