Claude Opus 4.5: тихий релиз модели, которая изменила стандарты

24 ноября 2025 года Anthropic выпустила Claude Opus 4.5 — обновлённую версию своей флагманской модели. В отличие от громких презентаций OpenAI или Google, Anthropic действовала в своём стиле: пост в блоге, техническая документация и доступ через API. Никаких шоу на сцене, никаких громких обещаний. И тем не менее, Opus 4.5 стал одним из самых обсуждаемых AI-релизов конца 2025 года.

Что изменилось по сравнению с предыдущей версией (Opus 4)? Прежде всего — качество рассуждений. Opus 4.5 показывает заметное улучшение на задачах, требующих многошагового логического вывода. В бенчмарке GPQA Diamond (вопросы уровня PhD по физике, биологии и химии) модель набирает результаты, конкурирующие с лучшими моделями на рынке. Это важно, потому что GPQA — один из немногих бенчмарков, который действительно тестирует глубокое понимание, а не запоминание фактов.

Второе ключевое улучшение — работа с кодом. На SWE-bench Verified — бенчмарке, где модели должны решать реальные issues из GitHub-репозиториев — Opus 4.5 демонстрирует высокие показатели. Это не синтетические задачи вроде «напиши функцию сортировки», а реальные баги и feature requests из проектов на Python, включая Django, scikit-learn и другие крупные библиотеки. Модель должна понять контекст кодовой базы, найти проблему и предложить конкретный патч.

Для разработчиков Opus 4.5 принёс несколько практических улучшений. Модель лучше следует инструкциям, особенно сложным и многоуровневым. Если вы даёте промт с 10 конкретными требованиями к формату, стилю и содержанию, Opus 4.5 соблюдает все 10 значительно чаще, чем предыдущие версии. Это кажется мелочью, но для production-приложений, где формат вывода критичен, это разница между «работает» и «нужен ещё один слой постобработки».

Ещё одно заметное изменение — уменьшение «hallucinations» (галлюцинаций). Opus 4.5 реже придумывает факты и чаще отвечает «я не знаю» или «я не уверен», когда не располагает достаточной информацией. Anthropic называет это «calibrated uncertainty» — откалиброванная неуверенность. Модель не просто точнее — она точнее знает, когда она неточна.

Контекстное окно Opus 4.5 составляет 200 000 токенов — это примерно 150 000 слов. Не миллион (это придёт с Opus 4.6 в феврале 2026), но достаточно для большинства практических задач: анализа длинных документов, работы с кодовыми базами среднего размера, обработки научных статей. По сравнению со 100 000 токенов предыдущей версии — двукратный рост.

Ценообразование осталось в том же диапазоне: $15 за миллион входных токенов и $75 за миллион выходных для API. Для потребителей — подписка Claude Pro за $20/месяц с лимитами на использование Opus. Для корпоративных клиентов — Claude Enterprise с SLA, аудит-логами и выделенными мощностями. Экономика проста: час работы квалифицированного программиста стоит $50-200; Opus 4.5 может выполнить эквивалентный объём работы за несколько центов.

Как индустрия отреагировала? Разработчики в целом отметили существенное улучшение качества, особенно в задачах, связанных с пониманием нюансов и контекста. В социальных сетях появились десятки сравнений с GPT-4o и Gemini 1.5 Pro, и Opus 4.5 стабильно показывал конкурентные или превосходящие результаты в текстовых задачах. В задачах с изображениями и видео Gemini оставался сильнее (у Opus 4.5 мультимодальные возможности ограничены изображениями на входе).

Для Anthropic Opus 4.5 стал важной вехой ещё и с точки зрения бизнеса. После релиза компания отметила значительный рост использования API и увеличение числа корпоративных подписчиков. По данным из неофициальных источников, несколько крупных финтех-компаний и юридических фирм перевели свои AI-пайплайны с GPT-4o на Claude Opus 4.5, ссылаясь на более стабильное поведение и лучшее следование инструкциям.

Что делает релиз Opus 4.5 стратегически значимым — это темп обновлений. Anthropic выпустила четыре major-версии Claude за 2025 год: Sonnet 3.5 v2, Haiku 3.5, Opus 4 и теперь Opus 4.5. Каждая версия приносила измеримые улучшения. Этот ритм — быстрый, но не хаотичный — контрастирует с подходом OpenAI, которая в тот же период сфокусировалась на нескольких крупных релизах (GPT-5, o1) с более длительными интервалами.

Opus 4.5 также стал последней моделью перед «миллионным скачком» Opus 4.6. Ретроспективно, его можно рассматривать как фундамент: улучшения в качестве рассуждений и следовании инструкциям создали базу, на которой расширение контекстного окна до 1 млн токенов стало по-настоящему полезным. Длинный контекст бесполезен, если модель не может качественно обработать информацию на длинных дистанциях — Opus 4.5 решал именно эту задачу.

Какое качество AI-модели для вас важнее всего — точность рассуждений, скорость, длина контекста или способность честно сказать «я не знаю»?