Claude Opus 5.5 от Anthropic: Производительность и тесты
В своем блоге OpenAI подчеркнула, что первые тестеры обнаружили значительные улучшения в сложных рабочих процессах. В нем подчеркивалось, что один из первых тестировщиков выполнил миграцию кода объемом 680 000 строк менее чем за день, а у команды инженеров это могло занять несколько недель. Он также может быстрее выявлять и устранять недостатки программного обеспечения.
В тестах Claude Opus 5.5 превосходит несколько конкурирующих моделей искусственного интеллекта в определенных тестах, особенно в программировании, использовании компьютера и выполнении рабочих задач. В тестировании GDPval-AA v2, которое оценивает производительность ИИ в реальной работе, Opus 5.5 набрал 1846 баллов по сравнению с 1735 баллами у Claude Fable 5.1.
Opus 5.5 также превзошел GPT-6 Astra на Terminal-Bench 4.0. Он набрал 66,4% по сравнению с 57,9% у GPT-6 Astra, что свидетельствует о более высокой эффективности на 8,5%. Однако Astra лучше работает с Terminal-Bench-Science 0.1.
Стоит прочитать: Безопасность искусственного интеллекта или контроль над рынком? Anthropic, OpenAI и Google SpaceXAI обвиняют в замедлении прогресса ИИ
Что касается безопасности, Anthropic подчеркнул, что модель была тщательно протестирована, в том числе внешними оценщиками, такими как METR и Frontier Design. «У него гораздо меньше шансов, чем у последних моделей, совершать труднообратимые действия или действовать за пределами данных границ, и он более устойчив, чем Opus 5, к немедленному внедрению», — пишет компания в блоге.
Компания также заявила, что готовит более надежные системы безопасности и мониторинга для своих будущих моделей искусственного интеллекта. Он также готовится к усилению защиты для предотвращения потенциального неправильного использования или вредного поведения. Он также готовится к новым методам безопасного обучения моделей и оценки их возможностей и рисков перед развертыванием.
«Поскольку ИИ становится более способным, государственная политика должна играть более важную роль в обеспечении безопасности систем, на которые полагаются люди. Для создания этого потенциала требуется время, и мы начали создавать инфраструктуру для его поддержки», — говорится в блоге. «Мы рассчитываем в ближайшее время поделиться более подробной информацией об этих усилиях».
Claude Opus 5.5 доступен на всех платформах, включая Amazon Web Services, Google Cloud и Microsoft Azure. Он также доступен на платформе Claude для разработчиков. Anthropic также подчеркнула, что вскоре выпустит модели Claude Sonnet 5.5 и Claude Haiku 5.5.
