Claude Opus 5 आज जारी हो गया है। यह एंथ्रोपिक के प्रमुख मॉडल, Claude Fable 5 की तुलना में व्यवसायों के लिए चलाना सस्ता है, जिसे कंपनी ने भुगतान करने वाले उपयोगकर्ताओं के लिए रोजमर्रा के अग्रणी उत्पाद के रूप में रखा था। और तो और, Opus 5 महत्वपूर्ण बेंचमार्क पर भी इसे मात देता है।

यह समझने के लिए कि Opus 5 कहाँ फिट बैठता है: एंथ्रोपिक की लाइनअप चार स्तरों पर चलती है। Haiku तेज और सस्ता है। Sonnet मध्य-श्रेणी का है। Opus भारी काम करने वाला घोड़ा है। उसके ऊपर Mythos क्लास है—एक स्तर जिसे एंथ्रोपिक ने इस वसंत में पेश किया था—जिसमें सार्वजनिक उपयोग के लिए Claude Fable 5, और Claude Mythos 5 शामिल हैं, जो कम प्रतिबंधों वाला एक संस्करण है जिसे प्रोजेक्ट ग्लासिंग के माध्यम से सत्यापित साइबर सुरक्षा शोधकर्ताओं और महत्वपूर्ण बुनियादी ढाँचे के संचालकों के लिए आरक्षित किया गया है।

Fable 5 को ग्राहक फ्लैगशिप के रूप में एक कठिन दौर का सामना करना पड़ा है। इसे 9 जून को लॉन्च किया गया था, तीन दिन बाद अमेरिकी सरकार द्वारा जेलब्रेक भेद्यता का हवाला देते हुए एक आपातकालीन निर्यात नियंत्रण आदेश जारी करने के बाद इसे विश्व स्तर पर वापस ले लिया गया था, और 30 जून को वापस आया—केवल तुरंत क्रेडिट-ओनली मॉडल में स्थानांतरित होने के लिए, अब मानक योजनाओं में शामिल नहीं है। Opus 5 अब वह स्थान भरता है जिसे Fable 5 कायम नहीं रख सका।

लावेबल, लाखों उपयोगकर्ताओं वाला एक डेवलपर प्लेटफॉर्म, ने Opus 5 का अपने आंतरिक मूल्यांकनों पर परीक्षण किया और पाया कि लाभ केवल कच्चे स्कोर से परे हैं: "यह हमारे सबसे कठिन एजेंटिक कोडिंग कार्यों पर 22% अधिक बेहतर नहीं है, बल्कि यह अधिक स्थिर है, जिसमें रन-टू-रन भिन्नता बहुत कम है," फैबियन हेडिन ने एंथ्रोपिक द्वारा साझा किए गए एक बयान में कहा।

बेंचमार्क

यह अजीब लग सकता है, लेकिन Opus लगभग हर उस चीज़ पर Fable को मात देता है जो रोजमर्रा के उपयोगकर्ता के लिए मायने रखती है, जबकि इसे Fable की तरह Mythos-क्लास के रूप में लेबल नहीं किया गया है।

Frontier-Bench v0.1 पर—एक बेंचमार्क जो यह परीक्षण करता है कि क्या एआई कोडिंग एजेंट वास्तविक सॉफ्टवेयर इंजीनियरिंग कार्यों को शुरू से अंत तक पूरा कर सकते हैं, जिसे पास किए गए कार्यों के प्रतिशत के रूप में मापा जाता है—Opus 5 ने 43.3% हासिल किया। Fable 5 ने 33.7% अंक प्राप्त किए। OpenAI के GPT-5.6 Sol, एंथ्रोपिक के मुख्य वाणिज्यिक प्रतिद्वंद्वी ने 34.4% अंक प्राप्त किए।

सबसे बड़ा अंतर ARC-AGI-3 पर है, जो प्रशिक्षण डेटा से मॉडल द्वारा याद न किए गए नए पहेलियों के आसपास निर्मित वास्तविक समस्या-समाधान का परीक्षण है, जिसे हल की गई पहेलियों के प्रतिशत के रूप में मापा जाता है। Opus 5 ने 30.2% हासिल किया; GPT-5.6 Sol ने 7.8% अंक प्राप्त किए; और Fable 5 का बिल्कुल भी परीक्षण नहीं किया गया। GDPval-AA v2 पर—एक ज्ञान कार्य बेंचमार्क जिसे एलो रेटिंग्स, वास्तविक व्यावसायिक कार्यों पर सापेक्ष प्रदर्शन को मापने के लिए उपयोग की जाने वाली शतरंज-शैली रैंकिंग प्रणाली के माध्यम से मापा जाता है—Opus 5 ने Fable 5 के 1,747 और GPT-5.6 Sol के 1,736 के मुकाबले 1,861 अंक प्राप्त किए।

Zapier ने AutomationBench पर Opus 5 का परीक्षण किया, एक मूल्यांकन जो यह मापता है कि क्या एक मॉडल बिना मानवीय सहायता के शुरू से अंत तक एक पूर्ण व्यावसायिक कार्यप्रवाह को अंजाम दे सकता है। उनका फैसला: मॉडल ने "एक कच्ची अकाउंट-हेल्थ वर्कबुक ली और शुरू से अंत तक एक पूर्ण चर्न-निवारण अनुक्रम चलाया: जोखिम वाले खातों को चिह्नित करना, सही मालिक को सतर्क करना, और प्रतिधारण संचालन के लिए सारांशित करना। पिछले मॉडल पास नहीं हुए थे; Opus 5 ने 100% हासिल किया।"

एंथ्रोपिक Opus 5 को एक शोध उन्नयन के रूप में भी प्रस्तुत कर रहा है। Ultima Genomics, एक डीएनए सीक्वेंसिंग कंपनी, ने कहा कि मॉडल "किसी भी मॉडल की तुलना में अधिक सतर्क वैज्ञानिक की तरह व्यवहार करता है जिसे हमने चलाया है। यह भ्रमित करने वाले कारकों को बाहर करने के लिए सही सांख्यिकीय परीक्षणों तक पहुँचता है, स्वतंत्र तरीकों से अपने स्वयं के परिणामों की क्रॉस-जाँच करता है, और लंबी बहु-चरणीय विश्लेषणों के माध्यम से ट्रैक पर रहता है।"

हालांकि, ये दो क्षेत्र—कानूनी और स्वास्थ्य—ही ऐसे हैं जिनमें Fable 5 थोड़े अंतर से उत्कृष्ट प्रदर्शन करता है।

यह रिलीज़ Moonshot AI, अलीबाबा द्वारा समर्थित बीजिंग स्थित एक स्टार्टअप द्वारा Kimi K3—एक 2.8-ट्रिलियन-पैरामीटर ओपन-वेट मॉडल (जिसका अर्थ है कि कोई भी स्वतंत्र रूप से इसे चलाने के लिए अंतर्निहित कोड डाउनलोड कर सकता है) का अनावरण करने के एक सप्ताह बाद हुई है, जिसे Moonshot दुनिया के सबसे बड़े ओपन एआई सिस्टम के रूप में वर्णित करता है। स्वतंत्र बेंचमार्क लगातार Kimi K3 को कुल मिलाकर तीसरे स्थान पर रखते हैं, Fable 5 और GPT-5.6 Sol दोनों के पीछे, हालांकि यह विशिष्ट क्षेत्रों में उन दोनों को मात देता है।

Opus 5 अब API के माध्यम से $5 प्रति मिलियन इनपुट टोकन और $25 प्रति मिलियन आउटपुट पर उपलब्ध है। (टोकन वह जानकारी की मूल इकाई हैं जिसे एक एआई मॉडल इनपुट और आउटपुट दोनों में संसाधित कर सकता है)। डिफ़ॉल्ट गति से लगभग 2.5 गुना तेज चलने वाला एक फास्ट मोड भी उपलब्ध है, जिसकी कीमत दोगुनी है—$10 प्रति मिलियन इनपुट टोकन और $50 प्रति मिलियन आउटपुट।

यह रिलीज़ Fable 5 की सार्वजनिक उपलब्धता की कमी पर चिंता को समाप्त कर सकती है। Opus भी सभी के लिए सदस्यता के माध्यम से उपलब्ध है।