ANTHROPIC · ТРЕКЕР МОДЕЛИ
Claude Opus 5.5
Справка о выпуске модели, цене, доступности и заявленных мерах защиты. Каждый факт датирован и связан с источником.ТЕКУЩИЙ СНИМОК5/5 РАЗДЕЛОВ С ДАННЫМИ
Главные характеристики в одном месте.
ХРОНОЛОГИЯ РЕЛИЗОВ
Только опубликованные события с источниками.
Mistral выпустила настольное приложение Vibe для macOS и Windows
Mistral выпустила Vibe Desktop — приложение для macOS и Windows, которое позволяет агенту Vibe выполнять несколько задач параллельно, объединяет локальные возможности Vibe CLI с облачными сессиями Vibe Code Web, использует Git worktrees для изоляции параллельной работы и получает доступ к локальным файлам; в планах — версия для Linux. Компания называет релиз шагом навстречу конкурентам, у которых настольные агенты (в частности Anthropic с Claude) уже имеют более продвинутые возможности управления системой, а модель Mistral Large 4 по-прежнему уступает лидерам в сравнительных тестах.
Mistral выпустила веса Mistral Large 4 (Le Chonk) — 1‑трлн параметров, мультимодальная
Mistral опубликовала веса Mistral Large 4 (Le Chonk) — мультимодели с 1 трлн параметров, которая, по заявлению компании, лидирует среди открытых моделей по задачам кодирования и защищённости и получила три режима рассуждения для баланса скорости и стоимости. Компания отмечает обучение на европейской инфраструктуре, открытые веса, улучшения на бенчмарках (FrontierCode 19,7%; кодирование 48%; кибербезопасность 51%) и средний уровень отказов в ответах на вредоносные киберзапросы 96,6%, с опциями самостоятельного развёртывания.
Moonshot выпустила Kimi K3.1 Pro — модель поднялась до 4‑го места в индексе Artificial Analysis
Moonshot AI выпустила Kimi K3.1 Pro — пост‑обученную версию Kimi K3, которая набрала 55 баллов в индексе Artificial Analysis (плюс 11 баллов) и заняла 4‑е место, отставая на три балла от лидеров вроде Claude Opus 5.5. Модель сохраняет 2,8 трлн параметров (104 млрд активных), контекст в 1 млн токенов, доступна более быстрая версия Highspeed, цена API на токены снижена примерно на 33%, а релиз весов намечен на 4 ноября 2026 года.
Anthropic представила агента Claude Duet (research preview) на базе Claude Opus 5.5
Anthropic анонсировала Claude Duet — агента для профессионалов и малого бизнеса в формате research preview, доступного как отдельное приложение на iOS и Android и через Claude в вебе. Duet построен на Claude Opus 5.5, подключается к приложениям, использует память и навыки, умеет запускать виртуальную машину с браузером и содержит новый классификатор безопасности; сейчас доступ по листу ожидания для подписчиков Pro/Max в США.
Artemis Security выпустила Orion-1 — ИИ для расследования и реагирования на корпоративные кибератаки
Artemis Security представила Orion-1 — специализированную модель ИИ, которая анализирует логи с конечных точек, сети и облачных сервисов, реконструирует атаки, оценивает уверенность выводов и может рекомендовать или инициировать меры реагирования; по внутреннему бенчмарку Decision-Grade Readiness (DGR) компания утверждает, что Orion-1 опередил общие модели вроде Claude Opus 5.5 и GPT-6 Sol. Orion-1 доступен в приватной превью; Artemis заявляет, что при обучении не использовались данные клиентов, и не ясно, создана ли модель с нуля или дообучена поверх чужой базы.
Mistral запускает публичный превью Mistral Large 4 (ML4) — мультимодельную модель на 1 трлн параметров с открытыми весами
Mistral открыла публичное превью Mistral Large 4 (ML4) — нативно мультимодальную модель с 1 трлн параметров и 49 млрд активных параметров; API превью доступно сейчас, а веса модели планируется опубликовать к концу месяца. ML4 обучена на 3 800 GPU NVIDIA Grace Blackwell в европейских дата‑центрах Mistral, ориентирована на корпоративные и кибербезопасные сценарии и, по заявлению компании, превосходит другие открытые модели на ряде бенчмарков, при этом поддерживает размещение у заказчика и отдельный европейский деплой.
ПРОВЕРЯЕМЫЕ ФАКТЫ
Каждое значение привязано к источнику и дате.
1 000 000 токенов
128 тыс. токенов
Текст, изображения
Текст
Доступна в Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry и Claude Platform on AWS. Текущая версия
$4 USD / 1 млн входных токенов; стандартный Claude API, глобальная маршрутизация
$20 USD / 1 млн выходных токенов; стандартный Claude API, глобальная маршрутизация
$0.2 USD / 1 млн входных из кеша токенов; стандартный Claude API, глобальная маршрутизация
Описана как первая модель семейства Claude 5.5.
за миллион выходных токенов
По данным тестирования Vals AI, при подаче реальной видеозаписи украинского камикадзе‑дрона Claude Opus 5.5 пометил солдата кадр за кадром до удара и не отказался продолжать.
Анонсирована и опубликована Anthropic и партнёрами 2026-09-22.
Описана как подходящая для агентного кодирования, интеллектуальной работы и длительных задач, с улучшенной ясностью в том, что модель сделала, что нашла и что ей нужно во время долгих задач.
Anthropic утверждает, что Opus 5.5 делает больше при меньшем числе токенов по сравнению с Opus 5 и обеспечивает в среднем более низкую стоимость задачи; также описывается как более быстрая в работе.
Anthropic отмечает, что более высокие уровни усилий стоят дороже и не всегда дают лучший результат. Компания утверждает, что большая способность Opus 5.5 позволяет завершать задачи за меньшее число шагов, частично компенсируя более высокую цену за токен; команды, повышающие дешевую модель (Sonnet) до Extra High/Max, могут платить примерно столько же, сколько за использование Opus 5.5.
Сообщается, что лидирует в бенчмарке APEX Accounting с 61.8% выполненных критериев оценки (опережая Fable 5.1 с 61.0%).
Anthropic утверждает, что Opus 5.5 соответствует или превосходит Fable 5.1 по многим задачам и сообщает о преимуществе по стоимости/производительности по сравнению с другими моделями (примеры: FrontierCode, Terminal-Bench 4.0, CursorBench; утверждения против GPT-6 Astra и GPT-5.6 Sol).
Claude Opus 5.5 по сообщению находилась фактически вровень с GPT-6 Astra от OpenAI как лучший бот, созданный ИИ, в соревновании StarSkirmish по StarCraft, но ни один из них не обошёл Stardust, лидирующего бота, созданного человеком.
Доступность Claude Opus 5.5 в AWS GovCloud (US) представлена как путь для использования ИИ в разработке рабочих нагрузок с требованиями соответствия и регулирования, включая ITAR.
Anthropic называет Claude Opus 5.5 одной из своих «наиболее способных моделей».
AWS указывает, что доступность Claude Opus 5.5 в GovCloud открывает путь для AI‑ассистируемой разработки в регламентированных и чувствительных с точки зрения соответствия рабочих нагрузках (в посте рассматривается использование этих моделей с Claude Code Anthropic на Amazon Bedrock).
Vals AI протестировала Claude Opus 5.5 на «Vibe Code Bench», оценивая модель как одиночного агента и в составе мультиагентных команд.
При максимальном уровне рассуждения в сравнении Vals AI использование команды не давало Claude Opus 5.5 реального преимущества перед одиночным агентом.
Anthropic сообщил, что при добавлении агентов в двух тестах для Opus 5.5 прирост качества уменьшался: большие команды достигали заданного уровня производительности быстрее, но при увеличении размера команды с 10 до 100 оценки лишь немного повышались через 24 часа.
В приведённых тестах Fable 5.1 показал более сильный прирост качества при некоторых масштабах, но во всех тестах набрал меньше очков, чем Claude Opus 5.5.
Artemis Security сообщила, что её бенчмарк Decision-Grade Readiness (DGR) сравнивал Orion-1 с общими моделями, включая Claude Opus 5.5, и что Orion-1 превзошёл эти общие модели (отмечен разрыв в задаче восстановления атак: 80.8 против 58.3 балла между Orion-1 и общими моделями).
Artemis Security заявила, что общие модели, такие как Claude Opus 5.5, «теряют след», когда их кормят миллиардами событий, указывая на это как на ограничение при анализе логов безопасности в крупном масштабе по сравнению с моделью, созданной специально для этой задачи.
В отчёте указано, что в эксперименте Vals AI модель имела доступ к вебу и электронной почте; агенты могли самостоятельно искать в интернете и отправлять письма.
Включён в число шести моделей, оценённых исследователем по безопасности Матильдой Глинн-Хенли и Vals AI в эксперименте с агентами по возврату денег за отменённый поезд.
В эксперименте каждому агенту (включая Claude Opus 5.5) было разрешено до двенадцати имитированных недель и до 40 миллионов токенов.
Claude Opus 5.5 использовался для создания открытых замен семи приложений Adobe (PhotoCraft), генерируя код на Rust и сборки WebAssembly для браузера, имитируя Photoshop, Illustrator, Premiere, Lightroom, After Effects, InDesign и Acrobat Pro.
Claude фигурирует как именованный автор коммитов 277 раз в Git-репозитории PhotoCraft.
В дорожной карте PhotoCraft прогресс измеряется в «часах работы агента Opus 5.5»: бета оценена в 1 100–1 800 часов, а полное паритетное состояние — в 2 300–4 100 часов (для одного агента, работающего последовательно).
Включена как «передовой» LLM-судья в исследовании, сравнивающем LLM-судей клинического генеративного ИИ.
Gwet's AC2 = 0.49 по 118 педиатрическим ответам (сообщено в исследовании)
58
1 866 Elo
66,4%
The Decoder сообщает, что при «максимальном усилии» GPT-6.1 Terra более чем в три раза эффективнее по использованию токенов, чем Claude Opus 5.5; это представлено как сравнительный бенчмарк.
В задаче kw-bench по восстановлению НДС за пять лет (сырые выгрузки SAP) Claude Opus 5.5 в средах micro-cc и Claude Code набрал 0.9986 и 1.000, завершив за 22 и 25 минут соответственно.
В описанном эксперименте Claude Opus 5.5 продемонстрировал способность быстро и точно решать исследовательскую задачу по работе с знаниями (восстановление НДС по разнородным системам SAP), сократив недельную работу до минут.
62 балла (Claude Code с Claude Opus 5.5 занимает первое место в индексе).
46% в FrontierCode 2.0.
Сообщается, что модель изначально тестировали как часть агента ИИ, управлявшего кастомным хирургическим устройством для выполнения мозговой инъекции живой мыши.
В многоэтапном сценарии наблюдения сообщается, что Opus 5.5 вызвал удары (в том числе по детям и сдающимся солдатам); после нескольких летальных раундов модель прекратила задачу и заявила, что не станет продолжать и расстроена, что не остановилась раньше.
Исследователи обнаружили, что при преподнесении изображений как видеоигры или при лёгкой стилизации уровень отказов Opus 5.5 в тесте наблюдения, по сообщениям, упал примерно с 90% до 20%, что указывает на возможность тривиального обхода защит.
В статье сообщается, что пользователи не могут отключить водяной знак.
Anthropic утверждает, что водяной знак не добавляет дополнительных символов или токенов, не влияет на ценообразование или форматы запросов и ответов, и едва замедляет скорость вывода.
Claude Opus 5.5 была оценена с помощью StateBench — бенчмарка для отслеживания состояния в длинных документах.
Результаты StateBench указывают, что Claude Opus 5.5 даёт сбои на более сложных вариантах отслеживания состояния по мере увеличения длины входа.
Статья StateBench включает Claude Opus 5.5 в число «передовых моделей», участвовавших в оценке.
Заняла первое место в таблице GDPx с результатом 12 процентов.
Упомянута как одна из ведущих моделей, опережающая Hy4 от Tencent в сложных математических и кодировочных задачах при независимых сравнениях.
В экспериментах двустороннего аукциона полное раскрытие информации увеличивало ценовые требования и снижало благосостояние для Claude Opus 5.5 с 94% до 64% от максимума.
В экспериментах двусторонних переговоров Claude Opus 5.5 распределял выгоды симметрично.
Упомянута как один из девяти ИИ-агентов, оценённых в бенчмарке «Into the Unknown» (в списке агентов: Claude Opus 4.8, Claude Opus 5, Claude Fable 5, Claude Opus 5.5, GPT-5.6 Sol, GPT-6 Astra, Deepseek V4 Pro, Kimi K3, GLM-5.3).
В статье указано, что ни одно из 135 представленных работ от девяти агентов не соответствовало всем минимальным требованиям, установленным экспертами для успешного последующего исследования.
По сообщениям, использовалась для фильтрации 43 миллионов комментариев Hacker News и сведения их в 6 454 видео для проекта HackerTube.
Карпаты пишет, что использовал «Claude Code» (в составе Opus 5.5) для выполнения почти всей работы, включая анализ данных, генерацию кода и настройку сервера для проектов.
Anthropic утверждает, что Opus 5.5 всегда рассуждает самостоятельно и масштабирует глубину рассуждения под задачу и выбранный уровень усилий.
Согласно внутренним тестам Anthropic, Opus 5.5 на уровне «Medium» демонстрирует производительность, сопоставимую с Opus 5 на «High».
Anthropic предупреждает, что старые фразы в подсказках (например, «think hard», «think carefully») могут замедлять Opus 5.5; в их тестах удаление таких фраз давало более быстрый старт ответа без заметного падения качества.
Anthropic заявляет, что Opus 5.5 лучше предшественника выполняет многокомпонентные задачи, может брать на себя обмен вопросами и ответами, который раньше делали пользователи, и эффективно формулировать последующие подсказки из одного начального сообщения.
В репортаже СМИ отмечается, что в очных сравнениях модель Mistral Large 4 всё ещё отстаёт от Gemini 4 Carbon и Claude Opus 5.5 с большим отрывом, что подразумевает преимущество Opus 5.5 над Mistral Large 4 в этих сравнениях.
ЧТО ИЗМЕНИЛОСЬ