Ko’p chatbotlar shoshilinch dushanbadagi iqtidorli stajyorga o’xshaydi: tez, tirishqoq va umumiy summasi sezdirmay noto’g’ri bo’lgan chiroyli elektron jadvalni ishonch bilan taqdim eta oladi. Claude Opus 5 esa Send tugmasini bosishdan oldin formulalarni tekshiradigan hamkasbga o’xshaydi.
Ana shu mulohaza uni kundalik toifamizda to’g’ridan-to’g’ri #1 o’ringa olib chiqadi. Anthropic reliz jadvalida u foydali professional vazifalar asosidagi GDPval-AA v2 da 1861 Elo olgan. Fable 5 — 1747, GPT-5.6 Sol — 1736, Opus 4.8 esa 1593. Box 4.8 ga nisbatan umumiy 8% yaxshilanish va ma’lumot tahlili hamda due diligence da kattaroq o’sish bildiradi. Moliyaviy baholash bilan shug’ullanuvchi mijoz aniqlik to’qqiz ball oshgani, kamroq urinish kerak bo’lgani va vaqt 60% qisqarganini aytadi. Bular dastlabki mijoz hisobotlari, ammo benchmarklar bilan bir xil shaklni tasvirlaydi: kamroq aylanib, puxtaroq ish.
Shunchaki ko’p o’qigan yozuv mashinasi emas
Opus 5 kompyuter haqida gapirishni emas, undan foydalanishni talab qiladigan OSWorld 2.0 da 70.6% oladi. AutomationBench dagi 26.0% Anthropic taqqoslashidagi keyingi natijadan qariyb bir yarim baravar yuqori. Zapier Opus 5 mijozni saqlab qolish ish jarayonini to’liq bajarganini aytadi: u akkaunt holati ma’lumotini o’qigan, ketish xavfi bor mijozlarni aniqlagan, ular uchun mas’ul xodimlarni ogohlantirgan va xulosa tayyorlagan. Avvalgi modellar bu zanjirni yakunlay olmagan.
Eng g’alati son — ARC-AGI-3 dagi 30.2%. Bu notanish muammoni interaktiv yechish testi bo’lib, faktni eslashdan ko’ra yangi stol o’yini qoidalarini o’rganishga yaqin. Shu jadvalda GPT-5.6 Sol 7.8% olgan. Benchmark ruhni o’lchamaydi, ammo bu natija qo’llanma modelning qo’lidan ushlashni to’xtatganda Opus 5 ayniqsa kuchli ekanini ko’rsatadi.
Mustaqil sinov endi faqat reliz yo’nalishini emas, kuchliroq dalilni beradi. Artificial Analysis v4.1.1 Opus 5 max effort ga taxminan 63 ball va hozirgi Intelligence Index da birinchi o’rin beradi. Baholash rivojlangani sari aniq pog’ona o’zgaradi, shu sabab ball yonida versiya va olingan sana turishi kerak.
Nega u Fable 5 dan yuqori
Fable ayrim tor yo’nalishlarda hanuz ozgina yaxshiroq: vositasiz Humanity’s Last Exam, FrontierCode, eng yuqori CursorBench sozlamasi va yashirin yuridik agent testi. Ichki baholashingiz shu yo’nalishlardan biriga mos bo’lsa, undan foydalaning. Ammo Fable million kirish/chiqish tokeniga $10/$50 turadi. Opus 5 esa $5/$25, umumiy foydalanishda data retention talab qilmaydi va xavfsizlik klassifikatorlari ancha kam aralashishi kutiladi.
Fable ni poyga prototipi, Opus 5 ni esa deyarli shuncha tez, yurish xarajati ikki baravar arzon va trekdan tashqarida ham qonuniy yura oladigan avtomobil deb tasavvur qiling. Kundalik ishda yo’l avtomobili foydaliroq.
Nega ChatGPT hali ham suhbatning bir qismi
GPT-5.6 ajoyib universal tizim bo’lib qoladi. ChatGPT Work, Codex, rasm yaratish, Sites, ulangan ilovalar, brauzer va desktop Computer Use ni bitta katta ekotizimga birlashtiradi. Claude o’zida rasm yaratmaydi, tarif limitlari ham qattiqroq bo’lishi mumkin. Reytingimiz Opus 5 hozir mulohaza sifati, professional agentlik, narx va deploy qulayligining eng yaxshi aralashmasini beradi, deydi; hamma ChatGPT obunasini bekor qilsin, demaydi.
Bu ish stolining texnik imkoniyatlari salmoqli: standart 1M token kontekst, 128k maksimal chiqish, diagramma va hujjatlar uchun vision, PDF, fayllar, xotira, veb-qidiruv, vositalar va Computer Use. API modeli claude-opus-5, Anthropic platformasi va yirik bulutlarda mavjud. Fast mode asosiy token narxini ikki baravar oshirib, qariyb 2.5 baravar tez ishlaydi.
Cheklovlar bor. Mustaqil ma’lumot hali yangi. Max effort sergap, xhigh da birinchi token kechikishi sezilarli. API web fetch va Priority Tier reliz paytida yo’q. Oqilona odat — pastroq darajadan boshlash, natijani tekshirish va xato narxi qo’shimcha fikrlash narxidan kattaroq bo’lsagina effort ni oshirish.
Opus 5 shunchaki arzonroq Fable 5 emas. U kundalik ish uchun yaxshiroq mahsulot qaroridir. U Opus 4.8 ni almashtiradi, muhim testlarning yetarlicha ko’pida frontierga da’vo qiladi va puxta AI mulohazasini faqat cheksiz budjetli maxsus loyiha uchun emas, oddiy seshanba ishi uchun ham hamyonbop qiladi.
