Claude Opus 4.5: замеры производительности и подробный анализ

Новый Claude Opus 4.5 от Anthropic является второй самой интеллектуальной моделью в индексе искусственного анализа интеллекта, уступая лишь Gemini 3 Pro от Google и сравнявшись с GPT-5.1 от OpenAI (высокий уровень).

Claude Opus 4.5 обеспечивает существенный прирост интеллекта по сравнению с Claude Sonnet 4.5 (+7 баллов по индексу искусственного анализа интеллекта) и Claude Opus 4.1 (+11 баллов), став новой ведущей моделью Anthropic.

Anthropic резко снизила цену за токен Claude Opus 4.5 до 5/25 долларов США за миллион токенов ввода/вывода. Однако по сравнению с предыдущей моделью Claude Opus 4.1 для завершения наших оценок индекса интеллекта использовалось на 60% больше токенов (48 млн против 30 млн). Это приводит к существенному снижению затрат на проведение оценок индекса интеллекта с 3,1 тыс. долларов США до 1,5 тыс. долларов США, но не столь значительному, как предполагает общее снижение цен. Несмотря на то, что Claude Opus 4.5 использовал значительно больше жетонов для завершения нашего Индекса интеллекта, эта модель по-прежнему стоит значительно дороже, чем другие модели, включая Gemini 3 Pro (высокий), GPT-5.1 (высокий) и Claude Sonnet 4.5 (Мышление), и среди всех моделей только стоимость меньше, чем Grok 4 (Рассуждение).

Ключевые выводы бенчмаркинга

• 🧠 Самая интеллектуальная модель Anthropic: в режиме рассуждения Claude Opus 4.5 набирает 70 баллов по индексу интеллекта искусственного анализа. Это скачок на +7 баллов от Claude Sonnet 4.5 (Мышление), вышедшего в сентябре 2025 года, и на +11 баллов от Claude Opus 4.1 (Мышление). Claude Opus 4.5 теперь вторая по умности модель. Он опережает Grok 4 (65) и Kimi K2 Thinking (67), делит GPT-5.1 (высокий, 70) и уступает только Gemini 3 Pro (73). Клод Опус 4.5 (Мышление) набирает 5% по CritPt, передовому оценочному экзамену по физике, отражающему способности научного сотрудника. Он уступает только Gemini 3 Pro (9%) и соответствует GPT-5.1 (высокий, 5%).
• 📈 Самый большой прирост в кодировании и агентских задачах: по сравнению с Claude Sonnet 4.5 (Мышление) наибольший прирост наблюдается в кодировании, агентных задачах и долгоконтекстном рассуждении, включая LiveCodeBench (+16 п.п.), Terminal-Bench Hard (+11 п.п.), 𝜏²-Bench Telecom (+12 п.п.), AA-LCR (+8 п.п.), и «Последний экзамен человечества» (+11 стр.). Клод Опус достигает лучших результатов Anthropic по всем 10 критериям индекса искусственного анализа интеллекта. Он также получает самый высокий балл на Terminal-Bench Hard (44%) среди всех моделей и конкурирует с Gemini 3 Pro на MMLU-Pro (90%).
• 📚 Знания и галлюцинации. В нашем недавно запущенном Индексе всеведения АА, который измеряет встроенные знания и галлюцинации языковых моделей, Claude Opus 4.5 занимает 2-е место с оценкой 10. Он уступает только Gemini 3 Pro Preview (13) и опережает Claude Opus 4.1 (Мышление, 5) и GPT-5.1 (высокий, 2). Клод Опус 4.5 (Мышление) занимает второе место по точности (43%) и четвертое место по уровню галлюцинаций (58%), уступая только Клоду Хайку (Мышление, 26%), Клоду Сонету 4.5 (Мышление, 48%) и GPT-5.1 (высокому). Claude Opus 4.5 продолжает демонстрировать лидерство Anthropic в области безопасности искусственного интеллекта с более низким уровнем галлюцинаций, чем у некоторых других передовых моделей, таких как Grok 4 и Gemini 3 Pro.
• ⚡ Производительность без рассуждений: в режиме без рассуждений Claude Opus 4.5 набирает 60 баллов по индексу интеллекта искусственного анализа и является самой интеллектуальной моделью без рассуждений. Он опережает Qwen3 Max (55), Kimi K2 0905 (50) и Claude Sonnet 4,5 (50).
• ⚙️ Эффективность токенов: Anthropic продолжает демонстрировать впечатляющую эффективность токенов. Он улучшил интеллект без значительного увеличения использования токенов (по сравнению с Claude Sonnet 4.5, оцененным с максимальным бюджетом рассуждений в 64 тыс. токенов). Claude Opus 4.5 использует 48 миллионов токенов вывода для запуска индекса искусственного анализа интеллекта. Это ниже, чем у других пограничных моделей, таких как Gemini 3 Pro (высокая, 92 М), GPT-5.1 (высокая, 81 М) и Grok 4 (Рассуждение, 120 М).
• 💲Цены: Anthropic снизила цену за токен Claude Opus 4.5 по сравнению с Claude Opus 4.1. Цена Claude Opus 4.5 составляет 5/25 долларов США за 1 миллион токенов ввода/вывода (по сравнению с 15/75 долларов США за Claude Opus 4.1). Это значительно приближает его к Claude Sonnet 4.5 (3/15 долларов США за 1 миллион токенов), предлагая при этом более высокий интеллект в режиме мышления.

Основные сведения о модели

• 📏 Контекстное окно: 200 тыс. токенов
• 🪙 Максимальное количество токенов вывода: 64 тыс. токенов
• 🌐 Доступность: Claude Opus 4.5 доступен через API Anthropic, Google Vertex, Amazon Bedrock и Microsoft Azure. Claude Opus 4.5 также доступен через приложение Claude и Claude Code.

Claude Opus 4.5 обеспечивает существенный прирост интеллекта по сравнению с Claude Sonnet 4.5 и Claude Opus 4.1, ставя ее на второе место среди самых интеллектуальных моделей в индексе искусственного анализа интеллекта.

Ключевым отличием моделей Клода остается то, что они существенно более эффективны с точки зрения использования токенов, чем все другие модели рассуждения. Claude Opus 4.5 значительно увеличил интеллект без значительного увеличения выходных токенов, что существенно отличается от других семейств моделей, которые полагаются на большее количество рассуждений во время вывода (т. Е. Больше выходных токенов). На диаграмме выходных токенов, используемых в искусственном анализе, индекс интеллекта и индекс интеллекта, Клод 4.5 Опус (мышление) находится на границе Парето.

В Claude Opus 4.5 значительно увеличен интеллект без большого увеличения выходных жетонов.

Такая эффективность выходного токена способствует тому, что Claude Opus 4.5 (в режиме «Мышление») предлагает лучший компромисс между интеллектом и затратами на запуск индекса интеллекта искусственного анализа, чем Claude Opus 4.1 (мышление) и Grok 4 (рассуждение).

Claude Opus 4.5 предлагает лучшее соотношение интеллекта и стоимости, чем Claude Opus 4.1 и Grok 4.

Клод Опус 4.5 (Мышление) занимает второе место в Индексе всеведения искусственного анализа, нашем новом эталоне для измерения знаний и галлюцинаций в разных областях. Claude Opus 4.5 (Мышление) занимает второе место как по Индексу всеведения (наш ведущий показатель, который снимает баллы за неправильные ответы), так и по точности всеведения (процент правильных ответов), предлагая баланс высокой точности и низкой частоты галлюцинаций по сравнению с аналогичными моделями.

Клод Опус 4.5 (Мышление) занимает второе место в Индексе всеведения искусственного анализа.

Индивидуальные результаты по всем критериям в нашем индексе интеллекта искусственного анализа. Мы провели все эти тесты независимо и одинаково для всех моделей.

Результаты независимой оценки по всем критериям в нашем индексе искусственного анализа интеллекта.

Хотя Claude 4.5 Opus значительно более эффективен, чем почти все другие модели рассуждения, он использовал примерно на 50% больше токенов, чем Claude 4.1 Opus. Кроме того, учитывая относительно высокую цену, Claude 4.5 Opus является одним из самых дорогих для индекса искусственного анализа интеллекта (~ 1,5 тысячи долларов).

Claude Opus 4.5 является одним из самых дорогих для запуска индекса искусственного анализа интеллекта, несмотря на эффективность его токена из-за более высокой цены.

Сравните Claude Opus 4.5 с другими моделями искусственного анализа