Компания Anthropic представила Claude Opus 4.5 — новую флагманскую модель Искусственного интеллекта, которая специализируется на задачах разработки. Использование нейросети стоит 5 долларов за миллион входящих токенов и 25 долларов за миллион исходящих, доступна через API (интерфейс программирования приложений) и на всех трех основных облачных платформах: Amazon Web Services (AWS, крупнейший поставщик с долей рынка около 32%), Microsoft Azure (второй по размеру провайдер, известный своими решениями для гибридных облаков и интеграцией с корпоративными продуктами Microsoft), Google Cloud Platform (GCP, третий по масштабу провайдер с сильной позицией в области данных и машинного обучения).
Похоже, что разработчики ИИ решили довести программистов до нервного срыва. Только OpenAI представила свой Codex-Max, как Anthropic тут же нанес ответный удар выпуском Opus 4.5. Это уже даже где-то забавно. Гонка вооружений в мире Искусственного интеллекта напоминает соревнование по поеданию хот-догов: никто не знает, зачем это нужно, но все почему-то участвуют.
Тем не менее Claude Opus 4.5 показывает впечатляющие результаты в реальных инженерных задачах. На тесте SWE-bench Verified (бенчмарк для оценки способности решать настоящие задачи по программированию) модель обошла конкурентов. Более того, на внутреннем экзамене Anthropic для кандидатов на должность инженера Opus 4.5 за двухчасовой лимит времени показала результат выше, чем любой человек в истории компании.
Главная изюминка — параметр effort (усилие), который позволяет регулировать глубину размышлений модели. Хотите быстрый ответ — ставите низкий уровень. Нужно решить сложную задачу — выкручиваете на максимум. При среднем уровне Opus 4.5 достигает результатов предыдущей модели Sonnet 4.5, но использует на 76% меньше токенов.
Модель лидирует в семи из восьми языков программирования по рейтингу SWE-bench Multilingual и справляется с задачами, которые еще несколько недель назад казались невозможными. И у нее нет безвыходных ситуаций, потому что эта нейросеть очень находчивая. В одном из тестов, где было необходимо разрешить проблему с обслуживанием клиента, Opus 4.5 нашла креативное решение. По условиям клиент авиакомпании хотел поменять билет эконом класса. Но это запрещено правилами, поэтому, модель сначала предложила улучшить класс, а потом изменить и рейс. Технически это засчитали как ошибку, но ведь решение было найдено?
Если сравнивать с новейшим Codex-Max от OpenAI, картина получается неоднозначная. Opus 4.5 превосходит в глубоком многошаговом анализе, автономной работе до семи часов и сохранении контекста в длительных сессиях. Это модель для тех, кому нужен интеллектуальный помощник, способный самостоятельно разбираться со сложными ошибками в многосистемных проектах.
Codex-Max выигрывает в другом: он лучше интегрирован с IDE (интегрированными средами разработки), быстрее работает с большими базами кодов и удобнее для ежедневного использования через GitHub Copilot. У него понятное ценообразование и ниже порог стоимости работы.
Но реально ли нужна эта гонка? Нейросети обновляются с частотой в несколько месяцев. С одной стороны, программисты получают инструменты, которые экономят часы работы и помогают справляться со сложными задачами. С другой — обилие новых моделей каждые несколько недель создает информационный шум и заставляет постоянно переучиваться. Разработчикам остается только привыкать к тому, что новые «самые лучшие» модели теперь выходят чаще, чем новые серии любимых сериалов.
