Claude Opus 5: Anthropic stato ant ilgo agentų darbo

Claude Opus 5 pristatytas liepos 24 d., ir Anthropic jį pozicionuoja labai aiškiai: modelis ilgam agentų darbui, programavimui ir profesinėms užduotims. Ne vienam gražiam atsakymui. Ilgesniam darbui.

Man čia primena skirtumą tarp žmogaus, kuris gali gražiai pakalbėti per susitikimą, ir žmogaus, kuris po susitikimo dar atsisėda, susirenka failus, pataiso klaidas ir atsiunčia rezultatą. Versle dažniausiai reikia antro varianto.

Anthropic rašo, kad Opus 5 priartėja prie Claude Fable 5 lygio už pusę kainos. Taip pat mini stiprius rezultatus kodavimo ir žinių darbo vertinimuose, nors kibernetinio saugumo užduotyse jis dar atsilieka nuo Mythos 5.

Kodėl Opus 5 svarbus

DI modelių karas jau seniai nebėra tik apie „kas protingesnis“. Įmonėms reikia modelio, kuris gali laikyti kontekstą, planuoti, tikrinti save ir neišsitaškyti po pirmo posūkio.

Čia atsiranda agentų tema. Agentas nėra tik chatbotas su gražesniu vardu. Agentas gauna tikslą, naudoja įrankius, kartais dirba kelias minutes ar valandas, grįžta prie tarpinių rezultatų ir taiso klaidas.

Jei modelis pradeda fantazuoti po trečio žingsnio, toks agentas tampa vargu, ne pagalba. Todėl Opus 5 žinutė apie sprendimo kokybę ir ilgesnį darbą yra verta dėmesio.

Ką sakė kūrėjai

Anthropic pranešime yra JetBrains atstovo mintis apie sprendimo kokybę: modelis ilgiau galvoja prieš rašydamas kodą, pagauna logines klaidas planavimo metu ir aiškinasi, kodėl atsakymas teisingas.

Čia geras ženklas. Kode dažnai brangiausia ne eilutė, kurią parašei. Brangiausia ta, kurios neturėjai rašyti, nes ji po savaitės nulauš pusę sistemos.

Programavimo įrankiuose DI jau juda nuo „parašyk funkciją“ į „padėk suprasti visą projektą“. O čia reikia daugiau nei greito autocomplete.

Kur naudoti tokį modelį

Opus 5 labiausiai įdomus ten, kur užduotis turi kelis sluoksnius. Pavyzdžiui, techninės dokumentacijos analizė. Didelio kliento sutarties palyginimas su ankstesne versija. Kodo bazės refaktoringo planas. Vidinių procesų auditavimas.

Smulkiam verslui tai gali skambėti per sunkiai. Bet principas tas pats: kai darbas reikalauja ne vieno atsakymo, o nuoseklaus mąstymo, pigiausias modelis ne visada pigiausias.

Jei po pigaus atsakymo žmogus dar dvi valandas taiso klaidas, sąskaita pasislepia kitur.

Ko nepamiršti

Modelio pavadinimas negarantuoja rezultato. Reikia gero užduoties aprašymo, realių failų, aiškių ribų ir patikrinimo. Kitaip net stiprus modelis dirbs kaip žmogus, kuriam į rankas įdavė žemėlapį be miesto pavadinimo.

Mano siūlymas paprastas: Opus 5 tipo modelius testuoti ne su juokingais promptais, o su tikra užduotimi iš darbo. Paimk vieną dokumentą, vieną procesą, vieną kodo gabalą. Duok kriterijus. Pažiūrėk, kiek mažiau reikia taisyti.

DUK

Kas yra Claude Opus 5?

Tai naujas Anthropic Claude šeimos modelis, skirtas sudėtingesniam kodavimui, žinių darbui ir ilgesnėms agentų užduotims.

Kuo jis skiriasi nuo lengvesnių modelių?

Opus klasė paprastai skirta darbams, kur reikia daugiau mąstymo, planavimo ir savikontrolės, o ne tik greito atsakymo.

Ar verta jį naudoti kasdien?

Verta tada, kai užduotis brangi, klaidos kainuoja arba reikia ilgesnio konteksto. Paprastoms santraukoms dažnai užtenka lengvesnio modelio.

CTA. DI modelį rinkis pagal darbo kainą, ne pagal logotipą. Jei nori išmokti tą daryti praktiškai, žiūrėk MasterSprint.