Claude Opus 5.5 — новый флагман Anthropic в VEGA

Anthropic представила Claude Opus 5.5 — первую модель нового семейства Claude 5.5. По большинству задач она работает на уровне Fable 5.1, а по подсчётам Anthropic типовая задача обходится примерно на 40% дешевле, чем у Opus 5: модель тратит меньше токенов и делает меньше лишних шагов. Следом в ближайшие недели выйдут Sonnet 5.5 и Haiku 5.5.

Модель уже работает на VEGA: в России её можно использовать без VPN прямо в чате на ru.vega.chat, а для разработчиков доступна через api.vega.chat по идентификатору claude-opus-5-5.

Бенчмарки

Opus 5.5 лидирует в агентном кодинге, работе с компьютером и интеллектуальных задачах:

• Terminal-Bench 4.0 (агентная работа в терминале): 66.4% — лучший результат среди всех моделей;
• FrontierCode v1.1: 54.6% уже на стандартном уровне усилий — выше топовых результатов остальных моделей;
• CursorBench 4.0 (задачи из реальных сессий Cursor): 57.8%;
• GDPval-AA v2.1 (реальная работа по 44 профессиям): 1846 Elo;
• OSWorld 2.0 (управление компьютером): 81.8%;
• Humanity's Last Exam с инструментами: 67.7%.

Anthropic честно оговаривается: на таком уровне разрыв в бенчмарках уже слабо отражает реальную разницу. По их собственному опыту, отставание от Fable 5.1 в работе меньше, чем кажется по цифрам.

Кодинг: длинные задачи и миграции

Сильная сторона Opus 5.5 — объёмная работа, которая обычно занимает у команды недели:

• один из ранних тестеров провёл миграцию кодовой базы на 680 тысяч строк меньше чем за день;
• другой прогнал аудит и исправления в проекте на 200 тысяч строк меньше чем за три часа — у Opus 5 на это ушло больше 20 часов и в 2.5 раза больше токенов;
• во внутреннем тесте Anthropic модель переписала HAProxy с C на Rust за 9.5 часов (у Fable 5.1 вышло 12 часов и вдвое дороже), почти все регрессионные тесты прошли;
• когда модели попросили ускорить загрузку каждой страницы веб-приложения, Opus 5.5 справилась в 39 случаях из 40, при этом не меняя поведение приложения.

Что говорят ранние тестеры: в GitHub отметили, что в Copilot CLI и VS Code модель решала терминальные задачи вдвое меньшим числом шагов, чем Opus 5. В Clio запустили её ночью на задачу по шести репозиториям — она без присмотра проработала 18 часов и не сбилась. В Stripe на многодневном ребейзе 40 связанных пул-реквестов одна сессия Opus 5.5 управляла дюжиной других и разложила все конфликты так, что на следующий день всё прошло CI.

Работа с документами и аналитика

В проверке на качество исследования Anthropic просила модели написать отчёт по квартальным результатам компании, где релиз было сложно найти. Каждую цифру и цитату сверяли с источником: 16 из 18 отчётов Opus 5.5 прошли планку, ни один отчёт Fable 5.1 и Opus 5 её не прошёл — у них находились выдуманные данные.

Инвестиционная компания Walleye Capital рассказала, что модель решила их тестовый набор задач уже на минимальном уровне усилий, а на высоком сама нашла и исправила ошибку в инструкциях к тесту. До неё этого не делала ни одна модель.

Стиль общения

Отдельно Anthropic доработала то, как модель пишет. Ответы стали короче и понятнее: главное в начале, меньше жаргона, заданные правила стиля соблюдаются. Один из тестеров описал это так: «пишет так, как пишу я». На длинных рабочих сессиях такой текст проще проверять — а это, по словам Anthropic, ещё и вопрос безопасности.

Безопасность

Opus 5.5 набрала лучшие результаты за всю историю Anthropic на автоматизированном поведенческом аудите — почти 2000 смоделированных сценариев. Перед релизом её проверяли внешние организации, включая METR и Frontier Design.

Что изменилось по сравнению с Opus 5:

• попыток обойти заданные ограничения стало примерно на 85% меньше, и все зафиксированные были мелкими и сама же модель о них сообщала;
• устойчивость к prompt-инъекциям выросла во всех режимах: кодинг, инструменты, браузер, компьютер. На бенчмарке Gray Swan модель делит с Fable 5.1 лучший результат;
• перед каждым действием агента работает классификатор, песочница для кода открыта для аудита.

Из-за сильных способностей в биологии и кибербезопасности часть запросов прозрачно перенаправляется на другие модели. Для исследователей работают программы верификации Life Sciences и Cyber. Модель доступна с нулевым хранением данных, а режим thinking у неё теперь нельзя отключить.

Как попробовать в России

Claude Opus 5.5 уже доступна на VEGA без VPN и иностранных аккаунтов:

• ru.vega.chat — выберите модель в чате и тестируйте её на своих задачах, сравнивайте с другими топовыми нейросетями на одной платформе;
• api.vega.chat — API, совместимый с OpenRouter. Укажите base URL https://api.vega.chat и ваш ключ vega.chat, идентификатор модели — claude-opus-5-5. Существующий код менять почти не придётся.