Перейти к основному содержимому

Claude Opus 5: практическое руководство

Средний

24 июля 2026 года Anthropic выпустила Claude Opus 5 (claude-opus-5) — четвёртую модель за два месяца после Sonnet 5 (30 июня) и Fable 5 / Mythos 5 (9 июня). Главная новость намеренно скучная: цена та же, что у Opus 4.8, — $5 за входной / $25 за выходной MTok, тот же контекст 1M, тот же лимит вывода 128k. Интересно другое — что теперь дают эти неизменные цифры: 44,4% на Frontier-Bench v0.1 против 18,7% у Opus 4.8 (более чем вдвое), 96,0% на SWE-bench Verified и 30,16% на ARC-AGI-3 — примерно втрое больше, чем 7,78% у GPT-5.6 Sol, и в двадцать раз больше, чем 1,52% у Opus 4.8. Opus 5 теперь модель по умолчанию в Claude Max и самая сильная из доступных в Claude Pro.

Эта страница — практическое руководство: что цифры на самом деле значат для вашего стека, два изменения в API-контракте, из-за которых наивная миграция упадёт с ошибкой 400, когда Opus 5 законно заменяет Fable 5 (а когда нет) и новый уровень усилий xhigh / max.

What you'll learn
  • Понимать, что такое Opus 5: контекст 1M, вывод 128k, $5 вход / $25 выход за MTok — та же форма, что у Opus 4.8, но заметно лучшие результаты
  • Разобраться в двух ограничениях API, ломающих наивную миграцию: запреты на отключение thinking при высоком effort и thinking по умолчанию, съедающий бюджет max_tokens
  • Читать бенчмарки так, как их читают лиды агентных команд — Frontier-Bench, ARC-AGI-3, SWE-bench Pro, OSWorld 2.0 — и знать, какие из них значимы для вашей нагрузки
  • Честно посчитать цену: когда Opus 5 на max effort выигрывает у Fable 5 по стоимости решённой задачи, а когда нет
  • Выбрать правильный уровень усилий — новые уровни xhigh и max оправдывают себя на Frontier-Bench и ARC-AGI-3 и зря тратят токены в остальных случаях
  • Спланировать переход с Opus 4.1 на Opus 5 до даты отключения — 5 августа 2026

Версия в одном абзаце​

Opus 5 — это прирост возможностей без изменения цены, а не переоценка. Те же $5 / $25 за MTok, что у Opus 4.8, тот же контекст в 1M токенов, тот же максимальный вывод 128k в синхронном Messages API, та же надёжная дата отсечки знаний, сдвинутая на май 2026. Изменилось то, что эти токены делают: на Frontier-Bench v0.1 (самом трудном собственном бенчмарке Anthropic для кодинг-агентов) Opus 5 набирает 44,4% на уровне xhigh против 18,7% у Opus 4.8 — более чем вдвое при той же прайс-листовой цене. На ARC-AGI-3 решение новых задач выросло с 1,52% до 30,16%. Два изменения контракта ломают наивные миграции: адаптивное мышление включено по умолчанию и делит бюджет max_tokens с ответом, а thinking: {"type": "disabled"} теперь возвращает 400 на новых уровнях effort xhigh и max. Opus 5 — новая модель по умолчанию в Claude Max, самая сильная в Claude Pro и доступна через Claude API, Bedrock (anthropic.claude-opus-5), Google Cloud (claude-opus-5), Microsoft Foundry и Claude Platform on AWS.

Что изменилось по сравнению с Opus 4.8​

Opus 4.8 вышла в апреле 2026 года как первая Opus с окном контекста 1M и адаптивным мышлением, включённым по умолчанию. Opus 5 сохраняет все эти настройки, поэтому форма запроса и ответа на уровне протокола почти не изменилась. Сдвинулись четыре вещи:

  • Цифры. Frontier-Bench v0.1 вырос с 18,7% до 44,4% (xhigh) / 43,3% (max). SWE-bench Multimodal — с 38,4% до 59,4%. OSWorld 2.0 — с 55,7% до 70,57%. Zapier AutomationBench — с 17,0% до 26,0%. ARC-AGI-3 — с 1,52% до 30,16% при high effort.
  • Новый уровень effort max встаёт выше xhigh, а thinking: {"type": "disabled"} больше не работает на xhigh и max (ошибка 400). Идея в том, что на этих уровнях вы явно платите за рассуждение, поэтому молча отключать его теперь считается ошибкой, а не предпочтением.
  • Самопроверка теперь поведение по умолчанию, а не привычка, заданная промптом. Руководство Anthropic по миграции прямо предупреждает: удалите ручные инструкции «проверь свою работу», иначе получите двойную проверку и сожжённые токены. Это самая частая неожиданность в первый день работы кода на Opus 5, раньше работавшего на Opus 4.8.
  • Кеш промптов больше не сбрасывается при смене инструментов посреди диалога (бета). Если ваш агентный цикл меняет список инструментов на каждом шаге, префикс кеша теперь сохраняется; на Opus 4.8 вы каждый раз платили за новую запись.

Две ошибки 400, которые сломают миграцию​

Guided walkthrough1 of 4
  1. Opus 4.8 позволяла отключить thinking при любом уровне effort. Opus 5 допускает thinking: {"type": "disabled"} только при high effort и ниже. Сочетание с xhigh или max — жёсткая ошибка. Если у вас есть обёртка, которая всегда отключает thinking (некоторые команды так делают ради лаконичных ответов), либо снизьте effort до high, либо удалите поле thinking и позвольте работать адаптивному мышлению.

Минимальная безопасная миграция — Opus 4.8 на 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=[...],
)

Бенчмарки, которые действительно важны​

В день запуска Anthropic опубликовала множество цифр. Три из них критичны для реальных нагрузок, одна — маркетинговый трофей, а ещё две стоит прочитать внимательно, потому что они показывают, где Opus 5 — не лучший выбор.

  • Frontier-Bench v0.1 — 44,4% (xhigh) против 18,7% у Opus 4.8. Самый трудный агентный кодинг-бенчмарк Anthropic — долгие задачи, где модель должна запускать инструменты, итерировать и исправлять себя. Рост в 2,4 раза при той же цене — самая веская причина мигрировать.
  • SWE-bench Verified — 96,0%. Почти потолок. Если вы использовали Opus 4.8 или Fable 5 для исправления багов в стиле SWE-bench, Opus 5 — прямое улучшение. Но SWE-bench Verified уже насыщенный бенчмарк — небольшие различия больше не разделяют модели так, как раньше.
  • OSWorld 2.0 — 70,57% против 55,7% у Opus 4.8. Бенчмарк работы с компьютером. Если вы запускаете Claude for Chrome, браузерный режим Claude Cowork или что-либо ещё, что кликает по реальному интерфейсу, следите именно за этим числом.
  • ARC-AGI-3 — 30,16% (high effort) против 7,78% у GPT-5.6 Sol и 1,52% у Opus 4.8. Маркетинговый трофей. ARC-AGI-3 проверяет решение новых задач, устойчивых к запоминанию, и Opus 5 примерно в 3 раза лучше следующей модели. Значимый сигнал, если в вашей нагрузке есть настоящая новизна; менее значимый, если это вариации того, что интернет уже решил.
  • SWE-bench Pro — 79,2% против 80,0% у Fable 5. Fable 5 всё ещё опережает Opus 5 на 0,8 п.п. на более трудном SWE-bench Pro. Для большинства команд этого недостаточно, чтобы оправдать вдвое более высокую цену Fable 5, но если вы в верхнем дециле по сложности кода и важен каждый пункт — учтите это.
  • Эксплуатация в кибербезопасности — Opus 5 уступает Mythos 5. Anthropic прямо говорит, что Opus 5 — не лучшая кибер-модель. Если вы занимаетесь оборонительной кибербезопасностью и ваша организация верифицирована в программах верификации Anthropic, Mythos по-прежнему лучший выбор.

Когда Opus 5 заменяет Fable 5 (а когда нет)​

Интересный вопрос, который ставит этот запуск: когда вам на самом деле нужна цена Fable 5 — $10 / $50? По собственному утверждению Anthropic, Opus 5 выходит на уровень в пределах 0,5% от пикового результата Fable 5 на CursorBench 3.2 за половину стоимости и повторяет результат Fable 5 на OSWorld 2.0 за «чуть больше трети стоимости». Это сильная версия аргумента. Честная версия:

  • Выбирайте Opus 5 для агентного кодинга, работы с компьютером, автоматизации бизнеса, рассуждений в науках о жизни и всего, где стоимость решённой задачи важнее последних 1–3 п.п. качества. Это >90% продакшен-нагрузок.
  • Выбирайте Fable 5, когда нагрузка — это (а) долгоживущие агенты, где предельный запуск действительно выигрывает от последнего процента (Anthropic подаёт Fable 5 как «интеллект следующего поколения для долгоживущих агентов»), (б) трудные кодовые задачи в стиле SWE-bench Pro, где вы измерили реальный разрыв, или (в) любая нагрузка, уже находящаяся на участке кривой «точность — стоимость», где двойная цена покупает реальное качество.
  • Выбирайте Mythos для оборонительной кибербезопасности, если ваша организация верифицирована. С 6 октября 2026 года путь к нему — заявка в Cyber Verification Program, преемник программы Project Glasswing, работавшей по приглашениям, и его уровни дают доступ к Mythos 5.1.

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.

Новый уровень max — когда он окупается​

Opus 5 вводит max как явный уровень выше xhigh. Адаптивное мышление теперь охватывает low → medium → high → xhigh → max, а high — значение по умолчанию в Claude API и Claude Code. Два наблюдения по бенчмаркам запуска:

  • На Frontier-Bench v0.1 xhigh на самом деле набирает 44,4% против 43,3% у max — max не строго лучше. Он тратит больше токенов на попытку, но дополнительные рассуждения не всегда превращаются в результат на этом бенчмарке.
  • На задачах, которые вознаграждают долгое обдумывание, — ARC-AGI-3, новые исследовательские задачи, сложные математические рассуждения (золотая медаль IMO 2026, 42/42) — старшие уровни себя оправдывают.

Практическое правило: по умолчанию high, переходите на xhigh, когда ваша оценка показывает измеримый выигрыш, и используйте max только для нагрузок, где вы проверили, что глубина рассуждения важнее пропускной способности. Не ставьте max на авось — измеряйте.

Науки о жизни, безопасность и кибер-позиция​

Три числа, которые стоит запомнить:

  • Науки о жизни. Opus 5 опережает Opus 4.8 на 10,2 процентного пункта по органической химии и на 7,7 п.п. по предсказанию белков. Если вы строите агентов для структурной биологии, биоинформатики или планирования синтеза, это реальный скачок, а не улучшение в пределах шума.
  • Устойчивость к prompt injection. На бенчмарке Gray Swan успех атакующего падает с 5,5% у Opus 4.8 до 2,0%. В браузерных средах Claude Cowork защитные механизмы auto-mode снижают успех prompt injection в браузере до 0% по измерениям Anthropic. Важно для всех, кто выпускает агентов в стиле Claude-for-Chrome.
  • Кибер-классификаторы. Кибер-защита Opus 5 срабатывает примерно на 85% реже, чем у Fable 5: поскольку Opus 5 намеренно не является лучшей кибер-моделью, частота вмешательств снижена. Если вы видели ложные отказы по соображениям безопасности на законных промптах для исследования безопасности на Fable 5, Opus 5 покажется заметно менее «нервной».

График отключений, под который нужно планировать​

  • Opus 4.1 (claude-opus-4-1-20250805) отключается 5 августа 2026 — через одиннадцать дней после запуска Opus 5. Если какая-то продакшен-поверхность всё ещё закреплена за Opus 4.1, мигрируйте на этой неделе.
  • Opus 4.5 / 4.6 / 4.7 / 4.8 остаются доступными как «Legacy models» в обзоре платформы, но ожидайте стандартных 12-месячных циклов отключения. Считайте Opus 5 целью миграции для всего нового.
  • ID модели Opus 5 — закреплённый снимок, а не «вечнозелёный» указатель. Начиная с поколения 4.6 формат ID без даты по-прежнему означает «фиксированный снимок». Будущая claude-opus-5-1 будет новым ID, а не тихим обновлением claude-opus-5.

Попробуйте — одна команда​

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

Шпаргалка​

Нажмите Enter или пробел, чтобы перевернуть карточку. Используйте стрелки влево и вправо для перехода между карточками.Показан термин.
1 / 8

Проверьте себя​

Check yourself

0/5
  1. Вы переносите на Opus 5 обёртку, в которой были закреплены `model="claude-opus-4-8"`, `effort: "max"` и `thinking: {"type": "disabled"}`. Что произойдёт?
  2. Ваш промпт для Opus 4.8 заканчивается словами «Теперь проверь свой ответ шаг за шагом». Вы переходите на Opus 5 и видите примерно вдвое большие затраты токенов thinking на сложных промптах. Почему?
  3. Для продакшен-нагрузки по агентному кодингу, где важна доля решённых задач, а стоимость — реальное ограничение, какую модель сильнее всего поддерживают данные запуска Opus 5?
  4. Вы ставите `effort: "max"` на каждый запрос, ожидая строго лучшего качества, чем у `xhigh`. О чём говорят данные запуска Anthropic?
  5. Какая из этих дат отключения — та, под которую нужно планировать работу после запуска Opus 5?

Что дальше​

Источники и дополнительное чтение​

Далее​