Claude Opus 5.5 vs Claude Opus 5: Poziomy wysiłku nie znaczą tego samego

Pierwszą rzeczą, którą trzeba wiedzieć przed porównaniem Claude Opus 5.5zClaude Opus 5 jest to, że oba modele nie posługują się tą samą skalą wysiłku, a niemal każde bezpośrednie porównanie, które przeczytasz w tym tygodniu, pomija ten fakt. Opus 5 domyślnie działa na wysokim poziomie wysiłku. Opus 5.5 domyślnie działa na średnim, a na poziomie o tej samej nazwie myśli więcej na turę niż jego poprzednik. Zatem „Opus 5.5 przy ustawieniach domyślnych kontra Opus 5 przy ustawieniach domyślnych” to nie kontrolowany eksperyment — to porównanie dwóch różnych ilości myślenia. Producent mówi o tym wprost we własnym przewodniku po migracji: testuj wiele poziomów wysiłku i nie używaj ponownie ustawień Opus 5, ponieważ poziomy o tych samych nazwach nie odpowiadają temu samemu budżetowi myślenia. Gdy już to uwzględnisz, różnica między oboma modelami w niektórych miejscach się zmniejsza, w innych rośnie, a decyzja o aktualizacji zależy od czegoś innego niż sama surowa zdolność — od kosztu na ukończone zadanie i czterech zmian w API, które zepsują kod działający dziś na Opus 5.

Co tak naprawdę się różni, punkt po punkcie specyfikacji

Te dwa modele są na papierze bliższe, niż sugerują numery wersji:

• Cena — Claude Opus 5.5 w cenie $4.00 za milion tokenów wejściowych / $20.00 za milion tokenów wyjściowych w porównaniu z Claude Opus 5 w cenie $5.00 / $25.00

• Odczyt z pamięci podręcznej — 0,20 USD za milion vs 0,50 USD za milion, obniżka o 60% w pozycji, która dominuje w uruchomieniach agentowych

• Zapis do pamięci podręcznej — 5 USD za milion dla okna 5-minutowego i 8 USD dla okna 1-godzinnego w wersji 5.5, w porównaniu z 6,25 USD w Opus 5

• Kontekst i wyjście — 1 mln tokenów kontekstu i 128 tys. tokenów wyjścia w obu; oba osiągają 300 tys. tokenów wyjścia w Batch API po włączeniu output-300k-2026-03-24nagłówka beta

• Domyślny poziom wysiłku — średni w Opus 5.5 vs wysoki w Opus 5

• Myślenie — adaptacyjne i zawsze włączone w obu, ale w Opus 5.5 nie można go już w ogóle wyłączyć

• Data graniczna wiedzy — czerwiec 2026 vs maj 2026

• Opóźnienie — Anthropic ocenia Opus 5.5 jako „umiarkowany" na tle obecnej oferty i twierdzi, że generuje wyniki ponad 30% szybciej niż Opus 5

• Wycofanie — nie wcześniej niż 22 września 2027 r. dla Opus 5.5 i nie wcześniej niż 24 lipca 2027 r. dla Opus 5

Zwróć uwagę na to, co nie ulega zmianie: okno kontekstowe, górny limit danych wyjściowych, zniżka za przetwarzanie wsadowe oraz model adaptacyjnego myślenia działający w trybie zawsze włączonym. Opus 5.5 nie jest modelem o większym kontekście ani dłuższych danych wyjściowych. Jest tańszy, szybszy i wydajniejszy pod względem zużycia tokenów, przy tych samych parametrach.

Benchmarki i gwiazdka dotycząca wysiłku przy każdym z nich

Te liczby pochodzą z materiałów premierowych Anthropic — raportowanych przez dostawcę i uzyskanych na jego własnych modelach — a ustawienie wysiłku ma tu większe znaczenie niż nazwa modelu:

• Terminal-Bench 4.0 — 66,4% vs 52,3%, przy czym przebieg Opus 5.5 na poziomie wysiłku xhigh, a nie domyślnym

• FrontierCode v1.1 (Main) — 54,4% vs 48,0%, oraz 54,6% dla Opus 5.5 przy domyślnym średnim wysiłku

• CursorBench 4.0 — 57,8% vs 46,6%, a 52,5% przy średnim

• GDPval-AA v2.1 — 1846 Elo kontra 1708

• AutomationBench — 40,0% vs 26,9%

• Humanity's Last Exam, z narzędziami — 67,7% vs 63,6%

• Terminal-Bench-Science 0.1 — 58,7% vs 29,0%, największa różnica w zestawie

• OSWorld 2.0 — 81,8% częściowo vs 74,0%

• Chartografia, z narzędziami — 89,0% vs 83,4%

To wynik FrontierCode jest tym, któremu warto się przyjrzeć. Opus 5.5 osiąga 54,4% przy xhigh i 54,6% przy medium — statystycznie ta sama liczba, przy ułamku budżetu myślenia. Cokolwiek Anthropic ulepszył, w tym benchmarku nie wynika to z intensywniejszego myślenia. CursorBench zmierza w drugą stronę: 57,8% przy xhigh wobec 52,5% przy medium, pięciopunktowa różnica, która mówi, że wysiłek nadal przekłada się na realną dokładność w przypadku niektórych zadań. Wniosek nie brzmi „używaj medium” ani „używaj xhigh”; chodzi o to, że właściwy poziom wysiłku jest teraz pomiarem zależnym od obciążenia, a stary nawyk pozostawiania Opus 5 na jego wysokim domyślnym ustawieniu nie mówi już nic o nowym modelu.

Anthropic dodaje zastrzeżenie warte powtórzenia: na tym poziomie możliwości marginesy w benchmarkach są „mniej wiarygodnym wskaźnikiem rzeczywistych różnic”, a firma twierdzi, że jej wewnętrzna luka względem Claude Fable 5.1 jest mniejsza, niż sugerują opublikowane wyniki. To dostawca, który mówi ci, by nie nadinterpretować jego własnej tabeli.

Koszt na ukończone zadanie to porównanie, które przesądza sprawę.

Cena za token to niewłaściwa jednostka dla agenta i właśnie na tym porównaniu to widać. Własny przykład Anthropic: analiza fuzji, która zajęła Opusowi 5.5 63 minuty i kosztowała o 50% mniej niż to samo zadanie na Opusie 5, które zajęło 93 minuty. Cennik wyjaśnia część tego — obniżka o 20% na wejściu i wyjściu, 60% na odczytach pamięci podręcznej — ale nie całość. Reszta to model zużywający mniej tokenów i mniej tur, by dotrzeć do tego samego miejsca. Cytaty klientów opublikowane wraz z premierą wskazują ten sam kierunek: Box raportuje jedną trzecią tokenów i odpowiedzi około 40% mniej rozwlekłe, Kiro mniej więcej połowę tokenów przy 40% mniejszej liczbie wywołań, Factory 20–25% mniej tokenów wyjściowych, GitHub — jedną z najmniejszych zmierzonych przez siebie liczb tokenów i kroków.

To publikowane przez dostawcę wypowiedzi klientów, a nie wyniki poddane audytowi; zbiorcze „około 40% taniej w typowych obciążeniach” to sposób, w jaki Anthropic charakteryzuje średnią z wybranych przez siebie obciążeń. Uczciwa wersja na potrzeby własnego planowania: załóż, że 20-procentowa obniżka ceny katalogowej jest realna i pewna, a dodatkowe 20% potraktuj jako hipotezę, którą możesz sprawdzić w jedno popołudnie, uruchamiając to samo zadanie na obu modelach i licząc tokeny.

Jedna uwaga strukturalna o tym, dlaczego obniżka cen pamięci podręcznej daje efekty nieproporcjonalnie duże. Agent, który w każdej turze ponownie wysyła długi prompt systemowy i drzewo plików, płaci stawki odczytu z pamięci podręcznej za większość swoich danych wejściowych, a nie stawki za świeże dane wejściowe. Obniżenie tej stawki z 0,50 USD do 0,20 USD za milion zmienia ekonomikę długotrwałych sesji znacznie bardziej niż stawka z nagłówka — i właśnie dlatego obciążenie, które było ledwie opłacalne na Opus 5, może stać się wyraźnie opłacalne na Opus 5.5 bez żadnych zmian w twoich promptach.

Cztery zmiany łamiące kompatybilność jako lista kontrolna migracji

Opus 5.5 to nowy model, a nie przemianowany Opus 5, a notatki migracyjne Anthropic wymieniają cztery zmiany, które zepsują kod już działający na produkcji:

• Myślenia nie można wyłączyć. Każda ścieżka kodu, która wyłączała myślenie, spowoduje błąd lub zmianę zachowania, a głębokość jest teraz kontrolowana wyłącznie przez parametr effort.

• Wymuszone użycie narzędzia zwraca błąd. Parametr tool_choice wymuszający nazwane narzędzie nie jest obsługiwany.

• Bloki myślenia są powiązane z modelem, który je utworzył, oraz z rozmową, więc nie można ich odtwarzać między modelami w sposób, jaki zakładają niektóre potoki.

• Wcześniejsze computer_20251124 narzędzie do korzystania z komputera nie jest akceptowane w Claude API ani w Google Cloud.

Istnieje piąta zmiana, która nie powoduje żadnych niepowodzeń, a przez to jest bardziej niebezpieczna. Tekst między wywołaniami narzędzi jest teraz zwracany wewnątrz bloków myślenia, których tekst jest pusty przy domyślnym ustawieniu wyświetlania. Jeśli Twoja aplikacja strumieniuje ten tekst użytkownikom jako aktualizacje postępu, między wywołaniami narzędzi zapada cisza, dopóki nie ustawisz wartości wyświetlania, która zwraca ten tekst. Wszystkie testy przechodzą; interfejs po prostu przestaje relacjonować.

Pierwsze trzy odnoszą się również do Claude Fable 5.1, więc zespół, który już przeszedł na ten model, wykonał część tej pracy. Zespół, który nadal korzysta z Opus 5, nie.

Kiedy Opus 5 wciąż jest właściwym wyborem

Aktualizacja nie jest automatyczna, a oto cztery prawdziwe powody, aby zostać:

• Przewidywalność kosztów. Opus 5 to model, który już scharakteryzowałeś. Jeśli Twój budżet jest modelowany na podstawie jego zużycia tokenów, przejście na model, który zużywa inną ilość na myślenie przy tym samym nazwanym poziomie wysiłku, unieważnia model, dopóki nie dokonasz ponownego pomiaru.

• Zgodność. Jeśli jakakolwiek część Twojego stosu zależy od wyłączania myślenia, wymuszania użycia narzędzia lub starszego narzędzia computer-use, migracja to praca z kodem, a nie podmiana ciągu znaków.

• Routing zabezpieczeń. Opus 5.5 jest dostarczany z zabezpieczeniami klasy Fable 5.1, co oznacza, że większość zapytań dotyczących cyberbezpieczeństwa jest przekierowywana do Claude Opus 4.8, a prace biologiczne trafiają awaryjnie do Claude Opus 5, o ile Twoje konto nie jest zweryfikowane. Jeśli Twój produkt należy do którejkolwiek z tych dziedzin, „aktualizacja” może oznaczać, że Twoi użytkownicy otrzymają odpowiedzi od mniejszego modelu. Opus 5 nie ma takiego routingu.

• Długowieczność. Opus 5 nigdzie się szybko nie wybiera — Anthropic podaje, że jego wycofanie nastąpi nie wcześniej niż 24 lipca 2027 r., czyli za dziesięć miesięcy.

Dla wszystkich pozostałych rachunek jest prosty: więcej możliwości, niższa cena, mniej tokenów i lista kontrolna migracji, którą jeden inżynier może przejść w ciągu jednego dnia.

Uruchamianie obu podczas przełączenia

Niezręczna część każdej migracji flagowego modelu to środek: chcesz Opus 5.5 dla nowego ruchu, nie stawiając ścieżki produkcyjnej na modelu, którego nie scharakteryzowałeś przy własnych ustawieniach wysiłku, i chcesz utrzymać obsługę przez Opus 5, dopóki się nie dowiesz. To problem routingu, a nie ponownego wdrożenia platformy, i warto być precyzyjnym co do tego, co gdzie leży. Claude Opus 5 jest już dziś dostępny w OrcaRouter w cenie katalogowej samego Anthropic z 0% marży — cena katalogowa dostawcy przekazywana jest bezpośrednio, więc zmiana stawek dostawcy obowiązuje po naszej stronie tego samego dnia, a nie dopiero po synchronizacji. Claude Opus 5.5 nie należy jeszcze do naszych tras; jest dostępny przez własne API Anthropic oraz u głównych dostawców chmury. Gdy się pojawi, stanie się kolejną trasą na tym samym kluczu, a nie drugim kontraktem i drugim SDK, co pozwala skierować procent ruchu na nowy model, podczas gdy automatyczne przełączanie awaryjne utrzymuje resztę na tym, który już scharakteryzowałeś. Złożenie wywołania z obu — szkic z jednego i przebieg weryfikacji z drugiego — to jedna linia DSL routingu.

Bądź precyzyjny co do tego, co ci to daje. To nie daje ci niezależnego benchmarku Opus 5.5; nic jeszcze tego nie zapewnia, ponieważ jedyne opublikowane porównania jeden na jeden są autorstwa Anthropic, a niezależne serwisy monitorujące wciąż ustalają konfiguracje wysiłku. To, co ci to daje, to ten jeden pomiar, który faktycznie przewiduje twój rachunek — na twoich promptach, przy poziomie wysiłku, który wdrożysz.

Reguła decyzyjna

Jeśli zaczynasz coś nowego, użyj Claude Opus 5.5 i zacznij od poziomu medium wysiłku, a następnie sprawdź, czy tryb low sprawdza się w Twoim zadaniu — Anthropic raportuje, że tryb low zbliża się do wyższych ustawień w kilku ewaluacjach kodowania przy znacznie niższym koszcie, a liczby FrontierCode powyżej sugerują, że domyślne ustawienie nie zostawia wiele na stole.

Jeśli uruchamiasz Claude Opus 5 w środowisku produkcyjnym, sygnałem do migracji nie jest tabela benchmarków. Jest nim to, czy możesz przyswoić cztery zmiany w API oraz czy twoje obciążenie mieści się w obszarze cyberbezpieczeństwa lub biologii, gdzie routing zabezpieczeń po cichu przekaże część twojego ruchu mniejszemu modelowi. Wszystko inne w tej aktualizacji to obniżka ceny przebrana w szaty premiery modelu, a takie warto przyjąć.