Claude Opus 5 уже здесь: что тестировать перед переходом

Claude Opus 5 был запущен 24 июля 2026 года, согласно данным Anthropic примечаний к выпуску. Первоначальный слух о четверге больше не является основанием для принятия решения о внедрении: теперь есть официальная модель, цена, контекстное окно и имя API для тестирования.

Источники проверены 26 октября 2026 г. Это обновление документации. Приведенные ниже упражнения являются предлагаемыми оценками; Mantis не проводил это сравнение из десяти задач и не измерял успех миграции.

Обновление за октябрь: оставить Opus 5 в качестве базового уровня

Anthropic’s обзор текущей модели рекомендуется начинать большинство рабочих нагрузок с Opus 5.5. Opus 5 остается активный, с выводом из эксплуатации не ранее 24 июля 2027 года, согласно таблице состояния модели. Его пометка «устаревшая» не означает, что запросы перестали работать, и обязательство по выводу из эксплуатации не является запланированной датой завершения работы.

Для существующего агента полезный вопрос заключается в том, улучшает ли Opus 5.5 уже измеренный рабочий процесс без нарушения интеграции.

Подробности стандартного API Claude	Опус 5	Опус 5.5
Идентификатор модели	claude-opus-5	claude-opus-5-5
Выпущено	24 июля 2026 года	22 сентября 2026 года
Ввод / вывод на миллион токенов, USD	$5 / $25	$4 / $20
Контекст / стандартный максимальный вывод	1 млн / 128 тыс. токенов	1 млн / 128 тыс. токенов
Усилия по умолчанию	high	medium
Мышление	По умолчанию включено; может быть отключено на поддерживаемых уровнях усилий	Всегда включено

Источники: Технические характеристики Опус 5, Технические характеристики Опус 5.5, и заметки о выпуске от 24 июля. Это стандартные тарифы на токены, а не предложение для полной задачи агента. Использование кэша записей, платные инструменты, повторные попытки и фактический счет провайдера учитываются отдельно. Более низкие ставки не устанавливают меньшую общую стоимость задачи.

Проверьте совместимость перед оценкой качества

Anthropic’s Руководство по миграции на Опус 5.5 выявляет изменения, которые может пропустить замена имени модели:

Существующее поведение	Проверьте при оценке Opus 5.5
Отправка отключена или используется метод с ручным бюджетом	Эти настройки возвращают ошибки 400. Пропустить thinking или использовать adaptive.
Принудительно использует инструмент с any или tool	Эти варианты возвращают ошибки 400. Используйте auto или none; убедитесь, что необходимая работа действительно выполняется.
Опирается на значение усилия по умолчанию	Установите усилие явно: по умолчанию в Opus 5 high, в Opus 5.5 medium.
Потоково воспроизводит повествование между вызовами инструментов	Прогресс перемещается в блоки размышлений, по умолчанию пустые. Проверьте настройки отображения и рендеринга.
Использует повторно разговор как резервный	Проверьте совместимость блоков размышлений перед отправкой истории Opus 5.5 в другую модель.

Интеграции с использованием компьютера также требуют раздела, специфичного для провайдера: API Claude и маршрут Google Cloud, управляемый Google, отклоняют computer_20251124 на Opus 5.5; Amazon Bedrock всё ещё принимает его. На затронутых маршрутах просмотрите computer_toolset_20260801 перед миграцией.

Начните с одноразового проекта и одной известной задачи редактирования файла. Сохраните настройки запроса, возвращённую модель, трассировку инструментов, различия и код выхода теста. Исправьте ошибки проверки запроса перед оценкой возможностей. Если необходимое программное обеспечение не работает, поддерживайте производство на сохранённой базе, пока вы ремонтируете и повторно тестируете интеграцию.

Что установил июльский релиз

Opus 5 представил контекстное окно в 1 миллион, стандартный максимум вывода 128 тысяч, включённое по умолчанию «мышление» и пять уровней усилия: low, medium, high, xhigh, и max. Отключение мышления на xhigh или max возвращает ошибку 400. Они задокументированы в заметках о выпуске от 24 июля.

При запуске Anthropic описывала быстрый режим как примерно в 2,5 раза быстрее стандартного при двойной базовой цене. Это утверждение поставщика о запуске, а не измерение скорости из этой статьи. Заметки о выпуске от 15 октября все еще указывают быстрый режим Opus 5 как исследовательский предварительный просмотр, требующий его бета-заголовка, хотя быстрый режим Opus 5.5 уже покинул предварительный просмотр. Держите режим скорости отдельно в вашем журнале оценки.

Особенности, которые стоит изучить

Усилия теперь являются частью маршрутизации модели

Не выполняйте каждую задачу на максимуме. Модель, которая предлагает несколько уровней усилий, даёт вам ещё одно решение о маршрутизации наряду с выбором модели.

Используйте меньшие усилия для работы с чётким шаблоном и дешёвой проверкой. Увеличивайте усилия для сложной ошибки, неоднозначной исследовательской задачи или длинной задачи, где слабый первоначальный план создаёт дорогостоящую переделку. Навык заключается не в поиске одного идеального уровня. Он заключается в том, чтобы соотнести уровень усилий со стоимостью ошибки.

Для длинного контекста всё ещё нужна хорошая формулировка задачи

Контекстное окно в 1 миллион токенов может вместить большой репозиторий или исследовательский пакет, но вместимость не создаёт структуру. Сообщите модели, какой результат вам нужен, какие файлы или источники следует считать достоверными, что она может изменять и как будет проверяться результат.

Для кодирования это может означать успешное прохождение теста, минимальные изменения и проверку в браузере. Для исследований это может означать ответ со ссылками на источники с пометкой неподтверждённых утверждений. Большой контекст наиболее полезен, когда правило принятия небольшое и ясное.

Измеряйте самопроверку, а не рейтинг по бенчмарку

Anthropic подчеркивает, что Opus 5 проверяет свою работу и справляется с более длительными задачами. Его примеры запуска включают отладку коренных причин, создание тестового инструмента, когда живой поток недоступен, и проверку макетов браузера перед передачей.

Это примеры от поставщиков, а не гарантии. Они указывают на лучшую цель для оценки, чем один показатель по бенчмарку: замечает ли модель свою собственную ошибку раньше вас, и сокращает ли это время, необходимое для принятия результата?

Проведите тест переключения на десяти задачах

Выберите десять задач из работы, которую вы уже выполнили. Включите смесь простых и сложных задач, но при этом заранее определите ожидаемый результат и критерий приёмки.

Для каждой задачи запишите:

1. подсказку, исходные файлы, инструменты и разрешения;
2. модель и настройки усилий;
3. затраченное время, стоимость токенов, повторные попытки и ошибки инструментов;
4. время на ручную проверку и исправление;
5. прошел ли результат первоначальную проверку на приемлемость.

Запустите тот же набор с вашей текущей моделью. Затем вычислите стоимость за принятый результат, а не за запрос. Более дорогой запуск все еще может быть более дешевым, если он выполняет сложную задачу качественно. Модель с высокими результатами в бенчмарках всё равно может оказаться неверным выбором, если проверка и исправление поглощают полученную выгоду.

Для октябрьского сравнения используйте Opus 5 в качестве базовой версии и Opus 5.5 в качестве кандидата. Начинайте каждый прогон с одного и того же коммита репозитория или пакета исходников в новой сессии. Сохраняйте одинаковыми версию агента, инструменты, разрешения, тайм-аут и допущенные повторные попытки. Записывайте все изменения совместимости, чтобы они не становились незаметной дополнительной помощью для одной модели.

Используйте одну строку на каждую попытку:

ID задачи | модель/поставщик | усилия/скорость | версия ввода
Правило прохода | артефакт вывода | успешно/неуспешно | причина неудачи
Истекшее время | минуты на проверку | исправления | повторные попытки
Зафиксированные расходы поставщика | стоимость инструмента | неизвестные расходы

Рассчитать общие зафиксированные расходы по всем попыткам, разделённые на принятые результаты. В числителе учитывайте неудачные попытки. Если ничего не прошло, укажите ноль принятых результатов и общие затраты; не делите на ноль. Сохраняйте минуты обзора вместе с денежными расходами, если только вы не договорились о почасовой ставке. Отмечайте отсутствующие счета как неизвестные.

Перед запуском определите, что будет оправданием для переключения: например, все критические проверки должны пройти в пределах вашего времени и затрат. Десять задач — это пилотный проект, а не доказательство общей превосходности. Повторяйте сомнительные случаи и сохраняйте текущую конфигурацию, пока кандидат не пройдет проверки, которые имеют значение для вашей работы.

Опубликуйте тест как доказательство.

Сравнение моделей становится убедительным примером для портфолио, когда другой человек может его проверить. Опубликуйте определения задач, правила принятия, настройки и короткий журнал сбоев. Удалите приватный код и данные клиентов, но не скрывайте неудачные запуски.

Это доказательство может поддерживать оплачиваемую работу, не превращая статью в обещание дохода. Разработчик может показать более быстрый и проверенный процесс миграции. Исследователь может показать краткий отчёт со ссылками на источники с меньшим временем исправления. Оператор может показать, что повторяющаяся автоматизация завершается в пределах определённого бюджета на затраты и проверку.

Коммерческая ценность исходит из принятых результатов. Само название модели не демонстрирует, что вы можете выполнять полезную работу.

Когда не следует менять

Оставайтесь на текущей модели, если ваши задачи уже выполняются дешево, если ваш инструментальный набор не поддерживает кандидата надежно, или если новая модель выдает более длинные ответы, которые требуют больше времени на проверку. Сохраняйте резервный вариант для производственной работы и тестируйте поддерживаемые настройки мышления и усилий перед миграцией сохраненных подсказок. Сохраняйте старую конфигурацию и чистую исходную задачу, чтобы восстановление не зависело от воспроизведения несовместимой истории разговоров.

Также отделите эталонные показатели Anthropic от ваших доказательств. Компания сообщает о сильных результатах в кодировании, интеллектуальной работе, использовании компьютера и науке, но ваш поставщик, средства, инструменты, подсказки и правила принятия составляют систему, которой вы фактически пользуетесь.

Продолжайте с руководством по семейству моделей Anthropic и рамками принятия решений по модели.

Официальные источники

Все источники ниже были проверены на 26 октября 2026 года. Даты выпуска описывают соответствующее объявление; проверенная дата описывает этот редакционный обзор.

• Anthropic: Введение Claude Opus 5 — опубликовано 24 июля 2026 года; заявления о запуске и примеры.
• Описание релиза платформы Claude — Запуск 24 июля, выпуск Opus 5.5 22 сентября и статус быстрого режима 15 октября.
• Статус моделей Claude и прекращение их использования — активный статус и обязательство по завершению использования.
• Обзор текущей модели — текущая рекомендуемая стартовая модель.
• Технические характеристики Опус 5 — статус наследия, API ID, ограничения и цены.
• Технические характеристики Опус 5.5 — текущая модель для сравнения, ограничения и цены.
• Руководство по миграции на Опус 5.5 — совместимость запросов, обработка разговоров и различия между провайдерами.

Запустите это в работу

Сравнивайте модели по принятым результатам, затратам на проверку, затраченному времени и стоимости, а не только по стартовым эталонным показателям.

Попробовать

Сравните Opus 5 с Opus 5.5 по десяти репрезентативным задачам с использованием фиксированных правил принятия, явных настроек усилий и бюджета.

Докажите, что это сработало

Сохраняйте подсказки, настройки усилий, разрешения инструментов, ошибки, ручные исправления, затраченное время и стоимость для каждого принятого результата.

Держите в поле зрения

• Opus 5 активен, но указан как наследие; обязательство Anthropic по завершению использования не раньше 24 июля 2027 года.
• Opus 5.5 является текущим кандидатом для сравнения, с более низкими стандартными тарифами на токены и другими требованиями к интеграции.
• Тестируйте мышление, выбор инструментов и обработку разговоров, прежде чем сравнивать качество или стоимость задачи.

Изучите рабочий процесс: выбор между моделями Anthropic →