Повседневная экосистема — Большая тройка ИИ-помощников

Новый стандарт OpenAI для людей, которые действительно делают работу. Он не просто отвечает — он планирует, использует инструменты, проверяет свой собственный вывод и заканчивает грязную многоэтапную работу, пока вы берете кофе. Переход от полезного чат-бота к надежному цифровому коллеге наконец-то кажется реальным.

GDPval 84,9% в 44 профессиях (#1 в целом); Artificial Analysis Intelligence Index #1 (+3 пункта); OSWorld-Verified 78,7% использования компьютера; Tau2-Bench 98,0% для агентов рабочего процесса; на ~40% меньше выходных токенов при той же задержке; контекст 1M с нативным использованием инструментов.

Цена API в 2 раза выше ($5/$30 против $2,50/$15 у GPT-5.4); один ранний отчет указывает на высокую вероятность галлюцинаций в оценках всеведения — проверяйте критически важную для истины работу; API недоступен на старте («очень скоро»); самые строгие ограждения безопасности могут вызывать отказы в пограничных случаях.

Первая модель класса Mythos от Anthropic, сделанная безопасной для всех. Та же архитектура, которая лежит в основе ограниченного Mythos 5, но с консервативными мерами безопасности, которые направляют рискованные запросы к Opus 4.8. Она демонстрирует передовую производительность на всех важных бенчмарках — SWE-Bench Pro 80.3%, FrontierCode Diamond 29.3%, Hebbia Finance #1 — и отрыв увеличивается по мере усложнения задач. Для пользователей, которые могут позволить себе премиальную стоимость, это самая сильная общедоступная модель ИИ в мире.

SWE-Bench Pro 80.3% (SOTA — сокрушает 58.6% у GPT-5.5). FrontierCode Diamond 29.3% (в 5 раз больше GPT-5.5). Hebbia Finance Benchmark #1. CursorBench SOTA. Stripe мигрировал кодовую базу в 50 млн строк за один день. Прохождение Pokémon FireRed только с помощью зрения. В Slay the Spire с постоянной памятью производительность в 3 раза лучше, чем у Opus 4.8. $10/$50 за миллион токенов. Контекст 1M. Доступно на claude.ai, API, Bedrock, Vertex, Foundry.

Премиальное ценообразование — $10/$50 за миллион токенов (в 2 раза дороже Opus 4.8). Консервативные меры безопасности перенаправляют <5% сессий к Opus 4.8 по отмеченным темам (кибербезопасность, биология, химия). Это не неограниченный Mythos 5 (доступ ограничен рамками Project Glasswing). Независимые сторонние бенчмарки все еще появляются в день запуска. Лимиты использования на планах Pro/Max в периоды высокого спроса.

Воспринимайте его как глубоко образованного партнера по исследованиям, который действительно берет минуту на размышление, прежде чем ответить. Он жертвует мгновенной скоростью ради глубокого, методичного анализа. Когда ваша проблема требует реальной, обдуманной логики, а не просто быстрой догадки — это флагманский апгрейд мозга от Google.

Подтвержденный результат 77.1 на ARC-AGI-2. Нативно генерирует текст, видео (Veo), изображения (Nano Banana) и музыку (Lyria 3). Глубокая интеграция экосистемы Google на мобильных и веб-платформах.

Находится в публичной превью-версии с ограничением знаний до января 2025 года — блестяще рассуждает, но может быть устаревшим в фактах конца 2025/2026 годов, если не подключен к поиску.

Самая спокойная и честная передовая модель — теперь с более острым суждением и способностью выполнять длительные автономные агентные рабочие процессы, не теряя при этом нити повествования. Opus 4.8 не просто вмещает миллион токенов контекста, он на самом деле знает, когда чего-то не знает. Улучшенная калибровка честности, Динамические рабочие процессы (Dynamic Workflows), координирующие сотни ИИ-работников, и контроль усилий, позволяющий выбирать скорость или глубину. ИИ для профессионалов, обновленный.

SWE-Bench Pro 69.2% (SOTA среди всех моделей). Бенчмарк интеллектуальной работы (Knowledge work) вырос с 1,753 до 1,890. Online-Mind2Web 83.4% (лучший из протестированных браузерных агентов). 100% выполнение от начала до конца в бенчмарке Super-Agent. Первая модель, преодолевшая 10% в Legal Agent Benchmark. Окно контекста 1М токенов. Агентные команды + Динамические рабочие процессы. Быстрый режим в 2.5 раза быстрее и в 3 раза дешевле.

По-прежнему самый дорогой из большой тройки — $20/мес за Pro дает доступ, но продвинутые пользователи платят $100–$200/мес за Max. Более глубокое обдумывание сжигает больше токенов за диалог. Нет встроенной генерации изображений. Меньшая экосистема интеграций, чем у ChatGPT.