Anthropic presenta il suo nuovo modello di punta, Claude Opus 5, come alternativa a costo inferiore a Claude Fable 5, affermando che il modello si avvicina alle prestazioni di Fable 5 e lo supera in diversi benchmark. Il lancio arriva mentre i laboratori di IA competono intensamente sia sulle capacità sia sui costi, con clienti enterprise sempre più attenti al rapporto prezzo-prestazioni nella scelta dei modelli per i carichi di lavoro in produzione.

L'azienda afferma che Opus 5 guida i test nella programmazione agentica e nel knowledge work, due delle aree in cui le imprese stanno adottando maggiormente l'IA. Su ARC-AGI-3, un benchmark progettato per misurare la risoluzione di problemi nuovi, Opus 5 ottiene il 30.2%, quasi quattro volte il risultato registrato da GPT-5.6 Sol.

Anthropic afferma inoltre che Opus 5 può controllare e migliorare il proprio lavoro attraverso passaggi iterativi e può scrivere codice per costruire strumenti quando ne ha bisogno, capacità rilevanti per i flussi di lavoro con agenti autonomi, in cui i modelli devono completare attività in più fasi con un intervento umano minimo.

Opus 5 mantiene i prezzi di Opus 4.8

Anthropic introduce Opus 5 mentre aumenta la pressione sui prezzi da parte di GPT-5.6 Sol e dei concorrenti cinesi. Il nuovo modello punta a ridurre il divario prezzo-prestazioni rispetto al più costoso Fable 5. Opus 5 diventa il modello predefinito su Claude Max e il modello più capace offerto su Claude Pro.

Il modello mantiene la finestra di contesto da 1 milione di token e le stesse tariffe per token del predecessore, Opus 4.8. Anthropic addebita $5 per milione di token in input e $25 per milione di token in output per Opus 5. Una nuova Fast Mode aumenta la velocità di 2.5x, ma raddoppia il prezzo.

Le tariffe base per token non riflettono pienamente il costo totale delle attività, perché l'efficienza nell'uso dei token può variare tra i modelli. Opus 4.7 costava dal 30 al 40% in più per attività rispetto a Opus 4.6, anche se entrambi i modelli usavano le stesse tariffe base. Un modello simile è emerso di recente con Claude Sonnet 5. Questa distinzione è importante per le organizzazioni che gestiscono implementazioni su larga scala, dove le differenze di costo per attività si accumulano su milioni di chiamate API.

Impostazioni di effort più elevate possono costare di più senza migliorare i risultati

Gli utenti possono bilanciare prestazioni e uso dei token tramite cinque impostazioni di effort: low, medium, high, xhigh e max. Anthropic afferma che Opus 5 offre un valore migliore rispetto al predecessore a ogni livello di effort.

Nella sua guida al prompting, Anthropic raccomanda un ampio uso delle impostazioni "low" e "medium". Secondo l'azienda, queste impostazioni producono buoni risultati con una frazione dell'uso di token e della latenza, superando al contempo le stesse impostazioni sui precedenti modelli Opus. Per attività di coding e agentiche, Anthropic continua a raccomandare di iniziare da "xhigh."

Opus 5 registra prestazioni leggermente peggiori con l'impostazione max rispetto alla seconda impostazione più alta in due benchmark, anche se max costa di più. Il calo compare su Frontier-Bench v0.1 e sull'Artificial Analysis Coding Agent Index. Il risultato evidenzia che un maggiore sforzo computazionale non garantisce output migliori, un elemento da considerare per i team che ottimizzano il rapporto tra costo e qualità.

I benchmark di Anthropic mostrano Opus 5 in vantaggio nella programmazione agentica

Secondo i risultati dei benchmark di Anthropic, Opus 5 stabilisce record in diverse valutazioni. Su Frontier-Bench v0.1, raggiunge il 43.3% nella programmazione agentica da terminale, davanti a Fable 5 al 33.7%, GPT-5.6 Sol al 34.4% e Opus 4.8 al 21.1%.

Nel benchmark di knowledge work GDPval-AA v2, Opus 5 è in testa con un punteggio Elo di 1,861. Fable 5 ottiene 1,747, mentre GPT-5.6 Sol ottiene 1,736.

Opus 5 non è in testa in ogni test. Su DeepSWE v1.1, che misura la programmazione agentica, GPT-5.6 Sol si classifica primo con il 72.7%, seguito da Fable 5 al 69.7% e da Opus 5 al 68.8%. Nei compiti sanitari e nei benchmark legali, Fable 5 e Mythos 5 superano rispettivamente Opus 5. I risultati misti mostrano come la leadership dei modelli vari a seconda del dominio, rendendo la scelta del modello dipendente dall'attività per gli acquirenti enterprise.

Il risultato su ARC-AGI-3 è uno degli outlier più rilevanti nel set di benchmark di Anthropic. ARC-AGI-3 valuta la risoluzione di problemi nuovi senza fare affidamento su pattern memorizzati. Opus 5 ottiene il 30.2%, rispetto all'1.5% di Opus 4.8 e al 7.8% di GPT-5.6 Sol. Questo colloca Opus 5 quasi quattro volte avanti rispetto al secondo miglior modello nei risultati citati. Anthropic non indica un risultato di Fable 5 per questo benchmark, e resta poco chiaro se un vantaggio così ampio nei test si tradurrà nell'uso reale.

Opus 5 resta dietro a Mythos 5 nelle attività di cybersecurity. Anthropic afferma di non aver addestrato deliberatamente Opus 5 su compiti cyber, come già avvenuto per il predecessore. Il modello si avvicina a Mythos 5 nell'individuare vulnerabilità, ma ottiene risultati molto peggiori quando gli viene chiesto di sfruttarle.

Anthropic afferma inoltre che Opus 5 è migliorato nella generazione di output visivi e nell'analisi di contenuti visivi, inclusi grafici e diagrammi.

Anthropic afferma che Opus 5 può costruire i propri strumenti

Anthropic descrive Opus 5 come sostanzialmente migliore nel rivedere il proprio lavoro e nel migliorarlo attraverso l'iterazione. Questo tipo di autocorrezione è un'area di crescente attenzione per i laboratori di IA che costruiscono agenti autonomi, dove la capacità di rilevare e correggere errori senza guida umana determina se un modello può gestire attività complesse e aperte.

In un'attività di Frontier-Bench, a Opus 5 è stato fornito il disegno di un componente meccanico ed è stato chiesto di creare un modello 3D in FreeCAD. Il modello era stato intenzionalmente privato di un modo diretto per visualizzare il disegno.

Secondo Anthropic, Opus 5 ha scritto una propria pipeline di computer vision per estrarre la geometria dai pixel grezzi e poi ha ricostruito il componente meccanico completo. L'azienda afferma che nessun altro modello ha risolto l'attività dopo cinque tentativi.

Opus 5 ha anche lavorato su un bug reale in un popolare package manager open source. Anthropic afferma che il modello ha identificato la causa principale e corretto un caso limite che la patch della community aveva mancato. Un modello concorrente ha corretto solo il sintomo superficiale prima di contrassegnare il bug come risolto.

Anthropic afferma inoltre che un ingegnere di una società di trading ha usato Opus 5 per costruire un feed di dati di mercato per una nuova borsa in una singola sessione. I modelli precedenti non erano riusciti a completare l'attività, nemmeno con piani dettagliati.

I filtri cyber si attivano meno spesso rispetto a Fable 5

Anthropic afferma che la configurazione di sicurezza di Opus 5 consente la ricerca di vulnerabilità nel codice sorgente, bloccando invece la scansione di vulnerabilità basata su binari, i test di penetrazione e la generazione di exploit. I suoi classificatori cyber si attivano circa l'85% meno spesso rispetto a quelli usati con Fable 5. I frequenti interventi di Fable 5 avevano attirato forti critiche da parte degli sviluppatori, che segnalavano interruzioni del flusso di lavoro durante attività legittime di coding e ricerca sulla sicurezza.

Le richieste bloccate in Claude.ai, Claude Code e Claude Cowork passano per impostazione predefinita a Opus 4.8 come fallback, lo stesso approccio adottato da Anthropic con Fable 5.

Anthropic definisce Opus 5 il modello generalmente disponibile più capace per la ricerca scientifica. L'azienda afferma che migliora rispetto a Opus 4.8 in tutte le valutazioni nelle scienze della vita, con progressi notevoli in chimica organica e nelle attività legate alle proteine. In chimica organica, Opus 5 migliora di 10.2 punti percentuali nella derivazione di strutture molecolari da dati spettroscopici. Nelle attività legate alle proteine, migliora di 7.7 punti percentuali.

Anthropic sta inoltre rilasciando due funzionalità beta insieme a Opus 5. Mid-Conversation Tool Changes sulla Claude Platform consente agli sviluppatori di modificare gli strumenti disponibili durante una conversazione senza invalidare la cache del prompt. Automatic Fallbacks sull'API instrada automaticamente le richieste bloccate verso un modello diverso. Entrambe le funzionalità riflettono lo sforzo di Anthropic per affrontare i punti di attrito degli sviluppatori legati alla continuità e all'affidabilità dei flussi di lavoro.