मुख्य कंटेंट तक स्किप करें

Claude Opus 5: फ़ील्ड गाइड

मध्यम

24 जुलाई 2026 को Anthropic ने Claude Opus 5 (claude-opus-5) जारी किया — Sonnet 5 (30 जून) और Fable 5 / Mythos 5 (9 जून) के बाद दो महीनों में चौथा मॉडल। हेडलाइन जानबूझकर नीरस है: Opus 4.8 जितनी ही कीमत — $5 इनपुट / $25 आउटपुट प्रति MTok, वही 1M कॉन्टेक्स्ट, वही 128k आउटपुट सीमा। दिलचस्प बात यह है कि ये अपरिवर्तित आँकड़े अब क्या देते हैं: Frontier-Bench v0.1 पर 44.4%, जबकि Opus 4.8 का 18.7% (दोगुने से ज़्यादा), SWE-bench Verified पर 96.0%, और ARC-AGI-3 पर 30.16% — GPT-5.6 Sol के 7.78% का लगभग तीन गुना और Opus 4.8 के 1.52% का बीस गुना। Opus 5 अब Claude Max का डिफ़ॉल्ट मॉडल है और Claude Pro पर उपलब्ध सबसे मज़बूत मॉडल।

यह पेज व्यावहारिक फ़ील्ड गाइड है: आपके स्टैक के लिए आँकड़ों का असली मतलब क्या है, वे दो API कॉन्ट्रैक्ट बदलाव जो भोले माइग्रेशन को 400-एरर देंगे, कब Opus 5 जायज़ तौर पर Fable 5 की जगह लेता है (और कब नहीं), और नया xhigh / max एफ़र्ट टियर।

What you'll learn
  • जानें कि Opus 5 क्या है: 1M कॉन्टेक्स्ट, 128k आउटपुट, $5 इनपुट / $25 आउटपुट प्रति MTok — Opus 4.8 जैसा ही ढाँचा, पर काफ़ी बेहतर आँकड़े
  • उन दो API पाबंदियों को समझें जो भोले माइग्रेशन को तोड़ती हैं: ऊँचे एफ़र्ट पर thinking बंद करने की रोक, और डिफ़ॉल्ट रूप से चालू thinking का आपके max_tokens बजट को खा जाना
  • बेंचमार्क को वैसे पढ़ें जैसे एजेंट-टीम लीड पढ़ते हैं — Frontier-Bench, ARC-AGI-3, SWE-bench Pro, OSWorld 2.0 — और जानें कि आपके वर्कलोड के लिए कौन-से मायने रखते हैं
  • कीमत का ईमानदार हिसाब लगाएँ: कब max एफ़र्ट पर Opus 5 हल किए गए हर टास्क की लागत में Fable 5 को हराता है, और कब नहीं
  • सही एफ़र्ट टियर चुनें — नए xhigh और max टियर Frontier-Bench और ARC-AGI-3 पर अपनी कीमत वसूलते हैं, बाक़ी जगह टोकन बर्बाद करते हैं
  • 5 अगस्त 2026 की रिटायरमेंट तारीख़ से पहले Opus 4.1 → Opus 5 माइग्रेशन की योजना बनाएँ

एक पैराग्राफ़ में​

Opus 5 कीमत-तटस्थ क्षमता उछाल है, री-प्राइसिंग नहीं। Opus 4.8 जितना ही $5 / $25 प्रति MTok, वही 1M-टोकन कॉन्टेक्स्ट, सिंक्रोनस Messages API पर वही 128k अधिकतम आउटपुट, और वही भरोसेमंद नॉलेज कटऑफ़ जो अब खिसककर मई 2026 हो गया है। जो बदला है वह यह कि ये टोकन क्या करते हैं: Frontier-Bench v0.1 (Anthropic का अपना सबसे कठिन कोडिंग-एजेंट इवैल) पर Opus 5 xhigh एफ़र्ट पर 44.4% स्कोर करता है, जबकि Opus 4.8 का 18.7% है — उसी लिस्ट प्राइस पर दोगुने से ज़्यादा। ARC-AGI-3 पर नई समस्याएँ हल करने की क्षमता 1.52% से बढ़कर 30.16% हो गई। दो कॉन्ट्रैक्ट बदलाव भोले माइग्रेशन तोड़ेंगे: एडैप्टिव थिंकिंग डिफ़ॉल्ट रूप से चालू है और आपके max_tokens बजट को रिस्पॉन्स के साथ साझा करती है, और thinking: {"type": "disabled"} अब नए xhigh या max एफ़र्ट टियर पर 400 लौटाता है। Opus 5 Claude Max का नया डिफ़ॉल्ट है, Claude Pro पर उपलब्ध सबसे मज़बूत मॉडल है, और Claude API, Bedrock (anthropic.claude-opus-5), Google Cloud (claude-opus-5), Microsoft Foundry और Claude Platform on AWS पर उपलब्ध है।

Opus 4.8 की तुलना में असल में क्या बदला​

Opus 4.8 अप्रैल 2026 में 1M कॉन्टेक्स्ट विंडो और डिफ़ॉल्ट रूप से चालू एडैप्टिव थिंकिंग वाले पहले Opus के रूप में आया था। Opus 5 वे सभी डिफ़ॉल्ट बनाए रखता है, इसलिए नेटवर्क पर रिक्वेस्ट/रिस्पॉन्स का ढाँचा लगभग एक जैसा है। चार चीज़ें खिसकीं:

  • आँकड़े। Frontier-Bench v0.1 18.7% से 44.4% (xhigh) / 43.3% (max) हुआ। SWE-bench Multimodal 38.4% से 59.4%। OSWorld 2.0 55.7% से 70.57%। Zapier AutomationBench 17.0% से 26.0%। ARC-AGI-3 हाई एफ़र्ट पर 1.52% से 30.16%।
  • एक नया max एफ़र्ट टियर xhigh के ऊपर आता है, और thinking: {"type": "disabled"} अब xhigh या max पर काम नहीं करता (400 एरर)। मंशा यह है कि उन टियर पर आप साफ़ तौर पर रीज़निंग के लिए भुगतान कर रहे हैं, इसलिए उसे चुपचाप बंद करना अब पसंद नहीं, बग माना जाता है।
  • सेल्फ़-वेरिफ़िकेशन अब डिफ़ॉल्ट व्यवहार है, प्रॉम्प्ट से सिखाई गई आदत नहीं। Anthropic की माइग्रेशन गाइड साफ़ चेतावनी देती है कि हाथ से लिखे "अपना काम जाँचो" निर्देश हटाएँ — वरना दोहरी जाँच और जले हुए टोकन मिलते हैं। जो कोड पहले Opus 4.8 पर चलता था उसे Opus 5 पर चलाने के पहले दिन यह सबसे आम हैरानी है।
  • बातचीत के बीच टूल बदलने पर प्रॉम्प्ट कैशिंग अब अमान्य नहीं होती (बीटा)। अगर आपका एजेंट लूप हर कदम पर टूल सूची बदलता है, तो कैश प्रीफ़िक्स अब बचा रहता है; Opus 4.8 पर आप हर बार नया राइट चुकाते थे।

वे दो 400-एरर जो माइग्रेशन तोड़ेंगे​

Guided walkthrough1 of 4
  1. Opus 4.8 किसी भी एफ़र्ट स्तर पर thinking बंद करने देता था। Opus 5 में thinking: {"type": "disabled"} केवल high या उससे नीचे के एफ़र्ट पर मान्य है। इसे xhigh या max के साथ जोड़ना हार्ड एरर है। अगर आपके पास ऐसा रैपर है जो हमेशा thinking बंद करता है (कुछ टीमें जवाब संक्षिप्त रखने के लिए ऐसा करती हैं), तो या तो एफ़र्ट को high पर लाएँ, या thinking फ़ील्ड हटाकर एडैप्टिव थिंकिंग को चलने दें।

न्यूनतम सुरक्षित माइग्रेशन — Opus 4.8 से Opus 5

# Before (Opus 4.8) — worked
response = client.messages.create(
  model="claude-opus-4-8",
  max_tokens=4096,
  extra_body={"effort": "max"},
  thinking={"type": "disabled"},           # allowed on 4.8 at any effort
  system="After answering, verify your work step by step.",
  messages=[...],
)

# After (Opus 5) — three edits
response = client.messages.create(
  model="claude-opus-5",
  max_tokens=16384,                        # thinking now shares this budget
  extra_body={"effort": "max"},
  # thinking={"type": "disabled"}          # 400 at xhigh/max — remove it
  system="Answer the question.",           # drop the verify instruction — Opus 5 self-verifies
  messages=[...],
)

वे बेंचमार्क जो सच में मायने रखते हैं​

Anthropic ने लॉन्च के दिन ढेरों आँकड़े प्रकाशित किए। इनमें तीन असली वर्कलोड के लिए निर्णायक हैं, एक मार्केटिंग ट्रॉफ़ी है, और दो को ध्यान से पढ़ना चाहिए क्योंकि वे दिखाते हैं कि Opus 5 कहाँ शीर्ष विकल्प नहीं है।

  • Frontier-Bench v0.1 — 44.4% (xhigh), जबकि Opus 4.8 का 18.7%। यह Anthropic का सबसे कठिन एजेंटिक-कोडिंग इवैल है — लंबे दायरे वाले टास्क जिनमें मॉडल को टूल चलाने, दोहराने और खुद को सुधारने की ज़रूरत होती है। उसी कीमत पर 2.4× की छलाँग माइग्रेट करने का अकेला सबसे मज़बूत कारण है।
  • SWE-bench Verified — 96.0%। लगभग सीमा पर। अगर आप SWE-bench-शैली के बग फ़िक्स के लिए Opus 4.8 या Fable 5 इस्तेमाल कर रहे थे, तो Opus 5 सीधा अपग्रेड है। लेकिन SWE-bench Verified अब संतृप्त बेंचमार्क है — छोटे अंतर मॉडलों को उतनी अच्छी तरह अलग नहीं करते जितना पहले करते थे।
  • OSWorld 2.0 — 70.57%, जबकि Opus 4.8 का 55.7%। कंप्यूटर-यूज़ बेंचमार्क। अगर आप Claude for Chrome, Claude Cowork का ब्राउज़र मोड, या असली UI पर क्लिक करने वाली कोई भी चीज़ चला रहे हैं, तो यही आँकड़ा देखने लायक है।
  • ARC-AGI-3 — 30.16% (हाई एफ़र्ट), जबकि GPT-5.6 Sol का 7.78% और Opus 4.8 का 1.52%। मार्केटिंग ट्रॉफ़ी। ARC-AGI-3 रटंत से न सुलझने वाली नई समस्याओं को हल करने की परीक्षा लेता है, और Opus 5 अगले सर्वश्रेष्ठ मॉडल का लगभग 3× है। अगर आपके वर्कलोड में असली नयापन है तो सार्थक संकेत; अगर वह उन चीज़ों के रूप हैं जिन्हें इंटरनेट पहले ही हल कर चुका है तो कम सार्थक।
  • SWE-bench Pro — 79.2%, जबकि Fable 5 का 80.0%। कठिन SWE-bench Pro पर Fable 5 अब भी Opus 5 से 0.8pp आगे है। ज़्यादातर टीमों के लिए Fable 5 की 2× कीमत को सही ठहराने के लिए यह काफ़ी नहीं, पर अगर आप कोड-जटिलता के शीर्ष दशमक में हैं और हर अंक मायने रखता है, तो इसे नोट करें।
  • साइबर सुरक्षा एक्सप्लॉइटेशन — Opus 5 Mythos 5 से पीछे है। Anthropic साफ़ कहता है कि Opus 5 शीर्ष साइबर मॉडल नहीं है। अगर आप रक्षात्मक-साइबर काम कर रहे हैं और आपका संगठन Anthropic के वेरिफ़िकेशन कार्यक्रमों से सत्यापित है, तो Mythos अब भी सही चुनाव है।

कब Opus 5 Fable 5 की जगह लेता है (और कब नहीं)​

यह लॉन्च जो दिलचस्प सवाल उठाता है: आपको असल में Fable 5 की $10 / $50 कीमत की ज़रूरत कब है? Anthropic का अपना दावा है कि Opus 5 आधी लागत पर CursorBench 3.2 पर Fable 5 के शिखर के 0.5% के भीतर पहुँचता है, और "लागत के एक-तिहाई से थोड़े ज़्यादा" पर Fable 5 का OSWorld 2.0 नतीजा बराबर करता है। यह दलील का मज़बूत रूप है। ईमानदार रूप:

  • Opus 5 चुनें एजेंटिक कोडिंग, कंप्यूटर यूज़, बिज़नेस ऑटोमेशन, लाइफ़-साइंसेज़ रीज़निंग, और ऐसी हर जगह के लिए जहाँ हल किए गए हर टास्क की लागत गुणवत्ता के आख़िरी 1-3pp से ज़्यादा मायने रखती है। यह >90% प्रोडक्शन वर्कलोड हैं।
  • Fable 5 चुनें जब वर्कलोड (a) लंबे समय तक चलने वाले एजेंट हों जहाँ सीमांत रन को आख़िरी प्रतिशत से सचमुच फ़ायदा होता हो (Anthropic Fable 5 को "लंबे समय तक चलने वाले एजेंटों के लिए अगली पीढ़ी की बुद्धिमत्ता" बताता है), (b) SWE-bench Pro-शैली के कठिन कोड टास्क हों जहाँ आपने असली अंतर नापा हो, या (c) कोई भी वर्कलोड जो पहले से सटीकता-बनाम-लागत वक्र के उस हिस्से में है जहाँ 2× लागत असली गुणवत्ता ख़रीदती है।
  • Mythos चुनें रक्षात्मक-साइबर काम के लिए, अगर आपका संगठन सत्यापित है। 6 अक्टूबर 2026 से प्रवेश का रास्ता Cyber Verification Program में आवेदन है — जो सिर्फ़-निमंत्रण वाले Project Glasswing का उत्तराधिकारी है — और उसके टियर जो देते हैं वह Mythos 5.1 है।

Honest cost-per-solved-task math

# Fable 5 on a hard agentic task
#   ~500k input tokens, ~50k output tokens
#   500 * $10/M + 50 * $50/M = $5.00 + $2.50 = $7.50 per run
#   Fable 5 solve rate: ~46% (Frontier-Bench v0.1, xhigh)
#   Cost per solved task: $7.50 / 0.46 = ~$16.30

# Opus 5 on the same task
#   Same token budget
#   500 * $5/M + 50 * $25/M = $2.50 + $1.25 = $3.75 per run
#   Opus 5 solve rate: ~44.4% (Frontier-Bench v0.1, xhigh)
#   Cost per solved task: $3.75 / 0.444 = ~$8.45

# Opus 5 wins on cost-per-solved-task by ~48% at near-parity quality.
# Break-even: Fable 5 would need to be 2x cheaper per successful run,
# i.e. Opus 5 would have to drop below ~23% solve rate for Fable 5 to win.

नया max एफ़र्ट टियर — कब अपनी कीमत वसूलता है​

Opus 5 max को xhigh के ऊपर एक स्पष्ट टियर के रूप में लाता है। एडैप्टिव थिंकिंग अब low → medium → high → xhigh → max तक फैली है, और Claude API तथा Claude Code में high डिफ़ॉल्ट है। लॉन्च बेंचमार्क से दो अवलोकन:

  • Frontier-Bench v0.1 पर xhigh असल में 44.4% स्कोर करता है जबकि max 43.3% — max सख़्ती से बेहतर नहीं है। यह हर प्रयास में ज़्यादा टोकन जलाता है, पर अतिरिक्त रीज़निंग इस इवैल पर हमेशा नतीजे में नहीं बदलती।
  • जिन टास्क में लंबा विचार पुरस्कृत होता है — ARC-AGI-3, नई शोध समस्याएँ, कठिन गणितीय रीज़निंग (IMO 2026 स्वर्ण-पदक स्तर, 42/42) — वहाँ ऊँचे टियर सचमुच अपनी कीमत वसूलते हैं।

व्यावहारिक नियम: डिफ़ॉल्ट high रखें, जब आपका इवैल मापने योग्य लाभ दिखाए तब xhigh पर जाएँ, और max केवल उन वर्कलोड के लिए रखें जहाँ आपने सत्यापित किया है कि रीज़निंग की गहराई थ्रूपुट से ज़्यादा मायने रखती है। max लगाकर उम्मीद न करें; नापें।

लाइफ़ साइंसेज़, सुरक्षा और साइबर रुख़​

तीन आँकड़े जो याद रखने लायक हैं:

  • लाइफ़ साइंसेज़। ऑर्गेनिक केमिस्ट्री में Opus 5, Opus 4.8 से +10.2 प्रतिशत अंक आगे है और प्रोटीन प्रेडिक्शन में +7.7pp। अगर आप स्ट्रक्चरल बायोलॉजी, बायोइन्फ़ॉर्मेटिक्स या सिंथेसिस प्लानिंग के लिए एजेंट बना रहे हैं, तो यह असली छलाँग है — शोर के भीतर का सुधार नहीं।
  • प्रॉम्प्ट इंजेक्शन प्रतिरोध। Gray Swan बेंचमार्क पर हमलावर की सफलता Opus 4.8 के 5.5% से घटकर 2.0% रह जाती है। Claude Cowork ब्राउज़र परिवेशों में, ऑटो-मोड सुरक्षा उपाय Anthropic के मापों में ब्राउज़र प्रॉम्प्ट-इंजेक्शन सफलता को 0% तक ले आते हैं। Claude-for-Chrome जैसे एजेंट भेजने वाले हर किसी के लिए अहम।
  • साइबर क्लासिफ़ायर। Opus 5 के साइबर सुरक्षा उपाय Fable 5 की तुलना में ~85% कम बार दख़ल देते हैं — क्योंकि Opus 5 जानबूझकर शीर्ष साइबर मॉडल नहीं है, इसलिए दख़ल दर घटाई गई है। अगर आपने Fable 5 पर वैध सुरक्षा-शोध प्रॉम्प्ट पर बेवजह के सुरक्षा इनकार देखे थे, तो Opus 5 साफ़ तौर पर कम सतर्क-ट्रिगर वाला लगेगा।

रिटायरमेंट समयरेखा जिसके आसपास योजना बनानी है​

  • Opus 4.1 (claude-opus-4-1-20250805) 5 अगस्त 2026 को रिटायर हो रहा है — Opus 5 के लॉन्च से ग्यारह दिन बाद। अगर कोई प्रोडक्शन सतह अब भी Opus 4.1 पर पिन है, तो इसी हफ़्ते माइग्रेट करें।
  • Opus 4.5 / 4.6 / 4.7 / 4.8 प्लेटफ़ॉर्म ओवरव्यू में "Legacy models" के रूप में उपलब्ध रहते हैं, पर मानक 12-महीने के डिप्रिकेशन चक्र की उम्मीद रखें। किसी भी नई चीज़ के लिए Opus 5 को माइग्रेशन लक्ष्य मानें।
  • Opus 5 की मॉडल ID एक पिन किया हुआ स्नैपशॉट है, हमेशा-ताज़ा पॉइंटर नहीं। 4.6 पीढ़ी से, बिना तारीख़ वाला ID फ़ॉर्मैट अब भी "निश्चित स्नैपशॉट" का मतलब रखता है। भविष्य का claude-opus-5-1 नई ID होगी, claude-opus-5 का चुपचाप अपग्रेड नहीं।

आज़माएँ — एक कमांड​

Run Opus 5 with the recommended defaults

# Python — Claude SDK
from anthropic import Anthropic
client = Anthropic()

response = client.messages.create(
  model="claude-opus-5",
  max_tokens=8192,                    # room for adaptive thinking + response
  extra_body={"effort": "high"},      # default; move to xhigh only if evals justify
  system="You are a senior engineer. Answer directly and iterate until the task is complete.",
  messages=[{"role": "user", "content": "..."}],
)

# Claude Code
claude --model claude-opus-5

# For fast mode (2.5x speed, 2x cost)
# model="claude-opus-5-fast"  # separate model ID, $10/$50 per MTok

चीट शीट​

कार्ड पलटने के लिए Enter या Space दबाएँ। कार्ड बदलने के लिए बाएँ और दाएँ तीर कुंजियों का उपयोग करें।शब्द दिखाया गया।
1 / 8

अपनी समझ जाँचें​

Check yourself

0/5
  1. आप एक रैपर को Opus 5 पर माइग्रेट करते हैं जिसमें `model="claude-opus-4-8"`, `effort: "max"` और `thinking: {"type": "disabled"}` पिन थे। क्या होता है?
  2. आपका Opus 4.8 प्रॉम्प्ट 'अब अपना जवाब कदम-दर-कदम जाँचो।' पर ख़त्म होता है। आप Opus 5 पर जाते हैं और कठिन प्रॉम्प्ट पर थिंकिंग-टोकन लागत लगभग दोगुनी दिखती है। क्यों?
  3. एक प्रोडक्शन एजेंटिक-कोडिंग वर्कलोड के लिए, जहाँ सफलता दर मायने रखती है और लागत असली बाधा है, Opus 5 का लॉन्च डेटा किस मॉडल का सबसे मज़बूत समर्थन करता है?
  4. आप हर रिक्वेस्ट पर `effort: "max"` लगाते हैं, यह उम्मीद करते हुए कि गुणवत्ता `xhigh` से सख़्ती से बेहतर होगी। Anthropic का लॉन्च डेटा क्या सुझाता है?
  5. Opus 5 के लॉन्च के बाद आपको जिस डिप्रिकेशन तारीख़ के आसपास योजना बनानी है, उनमें से कौन-सी है?

आगे कहाँ जाएँ​

  • Claude Sonnet 5: The Field Guide — संतुलित टियर और Claude Code का डिफ़ॉल्ट; Sonnet 4.6 से माइग्रेशन के अपने 400-जाल हैं
  • Fable 5 & Mythos 5: The Flagship Field Guide — शीर्ष टियर सचमुच 2× लागत कब वसूलता है
  • Choosing a Model in 2026 — पूरी Anthropic लाइनअप के लिए निर्णय वृक्ष
  • Adaptive Thinking & Effort Tuning — एफ़र्ट असली टोकन ख़र्च से कैसे जुड़ता है
  • Prompt Caching Economics — कैश-हिट का हिसाब जो Opus 5 की हेडलाइन कीमत को आपके असली बिल में बदलता है
  • Current Models & Pricing — हमेशा अद्यतन तालिका; पिन करने से पहले देखें

स्रोत और आगे पढ़ने के लिए​

आगे​

  • Claude Opus 5.5: The Field Guide — उत्तराधिकारी, 22 सितंबर 2026 को जारी: $4/$20, 5% टियर पर कैश रीड, और ऊपर बताए बदलावों के अलावा चार और ब्रेकिंग बदलाव
  • Claude Sonnet 5: The Field Guide