Tech Meridian← ВСЕ МОДЕЛИ
PROМОЙ MERIDIAN

ANTHROPIC · ТРЕКЕР МОДЕЛИ

Claude Opus 5

Claude Opus 5 — модель Anthropic, объявленная доступной 2026-09-16. Anthropic называет её вдумчивой и проактивной, близкой по «пограничному» уровню интеллекта к Claude Fable 5 при цене примерно вдвое ниже. Модель особенно хорошо показывает себя на задачах по программированию и интеллектуальной работе, превосходит Opus 4.8, назначена моделью по умолчанию на Claude Max и считается самой сильной в Claude Pro; при этом Anthropic указывает, что она уступает Mythos 5 в задачах кибербезопасности.

ТЕКУЩИЙ СНИМОК5/5 РАЗДЕЛОВ С ДАННЫМИ

Главные характеристики в одном месте.

ЦЕНА
Цена входа$5 USD / 1 млн входных токенов; стандартный Claude API, глобальная маршрутизация
Цена выхода$25 USD / 1 млн выходных токенов; стандартный Claude API, глобальная маршрутизация
Чтение из кеша$0.5 USD / 1 млн входных из кеша токенов; стандартный Claude API, глобальная маршрутизация
Оценочная стоимость аннотации одного часа видеоСообщается оценочная стоимость примерно 42 USD в час для аннотации в том же сравнении, где для Flora указана примерно 0.72 USD/ч, а для GPT-6 Astra — примерно 88.50 USD/ч.
КОНТЕКСТ
Контекст1 000 000 токенов
МОДАЛЬНОСТИ
Форматы входных данныхТекст, изображения
Форматы ответаТекст
БЕНЧМАРКИ
Бенчмарки (кодирование и интеллектуальная работа)Описана как «новый эталон» на оценках по кодированию и интеллектуальной работе, включая Frontier-Bench и GDPval-AA.
Оценка в SWE-Serve (inference-engineering)В оценке NVIDIA SWE-Serve Claude Opus 5 указан в числе лидеров с сообщённым pass@1 = 75% по оценённым задачам по inference‑engineering.
Результаты в бенчмарках по коду и задачам с знаниямиAnthropic сообщает, что Opus 5 стала новым лидером в бенчмарках по коду и задачам с знаниями (например, опережает все модели в Frontier-Bench v0.1, более чем вдвое превосходит Opus 4.8 при меньшей стоимости на задачу; в CursorBench 3.2 достигает в пределах 0.5% от пикового результата Fable 5 при примерно вдвое меньшей стоимости на задачу; в ARC-AGI 3 её результат примерно в 3 раза выше, чем у следующей лучшей модели; в Zapier AutomationBench её pass-rate ≈1.5× относительно следующей лучшей при той же стоимости; в OSWorld 2.0 превосходит все остальные модели при любой заданной стоимости).
Pass@3 (бенчмарк UI-TAU)Указано 46.67% Pass@3 по бенчмарку UI-TAU (согласно цитируемой статье).
Результаты на тесте Nvidia с 50 видеоСообщается, что модель «выступила намного хуже» по сравнению с Flora от Nvidia (и хуже, чем GPT-6 Astra) в тесте аннотации 50 видео.
Медианное F1 в MARQ (в сравнении со стандартным baseline)В MARQ модель Claude Opus 5 показала медианное F1=0.80 на экспертно размеченном наборе требований NASA (100 запусков), по сравнению с F1=0.55 для стандартного (off-the-shelf) подхода.
BABA-Bench: доля достижений требуемых исходовДостигла всех требуемых исходов в 81.6% своих запусков в оценке BABA-Bench.
Участие в бенчмарке «Into the Unknown»Claude Opus 5 был одним из девяти AI-агентов, оценённых в бенчмарке Carnegie Mellon «Into the Unknown», где агентам предлагалось выполнять follow-up-исследования по открытым вопросам из национальных лабораторий США.
Рейтинг в Co-Design BenchСообщается, что модель заняла следующие позиции после GPT-6 Astra, совместно с Qwen3.8-Max, в бенчмарке Co-Design Bench для агентов программирования.
Результаты на бенчмарках по программированиюУпомянута как модель из США, уровень её результатов на бенчмарках по программированию был сопоставим с достигнутым LongCat-2.5 несколько месяцев спустя.
ДОСТУПНОСТЬ
ДоступностьДоступна в Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry и Claude Platform on AWS. Предыдущее поколение, доступ сохраняется

ХРОНОЛОГИЯ РЕЛИЗОВ

Только опубликованные события с источниками.

ИСТОЧНИКОВ 1 · ВАЖНОСТЬ 7.0

Cloudflare выпустила Auto Router в публичной бете через AI Gateway — классификация запросов по ставкам и другим метрикам

Cloudflare выпустила Auto Router в публичной бете через AI Gateway: двухэтапный маршрутизатор, который формирует пул моделей, затем запускает мультиголовый классификатор на Workers AI, присваивающий вероятности по 14 категориям задач и оценки 1–5 по сложности, неоднозначности, ставкам и зависимости от контекста, опираясь только на последние ходы (до 8 КиБ). Результаты комбинируются с бенчмарком (формула: «utility = expected quality - adaptive cost penalty»), маршрутизация оставляет заголовки для аудита, поддерживает указание разрешённых моделей на запрос и бесплатна в бете, но WebSocket пока не поддерживаются.

→
ИСТОЧНИКОВ 1 · ВАЖНОСТЬ 7.0

Nvidia открывает исходники Flora — движка разметки видео для роботов на Qwen3.5

Лаборатория GEAR компании Nvidia опубликовала Flora — движок разметки данных, состоящий из трёх дообученных Qwen3.5-моделей (9B — сегментация, 27B — описания, 27B 'Flora-Rewarder' — оценка), который формирует границы действий, покадровые награды и метки успешности задач в роботизированных видео. Nvidia заявляет, что Flora используется при обучении моделей GR00T на GB300 GPU и оценивает стоимость разметки примерно в $0,72/час против ~$88/час у GPT-6 Astra, но эти расчёты — прогнозы, а тесты сопровождаются методологическими оговорками.

→
ИСТОЧНИКОВ 1 · ВАЖНОСТЬ 6.0

Deepseek выпустила Deepseek‑V4.1‑Flash‑1017, открыла веса и API поиска

Китайская компания Deepseek выпустила Deepseek‑V4.1‑Flash‑1017 и опубликовала веса модели на Hugging Face и ModelScope. Компания утверждает, что модель — обученная с помощью усиленного обучения с самоконтролем — работает быстрее, генерирует более короткие ответы, в внутренних бенчмарках обходит более крупные аналоги в задачах кодирования и агентных задачах, а также сопровождается новыми API Search & Fetch; независимой проверки заявлений о бенчмарках пока нет.

→
ИСТОЧНИКОВ 6 · ВАЖНОСТЬ 8.0

Anthropic выпускает Claude Opus 5 — недорогая модель с близкой к фронтирной мощностью

Anthropic объявила Claude Opus 5 — новую модель, позиционируемую как более экономичный преемник Opus 4.8 и новый стандарт по умолчанию в Claude Max (а также сильнейшую в Claude Pro). По данным Anthropic, Opus 5 достигла или превзошла предыдущие модели на ряде бенчмарков для программирования, задач знания и науки (Frontier‑Bench, GDPval‑AA, CursorBench, ARC‑AGI, Zapier AutomationBench, OSWorld) при меньшей стоимости выполнения, но отстаёт от Mythos 5 в задачах по кибербезопасности и биологии; компания также указывает на улучшенную выравненность и безопасность и публикует System Card.

→

ПРОВЕРЯЕМЫЕ ФАКТЫ

Каждое значение привязано к источнику и дате.

РЕЛИЗ · Релиз / ДоступностьДАННЫЕ РАЗРАБОТЧИКА

Объявлена доступной 2026-09-16 (сообщение Anthropic: «Claude Opus 5 is available today»).

ДРУГОЕ · Производительность по сравнению с Claude Fable 5ДАННЫЕ РАЗРАБОТЧИКА

Описана как близкая по «пограничному» уровню интеллекта к Claude Fable 5 при приблизительно вдвое меньшей цене.

ЦЕНЫ · Оценочная стоимость аннотации одного часа видеоДАННЫЕ РАЗРАБОТЧИКА

Сообщается оценочная стоимость примерно 42 USD в час для аннотации в том же сравнении, где для Flora указана примерно 0.72 USD/ч, а для GPT-6 Astra — примерно 88.50 USD/ч.

БЕНЧМАРКИ · Бенчмарки (кодирование и интеллектуальная работа)ДАННЫЕ РАЗРАБОТЧИКА

Описана как «новый эталон» на оценках по кодированию и интеллектуальной работе, включая Frontier-Bench и GDPval-AA.

ОГРАНИЧЕНИЯ · Результаты в кибербезопасности (ограничение)ДАННЫЕ РАЗРАБОТЧИКА

Anthropic указывает, что Opus 5 уступает Mythos 5 в задачах по кибербезопасности.

ДРУГОЕ · Производительность по сравнению с Opus 4.8ДАННЫЕ РАЗРАБОТЧИКА

Сообщается, что обеспечивает значительно лучшую производительность при той же стоимости, что и предшественник Opus 4.8.

ДРУГОЕ · Распределение в продуктах / Модель по умолчаниюДАННЫЕ РАЗРАБОТЧИКА

Назначена моделью по умолчанию на Claude Max и описана как самая сильная модель в Claude Pro.

БЕНЧМАРКИ · Результаты в бенчмарках по коду и задачам с знаниямиДАННЫЕ РАЗРАБОТЧИКА

Anthropic сообщает, что Opus 5 стала новым лидером в бенчмарках по коду и задачам с знаниями (например, опережает все модели в Frontier-Bench v0.1, более чем вдвое превосходит Opus 4.8 при меньшей стоимости на задачу; в CursorBench 3.2 достигает в пределах 0.5% от пикового результата Fable 5 при примерно вдвое меньшей стоимости на задачу; в ARC-AGI 3 её результат примерно в 3 раза выше, чем у следующей лучшей модели; в Zapier AutomationBench её pass-rate ≈1.5× относительно следующей лучшей при той же стоимости; в OSWorld 2.0 превосходит все остальные модели при любой заданной стоимости).

ОГРАНИЧЕНИЯ · Относительная производительность в задачах кибербезопасностиДАННЫЕ РАЗРАБОТЧИКА

Anthropic указывает, что Opus 5 отстаёт от Mythos 5 в задачах по кибербезопасности.

ВОЗМОЖНОСТИ · Восстановление наилучшей поддерживаемой версии при явно сформулированных ограниченияхНЕЗАВИСИМО ПОДТВЕРЖДЕНО

В контролируемой исследовательской задаче при прямой формулировке ограничений Claude Opus 5 восстановила наилучшее поддерживаемое решение в 96% случаев (по данным статьи на arXiv).

ОГРАНИЧЕНИЯ · Чувствительность к научной прозе и биологическим приоритетамНЕЗАВИСИМО ПОДТВЕРЖДЕНО

Исследование на arXiv сообщает, что в научной прозе Opus 5 часто предпочитает биологически ожидаемое решение; при удалении этого биологического приоритета восстановление лучше поддерживаемого решения увеличивается с 27% до 79%, а при добавлении запроса на формализацию и явного указания парного дизайна достигает 92%.

БЕНЧМАРКИ · Результаты на тесте Nvidia с 50 видеоДАННЫЕ РАЗРАБОТЧИКА

Сообщается, что модель «выступила намного хуже» по сравнению с Flora от Nvidia (и хуже, чем GPT-6 Astra) в тесте аннотации 50 видео.

БЕНЧМАРКИ · Медианное F1 в MARQ (в сравнении со стандартным baseline)НЕЗАВИСИМО ПОДТВЕРЖДЕНО

В MARQ модель Claude Opus 5 показала медианное F1=0.80 на экспертно размеченном наборе требований NASA (100 запусков), по сравнению с F1=0.55 для стандартного (off-the-shelf) подхода.

ВОЗМОЖНОСТИ · Обнаружение дефектов и контроль ложных срабатыванийНЕЗАВИСИМО ПОДТВЕРЖДЕНО

В оценке MARQ Claude Opus 5 показала улучшение обнаружения дефектов и снижение ложных срабатываний по сравнению с другими оценёнными моделями.

ОГРАНИЧЕНИЯ · Улучшения сосредоточены в критериях корректности и соответствияНЕЗАВИСИМО ПОДТВЕРЖДЕНО

Анализ по критериям в MARQ показал, что улучшения были сосредоточены в критериях корректности и соответствия, что указывает на зависимые от модели реакции по нескольким критериям.

БЕЗОПАСНОСТЬ · BABA-Bench: соответствие процедурам / доля прохождения проверокНЕЗАВИСИМО ПОДТВЕРЖДЕНО

Только 52.5% её запусков прошли все проверки, подтверждающие соблюдение требуемых процедур (т. е. соответствие процедурам) в оценке BABA-Bench.

БЕНЧМАРКИ · Участие в бенчмарке «Into the Unknown»ДАННЫЕ РАЗРАБОТЧИКА

Claude Opus 5 был одним из девяти AI-агентов, оценённых в бенчмарке Carnegie Mellon «Into the Unknown», где агентам предлагалось выполнять follow-up-исследования по открытым вопросам из национальных лабораторий США.

БЕНЧМАРКИ · Рейтинг в Co-Design BenchДАННЫЕ РАЗРАБОТЧИКА

Сообщается, что модель заняла следующие позиции после GPT-6 Astra, совместно с Qwen3.8-Max, в бенчмарке Co-Design Bench для агентов программирования.

БЕНЧМАРКИ · Результаты на бенчмарках по программированиюДАННЫЕ РАЗРАБОТЧИКА

Упомянута как модель из США, уровень её результатов на бенчмарках по программированию был сопоставим с достигнутым LongCat-2.5 несколько месяцев спустя.

ЧТО ИЗМЕНИЛОСЬ

Сохранённые версии паспорта, без догадок задним числом.

Паспорт обновлён31 фактов
БЕНЧМАРКИ · Результаты на бенчмарках по программированию+ Упомянута как модель из США, уровень её результатов на бенчмарках по программированию был сопоставим с достигнутым LongCat-2.5 несколько месяцев спустя.
Паспорт обновлён30 фактов
БЕНЧМАРКИ · Рейтинг в Co-Design Bench+ Сообщается, что модель заняла следующие позиции после GPT-6 Astra, совместно с Qwen3.8-Max, в бенчмарке Co-Design Bench для агентов программирования.
Паспорт обновлён29 фактов
БЕНЧМАРКИ · Участие в бенчмарке «Into the Unknown»+ Claude Opus 5 был одним из девяти AI-агентов, оценённых в бенчмарке Carnegie Mellon «Into the Unknown», где агентам предлагалось выполнять follow-up-исследования по открытым вопросам из национальных лабораторий США.
Паспорт обновлён28 фактов
БЕНЧМАРКИ · BABA-Bench: доля достижений требуемых исходов+ Достигла всех требуемых исходов в 81.6% своих запусков в оценке BABA-Bench.
БЕЗОПАСНОСТЬ · BABA-Bench: соответствие процедурам / доля прохождения проверок+ Только 52.5% её запусков прошли все проверки, подтверждающие соблюдение требуемых процедур (т. е. соответствие процедурам) в оценке BABA-Bench.
Паспорт обновлён26 фактов
ВОЗМОЖНОСТИ · Обнаружение дефектов и контроль ложных срабатываний+ В оценке MARQ Claude Opus 5 показала улучшение обнаружения дефектов и снижение ложных срабатываний по сравнению с другими оценёнными моделями.
ОГРАНИЧЕНИЯ · Улучшения сосредоточены в критериях корректности и соответствия+ Анализ по критериям в MARQ показал, что улучшения были сосредоточены в критериях корректности и соответствия, что указывает на зависимые от модели реакции по нескольким критериям.
БЕНЧМАРКИ · Медианное F1 в MARQ (в сравнении со стандартным baseline)+ В MARQ модель Claude Opus 5 показала медианное F1=0.80 на экспертно размеченном наборе требований NASA (100 запусков), по сравнению с F1=0.55 для стандартного (off-the-shelf) подхода.
Паспорт обновлён23 фактов
БЕНЧМАРКИ · Результаты на тесте Nvidia с 50 видео+ Сообщается, что модель «выступила намного хуже» по сравнению с Flora от Nvidia (и хуже, чем GPT-6 Astra) в тесте аннотации 50 видео.
ЦЕНЫ · Оценочная стоимость аннотации одного часа видео+ Сообщается оценочная стоимость примерно 42 USD в час для аннотации в том же сравнении, где для Flora указана примерно 0.72 USD/ч, а для GPT-6 Astra — примерно 88.50 USD/ч.
ЦЕНЫ · Ценообразование и эффективность по стоимости− Anthropic позиционирует Opus 5 как модель с существенно улучшенной производительностью при той же стоимости, что и предшественник Opus 4.8, и отмечает, что она близка по уровню интеллекту к Claude Fable 5 примерно при половинной цене.
Паспорт обновлён22 фактов
БЕНЧМАРКИ · Pass@3 (бенчмарк UI-TAU)+ Указано 46.67% Pass@3 по бенчмарку UI-TAU (согласно цитируемой статье).
Паспорт обновлён21 фактов
БЕНЧМАРКИ · Результаты в бенчмарках по коду и задачам с знаниями+ Anthropic сообщает, что Opus 5 стала новым лидером в бенчмарках по коду и задачам с знаниями (например, опережает все модели в Frontier-Bench v0.1, более чем вдвое превосходит Opus 4.8 при меньшей стоимости на задачу; в CursorBench 3.2 достигает в пределах 0.5% от пикового результата Fable 5 при примерно вдвое меньшей стоимости на задачу; в ARC-AGI 3 её результат примерно в 3 раза выше, чем у следующей лучшей модели; в Zapier AutomationBench её pass-rate ≈1.5× относительно следующей лучшей при той же стоимости; в OSWorld 2.0 превосходит все остальные модели при любой заданной стоимости).
ОГРАНИЧЕНИЯ · Относительная производительность в задачах кибербезопасности+ Anthropic указывает, что Opus 5 отстаёт от Mythos 5 в задачах по кибербезопасности.
ЦЕНЫ · Ценообразование и эффективность по стоимости+ Anthropic позиционирует Opus 5 как модель с существенно улучшенной производительностью при той же стоимости, что и предшественник Opus 4.8, и отмечает, что она близка по уровню интеллекту к Claude Fable 5 примерно при половинной цене.
ЦЕНЫ · Цена (в сравнении)− Сообщается, что стоит примерно вдвое меньше, чем Claude Fable 5.
ВОЗМОЖНОСТИ · Восстановление наилучшей поддерживаемой версии при явно сформулированных ограничениях+ В контролируемой исследовательской задаче при прямой формулировке ограничений Claude Opus 5 восстановила наилучшее поддерживаемое решение в 96% случаев (по данным статьи на arXiv).
ОГРАНИЧЕНИЯ · Чувствительность к научной прозе и биологическим приоритетам+ Исследование на arXiv сообщает, что в научной прозе Opus 5 часто предпочитает биологически ожидаемое решение; при удалении этого биологического приоритета восстановление лучше поддерживаемого решения увеличивается с 27% до 79%, а при добавлении запроса на формализацию и явного указания парного дизайна достигает 92%.
БЕНЧМАРКИ · Оценка в SWE-Serve (inference-engineering)Входит в число лидеров на SWE-Serve; в оценке mini-swe-agent Claude Opus 5 показал средний pass@1 на уровне 75% в указанных задачах.→В оценке NVIDIA SWE-Serve Claude Opus 5 указан в числе лидеров с сообщённым pass@1 = 75% по оценённым задачам по inference‑engineering.