Anthropic در ۲۲ سپتامبر Claude Opus 5.5 را بهعنوان نخستین مدل خانواده Claude 5.5 عرضه کرد. نکته مهم فقط کاهش تعرفه نیست؛ این شرکت میگوید مدل تازه برای بسیاری از کارهای طولانی با توکن کمتری به نتیجه میرسد. در کنار آن، یک تغییر عملیاتی مهم هم وجود دارد: بعضی درخواستهای حساس ممکن است بهصورت شفاف به مدل دیگری هدایت شوند.
تعرفه Opus 5.5 برای هر یک میلیون توکن ورودی ۴ دلار و برای خروجی ۲۰ دلار است. خواندن داده از حافظه نهان ۰٫۲۰ دلار هزینه دارد. Anthropic میگوید این قیمتهای پایه ۲۰ درصد کمتر از Opus 5 هستند و با درنظرگرفتن کاهش مصرف توکن، هزینه معمول کارهایی که بر اساس توکن محاسبه میشوند حدود ۴۰ درصد پایینتر میآید. حالت سریع نیز با تعرفه ۸ دلار برای ورودی و ۴۰ دلار برای خروجی عرضه شده است.
معیار بهتر، هزینه رسیدن به نتیجه قابلقبول است
برای تیمی که عامل برنامهنویسی یا پژوهشی اجرا میکند، قیمت هر توکن فقط بخشی از هزینه است. اگر مدل با رفتوبرگشت کمتر، فراخوانی ابزار کمتر و خروجی کوتاهتر همان کار را تمام کند، صرفهجویی نهایی میتواند از تخفیف اسمی بیشتر باشد. در جهت مقابل، تلاشهای مجدد و خروجیهای نامناسب میتوانند کاهش قیمت را خنثی کنند.
Anthropic میگوید در تنظیمات معمول، هزینه Opus 5.5 برای کارهای رایج حدود ۴۰ درصد کمتر از Opus 5 است و سرعت تولید خروجی نیز بیش از ۳۰ درصد افزایش یافته است. نتایج بنچمارکها و ارزیابیهای مشتریان منتشرشده در صفحه عرضه نیز چنین جهتی را نشان میدهند، اما این اعداد همچنان شواهدی هستند که خود شرکت یا شرکای اولیه ارائه کردهاند و نباید بهعنوان تضمین عمومی عملکرد تلقی شوند.
برای ارزیابی واقعی بهتر است ابزارها، مجوزها، دستورها و معیار پذیرش ثابت بمانند و سپس هزینه هر مأموریت پذیرفتهشده، زمان انجام، تعداد فراخوانی ابزار، تلاشهای مجدد و میزان بازبینی انسانی اندازهگیری شود.
مسیریابی حفاظتی، معنای «مدل اجراشده» را پیچیدهتر میکند
جزئیات مهم این عرضه به سازوکارهای حفاظتی مربوط است. Anthropic برای Opus 5.5 محدودیتهایی مشابه Fable 5.1 در حوزههایی مانند امنیت سایبری و زیستشناسی در نظر گرفته است. این شرکت میگوید بیشتر درخواستهای امنیت سایبری بهطور شفاف به Claude Opus 4.8 هدایت میشوند و برای متخصصان تأییدشده برنامههای دسترسی جداگانه وجود دارد.
در نتیجه، مدلی که برنامه در تنظیمات درخواست میکند لزوماً همان مدلی نیست که هر درخواست را تا پایان پاسخ میدهد. برای استفاده روزمره ممکن است این تفاوت دیده نشود، اما در بنچمارک، ممیزی، محیطهای تحت مقررات و بررسی رخدادها اهمیت دارد.
تحلیل Aipolix این است که تیمها هنگام ارزیابی Opus 5.5 باید در کنار نام مدل درخواستی، تا حدی که سامانه در اختیارشان میگذارد نتیجه مسیریابی یا مداخله حفاظتی را نیز ثبت کنند. در غیر این صورت ممکن است یک آزمون، رفتار چند مسیر اجرایی را با هم ترکیب کند و همه نتایج را به یک نام مدل نسبت دهد.
«تفکر حفظشده» میتواند روی یکپارچهسازی API اثر بگذارد
Opus 5.5 همچنین با سازوکاری به نام preserved thinking برای حسابهای API جدیدتر عرضه شده است. Anthropic این قابلیت را برای مقابله با استخراج صنعتی تواناییهای مدل معرفی کرده و میگوید اجازه نمیدهد کاربر API زمینه استدلال قبلی Claude را آزادانه ویرایش کند. این محدودیت برای Opus 5.5 و Fable 5.1 در حسابهایی که از ۳۱ اوت ۲۰۲۶ به بعد ساخته شدهاند اعمال میشود.
برای توسعهدهنده، نتیجه عملی این است که وضعیت پایدار گردش کار نباید به امکان دستکاری استدلال داخلی مدل وابسته باشد. اطلاعات ماندگار بهتر است در دادههای صریح برنامه، خروجی ابزارها و پیامهای قابل مشاهده نگهداری شوند.
Anthropic همچنین اعلام کرده Opus 5.5 همچنان با گزینه نگهداری صفر داده در دسترس است و سازوکارهای واترمارک آن برای الزامات قانون هوش مصنوعی اتحادیه اروپا ادامه دارد.
کاهش هزینه برای عاملهای طولانی مهمتر است
کاهش تعرفه ورودی و خروجی مهم است، اما افت هزینه خواندن حافظه نهان از ۰٫۵۰ دلار در Opus 5 به ۰٫۲۰ دلار در Opus 5.5 برای نشستهای طولانی اهمیت ویژهای دارد. عاملهایی که بارها زمینه بزرگی از مخزن کد یا اسناد را استفاده میکنند، میتوانند بخش قابلتوجهی از هزینه را در همین قسمت مصرف کنند.
این تغییر نیاز به مهندسی درست عامل را از بین نمیبرد. محدودیت مجوز، کنترل ابزار، نقطههای بازیابی، ارزیابی و مدیریت خطا همچنان لازماند. فقط آستانه اقتصادی استفاده از یک مدل ردهبالا برای مأموریتهای طولانی پایینتر آمده است.
پیش از انتقال بار تولید چه چیزی را بسنجیم؟
بهترین روش، آزمایشی کنترلشده روی کارهای واقعی است. نرخ موفقیت، تعداد فراخوانی ابزار، مصرف توکن خروجی و حافظه نهان، زمان کل، مداخلههای حفاظتی و میزان بازبینی انسانی را ثبت کنید.
اهمیت Opus 5.5 در این است که هم قیمت و هم مسیر اجرای بعضی درخواستها را تغییر میدهد. قیمت پایینتر فوراً قابل مشاهده است، اما هزینه کمتر برای رسیدن به نتیجه قابل اتکا باید در هر سامانه جداگانه ثابت شود.