Claude Opus 5 di Anthropic è il modello di IA più capace attualmente disponibile secondo diversi risultati di benchmark, con prestazioni particolarmente forti nella qualità analitica, nel coding e nelle attività di knowledge work. Il modello eguaglia o supera Claude Fable 5 in molti test, costando in genere meno, anche se le valutazioni mostrano anche un tasso di allucinazioni più elevato quando il modello risponde nonostante l’incertezza.

Nell’Intelligence Index di Artificial Analysis, Claude Opus 5 ha ottenuto 61 punti. L’indice combina nove test che coprono knowledge work, coding, ragionamento scientifico e accuratezza fattuale. Questo risultato colloca Opus 5 di poco davanti a Claude Fable 5 a 60, GPT-5.6 Sol a 59, Kimi K3 a 57 e Claude Opus 4.8 a 56. Artificial Analysis ha collaborato con Anthropic per testare il modello prima del suo rilascio pubblico.

Nei benchmark di coding, Claude Opus 5 al livello di ragionamento "xhigh", usato con Claude Code, condivide il primo posto nell’Artificial Analysis Coding Index. L’indice misura quanto bene i modelli di IA riescano a completare autonomamente attività di programmazione, inclusi l’individuazione e la correzione di bug. Su Terminal-Bench v2.1, che valuta agenti che operano come ingegneri autonomi in ambienti terminale reali, Opus 5 ha ottenuto l’89 percento al livello "max", eguagliando il precedente leader, GPT-5.6 Sol.

Per il ragionamento scientifico, Opus 5 ha ottenuto il 53 percento in Humanity's Last Exam, un difficile test accademico di conoscenza multidominio, pareggiando con Claude Fable 5. Su CritPt, un benchmark di fisica sviluppato da ricercatori dell’Argonne National Laboratory e della UIUC, Opus 5 ha di nuovo eguagliato Fable 5, ma è rimasto dietro a GPT-5.6 Sol, GPT-5.5 Pro e GPT-5.6 Terra.

L’accuratezza fattuale resta un’area più debole. Su AA-Omniscience, che testa l’accuratezza delle affermazioni di conoscenza di un modello, Opus 5 è migliorato di 7 punti rispetto a Opus 4.8, ma ha continuato a restare dietro a Fable 5. Il modello risponde inoltre più spesso quando è incerto, aumentando il suo tasso di allucinazioni di 14 punti fino al 50 percento. Questo compromesso è rilevante per implementazioni in cui gli utenti vogliono che i modelli completino attività lunghe e complesse, ma necessitano comunque di un rifiuto affidabile o di una gestione dell’incertezza quando la risposta non è supportata.

I risultati di Epoch AI mostrano una competizione serrata tra modelli frontier

Anche Epoch AI ha valutato Claude Opus 5. L’istituto di ricerca ha assegnato al modello un punteggio complessivo di 159 nell’Epoch Capability Index, leggermente sotto Fable 5 a 161. Nel sottoinsieme dedicato all’ingegneria del software, noto come SWE-ECI, Opus 5 ha pareggiato con Fable 5 a 161 e ha superato GPT-5.6 Terra e Claude Opus 4.8. GPT-5.6 Sol guida sia l’indice complessivo sia la categoria di ingegneria del software.

I risultati indicano un divario prestazionale ridotto tra i modelli frontier. Nessun singolo modello mostra un vantaggio chiaro in tutte le categorie. Il dato è coerente con l’argomento secondo cui i modelli di IA potrebbero diventare sempre più commoditizzati, una visione discussa anche in relazione ai commenti del CEO di Microsoft Satya Nadella. Mostra inoltre perché acquirenti e sviluppatori confrontano sempre più spesso i modelli in base a carico di lavoro, latenza, affidabilità e costo, invece che sulla base di un singolo punteggio principale.

I livelli di ragionamento inferiori possono offrire un valore migliore nel coding

Il costo medio di un’attività dell’Intelligence Index è di $2.03 con Opus 5. È inferiore a Claude Fable 5 con fallback a $2.75, ma superiore a Opus 4.8 a $1.80 e Sonnet 5 a $1.53. Ai livelli di ragionamento "high" e "xhigh", tuttavia, Opus 5 supera sia Opus 4.8 sia Sonnet 5 costando meno.

Vals.ai ha testato Claude Opus 5 su tutti e cinque i livelli di ragionamento usando Vibe Code Bench, un benchmark per attività di programmazione. I punteggi sono saliti dal 76.7 percento a "low" all’82 percento a "medium" e all’89.8 percento a "high". Le prestazioni sono poi diminuite ai due livelli più alti: "xhigh" ha ottenuto l’88.3 percento e "max" l’88.4 percento, nonostante costi sensibilmente più elevati.

Vals.ai ha rilevato che i livelli più alti tendono a generare soluzioni più complesse, che contengono errori più di frequente. Il livello "high" ha prodotto soluzioni più semplici che soddisfacevano i requisiti in modo più affidabile.

Terminal-Bench 2.1 mostra uno schema simile. Il livello "high" ha superato "max" perché il modello impiega più tempo per ogni tentativo al livello più alto, lasciando meno tentativi entro il limite temporale del benchmark. Ciò è in linea con le indicazioni di Anthropic, che impostano "high" come livello predefinito sia nell’API sia in Claude Code.

Il prezzo dei token resta di $5 per milione di token in input e $25 per milione di token in output. Le scritture nella cache costano $6.25 per milione di token con una durata di cinque minuti, mentre gli accessi alla cache costano $0.50 per milione di token. Questi prezzi rendono la lunghezza dell’output, il comportamento nei retry e il prompt caching componenti importanti del costo effettivo per flussi di lavoro di coding agentico e ad alta intensità documentale.

Opus 5 è in testa nelle valutazioni di knowledge work

Opus 5 offre prestazioni particolarmente solide nel benchmark AA-Briefcase, che misura quanto bene i modelli di IA gestiscano attività d’ufficio comuni, come scrivere report di ricerca, creare presentazioni e analizzare fogli di calcolo sulla base di migliaia di file di input. Il benchmark valuta le prestazioni in termini di correttezza, qualità analitica e qualità della presentazione, quindi converte questi risultati in un rating Elo simile alle classifiche degli scacchi.

Al livello massimo di ragionamento, Opus 5 ha raggiunto un punteggio Elo di 1720, 146 punti davanti a Claude Fable 5 a 1574. I suoi tre livelli più alti — max, xhigh e high — hanno occupato le prime tre posizioni. Insieme a Fable 5, Sonnet 5 e Opus 4.8, i modelli Anthropic rappresentano ora la grande maggioranza delle prime 10 posizioni.

Il costo per attività è sceso del 20 percento a $17.79, rispetto a $22.30 per Fable 5. La versione "xhigh" costa $14.26 per attività, mentre "high" costa $10.41, meno della metà del costo di Fable 5. Entrambi i livelli sono comunque rimasti davanti a Fable 5 in base all’Elo. A prestazioni medie, Opus 5 ha registrato un punteggio Elo di 1470, appena dietro a GPT-5.6 Sol a max con 1505. A prestazioni basse, Opus 5 ha ottenuto 1223 Elo, leggermente sotto GLM-5.2 a max con 1254.

I maggiori progressi di Opus 5 emergono nella qualità analitica. A "max", il modello ha raggiunto un Analytical Quality Elo di 2016, quasi 300 punti davanti a Fable 5. Il suo Rubric Pass Rate, che misura quanto spesso il modello soddisfa standard di qualità predefiniti, è stato del 58 percento a "max", del 57.2 percento a "xhigh" e del 56 percento a "high".

La qualità della presentazione è risultata meno dominante. Opus 5 ha registrato un Presentation Elo di 1628, circa 40 punti dietro a GPT-5.6 Sol a "max", che ha ottenuto 1666.

Prestazioni più elevate richiedono anche più tempo. A "max", Opus 5 impiega oltre 36 minuti per attività e registra in media 103 passaggi, circa il 50 percento in più rispetto a Opus 4.8, che impiega 24 minuti e registra in media 55 passaggi. Per i team che valutano il modello, i risultati dei benchmark suggeriscono che il livello migliore può dipendere dal fatto che l’attività premi la massima analisi, tempi di risposta più rapidi o un costo inferiore per attività.