Claude Opus 5: agentams vėl pakelta kartelė

Svarbiausia

• Kuo svarbus Fast mode? Jis leidžia gauti greitesnį atsakymą, kai komandai svarbi eiga, o ne tik maksimalus samprotavimas.
• Ar verta iškart keisti darbo procesus? Ne. Pirma reikia mažo testo su realiais duomenimis ir žmogaus peržiūra.

Claude Opus 5 šiandien nėra vien dar vienas įrašas DI naujienų sraute. Čia signalas, kur juda praktinis darbas: agentai, modelių valdymas, paieška, saugumas ir labai žemiškas klausimas – kas už rezultatą atsako?

Anthropic liepos 24 d. pristatė Claude Opus 5. Kaina liko tokia pati kaip Opus 4.8, atsirado Fast mode, o pagrindinis pažadas labai aiškus: ilgesni agentų darbai, daugiau savitikros ir mažiau bėgimo į sieną.

Atvirai? Mane tokiose naujienose vis mažiau domina blizgus demo. Daug labiau domina, ar žmogus pirmadienį ryte su tuo sutaupys valandą, ar tiesiog gaus dar vieną vietą, kurią reikia prižiūrėti.

Kas nutiko

Anthropic rašo, kad Opus 5 priartėja prie Fable 5 lygio už pusę kainos, geriau dirba su kodavimu ir profesinėmis užduotimis, o Fast mode veikia apie 2,5 karto greičiau už įprastą režimą. Kartu beta versijoje atsiranda įrankių keitimas pokalbio viduryje ir automatiniai fallback’ai API užklausoms.

Man čia įdomiausia ne dar vienas modelio pavadinimas. Įdomiausia tai, kad modeliai pradeda elgtis kaip darbuotojai, kuriems duodi ilgesnį darbą, o ne kaip paieškos langelis.

Kodėl tai svarbu

Verslui tai reiškia paprastą dalyką: jei agentas moka pasitikrinti, tęsti darbą ir neprarasti gijos, jam galima patikėti rimtesnes užduotis. Ne visas. Bet daugiau nei vakar.

DI versle jau perėjo iš smalsumo fazės į tvarkos fazę. Čia nebeužtenka pasakyti „turime įrankį“. Reikia žinoti, kokiai užduočiai jis skirtas, kokius duomenis liečia, kiek kainuoja ir kada privalo sustoti.

Ką tai reiškia verslui

Didžiausia nauda bus ten, kur šiandien žmonės laužo laiką ant kodo peržiūrų, dokumentų analizės, finansinių lentelių, teisinių pastabų ar vidinių procesų derinimo.

• duoti vieną ilgesnę užduotį, o ne dešimt mažų promptų
• reikalauti tarpinių patikrinimų
• matuoti klaidas, ne gražų toną
• brangesnį režimą palikti darbams, kur klaida brangi

Pirmas bandymas galėtų būti kodo ar sutarties peržiūra: Opus 5 paruošia pastabas, o žmogus pažymi, kurios buvo teisingos. Po 20 tokių bandymų jau matosi, ar modelis vertas daugiau darbo.

Kur pasislėpusi rizika

Rizika – išgirdus apie stipresnį modelį išjungti sveiką protą. Net geras modelis kartais užtikrintai pasako nesąmonę. Tiesiog rečiau.

Čia labai lengva apsigauti. DI atsakymas dažnai atrodo tvarkingas net tada, kai viduje jis pastatytas ant smėlio. Gražus sakinys nėra įrodymas. Nuoroda, testas, logas ir žmogaus peržiūra – jau arčiau tiesos.

Ką pasidaryti šią savaitę

Šią savaitę verta pasiimti vieną realų ilgesnį darbą ir palyginti seną procesą su Opus 5. Laikas, klaidos, taisymo kiekis. Be emocijų.

Mano paprasta taisyklė: jei negali pamatuoti, ar DI atliko darbą gerai, dar ne laikas jo leisti į produkciją. Pirma pasidaryk egzaminą. Tada jau kalbėk apie mastelį.