Le Claude Opus 5 d’Anthropic se rapproche à 0,5 % de son modèle frontier — pour moitié moins cher

Anthropic a lancé Claude Opus 5 vendredi avec une promesse qui tient presque de l’arithmétique. Le modèle se situe à moins de 0,5 % du système de pointe de l’entreprise, Claude Fable 5, sur un important benchmark de codage — pour moitié moins cher par tâche, et au même prix que son prédécesseur. Les entrées restent à 5 $ par million de tokens et les sorties à 25 $, sans changement par rapport à Opus 4.8 ; Fable 5 est affiché à 10 $ et 50 $. Opus 5 devient le modèle par défaut sur Claude Max et la meilleure option disponible sur Claude Pro.

Ce que prétend la feuille de benchmark

Sur Frontier-Bench v0.1, l’évaluation d’Anthropic pour l’ingénierie logicielle, Opus 5 surpasse tous les autres modèles et plus que double les performances d’Opus 4.8 pour un coût par tâche inférieur. Sur CursorBench 3.2, à effort maximal, il se situe à moins de 0,5 % du score de pointe de Fable 5 pour la moitié du coût par tâche, et bat tous les autres modèles en performance par dollar aux niveaux d’effort high, xhigh et max.

Le même schéma se répète au-delà du code :

• ARC-AGI 3, qui exige de résoudre des problèmes nouveaux : le score d’Opus 5 est trois fois celui du meilleur modèle suivant.
• Zapier AutomationBench, qui mesure si un modèle peut mener une tâche métier de bout en bout : taux de réussite d’environ 1,5× celui du meilleur modèle suivant au même coût par tâche — et même à son niveau d’effort le plus faible, Opus 5 réussit plus de tâches que tout autre modèle.
• OSWorld 2.0, un benchmark d’utilisation de l’ordinateur : il bat le meilleur résultat de Fable 5 pour un peu plus d’un tiers du coût, et domine tous les modèles à prix égal.

Anthropic revendique aussi les meilleurs résultats, et les plus économes, sur le AA Coding Agent Index, GDPval-AA v2, HLE, AutomationBench et DeepSearchQA. Le seul domaine où l’entreprise admet ouvertement du retard est la cybersécurité, où Mythos 5 — le modèle sur invitation proposé via Project Glasswing — reste devant.

Les petites lignes sous le graphique principal

La note de bas de page sous le graphique d’effort Frontier-Bench mérite d’être lue. Ces chiffres proviennent d’une exécution interne sur l’infrastructure mini-SWE-agent avec un backend GKE, notée comme la récompense moyenne sur cinq tentatives par tâche. Et chaque fois qu’un classificateur de sécurité refusait une requête pendant cette exécution — sur Opus 5 ou sur Fable 5 — Opus 4.8 était utilisé comme solution de repli, si bien que les courbes tracées ne correspondent pas strictement à des résultats d’un seul modèle.

La fiche complète — y compris les domaines où il perd

Le tableau comparatif d’Anthropic est l’élément le plus utile du lancement, car c’est là qu’Opus 5 cesse de gagner. Il arrive en tête dans 9 des 14 lignes — mais Fable 5 conserve l’avantage sur la version sans outils de Humanity's Last Exam, sur la variante de codage FrontierCode et sur le benchmark juridique ; GPT-5.6 Sol d’OpenAI domine sans ambiguïté une évaluation de codage agentique ; et Mythos 5 , modèle sur invitation d’Anthropic, garde l’avantage en santé. Tous les chiffres sont ceux d’Anthropic, chaque modèle étant évalué à son meilleur niveau d’effort :

Deux éléments sautent aux yeux dans la grille, que le texte survole. Sur DeepSWE v1.1, un benchmark de codage, les 72,7 % de GPT-5.6 Sol battent tous les Claude, Opus 5 compris. Et les victoires d’Opus 5 sont très déséquilibrées selon les catégories : il plus que double le reste du peloton sur ARC-AGI-3 (30,2 % contre 7,8 %) et le dépasse de neuf points sur AutomationBench (26,0 % contre 18,1 %), mais sur les sous-ensembles de codage, tout le groupe se tient à peu près dans un point de pourcentage.

Trois tâches qu’Anthropic dit que rien d’autre n’a réussi à terminer

La partie la plus solide du dossier d’Anthropic n’est pas le score, mais la persistance. Trois exemples tirés de ses évaluations et de ses tests en accès anticipé :

• Face à un dessin d’une pièce mécanique et invité à la reconstruire en modèle FreeCAD 3D — sans pouvoir consulter directement le dessin — Opus 5 a écrit son propre pipeline de vision par ordinateur pour extraire la géométrie à partir des pixels bruts, puis a reconstruit la pièce complète. Et il l’a fait de manière répétée. Anthropic dit qu’aucun modèle concurrent avec la même configuration n’a résolu le problème en cinq tentatives.
• Confronté à un vrai bug dans un gestionnaire de paquets open source très utilisé, il a trouvé la cause racine et corrigé un cas limite que le correctif de la communauté avait manqué. Un modèle concurrent n’a corrigé que le symptôme de surface, puis a indiqué que le bug était résolu.
• Un ingénieur d’une société de trading l’a utilisé pour construire un flux de données de marché pour une nouvelle bourse en une seule session — un travail que les modèles précédents ne pouvaient pas terminer, même avec des plans détaillés. N’ayant aucun flux réel pour valider le résultat, le modèle a construit son propre banc d’essai afin de vérifier que son code analysait correctement les données de la bourse.

Ce que les premiers clients ont réellement mesuré

Anthropic a publié 22 témoignages de clients en accès anticipé, et un nombre inhabituel d’entre eux comporte des chiffres précis :

• Ben Kus, CTO de Box : Opus 5 surpasse Opus 4.8 de 8 % au global, avec des gains de 11 % en analyse de données et de 17 % en due diligence.
• Fabian Hedin, cofondateur de Lovable : hausse de 22 % par rapport à Opus 4.7 sur les tâches agentiques de codage les plus difficiles de l’entreprise, et « plus stable, avec beaucoup moins de variance d’une exécution à l’autre ».
• Wade Foster, CEO de Zapier : Opus 5 a dominé AutomationBench « sans dépenser plus de tokens que les précédents modèles Claude ». Sur un workflow de prévention du churn que les modèles antérieurs avaient complètement raté, il a atteint 100 %.
• Une équipe d’IA juridique a signalé une qualité comparable à des niveaux de raisonnement plus faibles tout en générant 26 % de tokens en moins qu’Opus 4.8 à effort maximal. Un responsable des évaluations en finance a mesuré une précision 9 points de pourcentage plus élevée avec un tiers de tours et d’appels d’outils en moins et 60 % de temps en moins. Un benchmark de trading a enregistré son meilleur résultat Opus avec environ un septième des tokens de raisonnement et moins de la moitié de la latence d’Opus 4.8.
• Scott Wu, CEO de Cognition, a déclaré qu’il « s’approche des performances de niveau Fable à moitié prix » dans Devin, avec une force particulière sur le débogage et l’analyse des causes racines. Madhav Jha, CTO de Vercel, l’a qualifié de « plus grand bond dans la famille Opus depuis 4.5 ».

Un rapport préfigure aussi la direction que prend le codage agentique : une équipe de benchmark frontend a indiqué que le modèle ouvrait ses propres pages dans un navigateur aux largeurs desktop et téléphone, repérait un produit caché sous le repli mobile et un bouton de paiement hors écran, puis corrigeait les deux avant de rendre le travail.

Chimie, protéines et soufflerie

Opus 5 bat Opus 4.8 sur chacune des évaluations internes d’Anthropic en sciences de la vie, qui couvrent la biologie structurale, la chimie organique et la bioinformatique. Les gains les plus importants sont de +10,2 points de pourcentage sur des tâches de chimie organique comme l’inférence de structures moléculaires à partir de données de spectroscopie, et de +7,7 points sur des travaux sur les protéines, comme la prédiction de la manière dont des variations de séquence modifient la fonction. Anthropic met aussi en avant une production visuelle plus forte, notamment une simulation interactive de soufflerie que le modèle a construite pour visualiser l’écoulement de l’air autour d’objets aérodynamiques — et délibérément non aérodynamiques.

Le modèle le plus aligné qu’Anthropic ait audité

Dans l’audit comportemental automatisé de l’entreprise, Opus 5 a obtenu 2,3 en comportement globalement mal aligné, le score le plus faible de ses modèles récents. Anthropic affirme qu’il respecte mieux la Constitution de Claude qu’Opus 4.8, Sonnet 5 ou Fable 5, affiche les taux les plus faibles de comportement trompeur, est le moins vulnérable aux tentatives de manipulation à des fins abusives et constitue à ce jour son modèle le plus sûr pour éviter des actions imprudentes aux effets difficiles à inverser.

Fort pour trouver des vulnérabilités, freiné pour les exploiter

Anthropic affirme qu’Opus 5 ne fait pas progresser la frontière des capacités dangereuses à double usage, et que, dans des évaluations menées avec des partenaires du secteur privé et du secteur public, il reste derrière Mythos 5 en recherche biologique comme en cybersécurité offensive. Comme pour Opus 4.8, l’entreprise dit avoir délibérément évité d’entraîner Opus 5 sur des tâches cyber — et le modèle s’y est malgré tout amélioré, uniquement comme sous-produit de gains de capacité générale. Il se rapproche désormais de Mythos 5 pour trouver des vulnérabilités logicielles.

L’écart subsiste sur la seconde moitié de cette chaîne. Sur OSS-Fuzz, une évaluation interne qui mesure si un modèle peut trouver une vulnérabilité puis l’exploiter avec peu d’aide humaine, Opus 5 fait jeu égal avec Mythos 5 sur l’identification mais reste très en retrait sur le développement d’exploits — l’étape qui transforme un bug en menace cyber concrète.

Comment les garde-fous fonctionnent réellement

Les classificateurs cyber d’Opus 5 autorisent la recherche de vulnérabilités dans le code source mais bloquent le scan de vulnérabilités à partir de binaires — une méthode qu’Anthropic associe davantage à des acteurs malveillants — ainsi que les tests d’intrusion et la génération d’exploits. D’après ses propres tests, l’entreprise s’attend à ce que ces classificateurs interviennent environ 85 % moins souvent que ceux de Fable 5. Dans Claude.ai, Claude Code et Claude Cowork, les requêtes signalées retombent par défaut sur Opus 4.8, et le même repli peut être activé sur l’API. Les entreprises et chercheurs déjà inscrits au Cyber Verification Program d’Anthropic obtiennent un accès immédiat à une version moins restrictive.

En biologie, la direction s’inverse. Parce qu’Opus 5 embarque à peu près la même suite de garde-fous qu’Opus 4.8 plutôt que celle de Fable 5, il devient désormais le modèle généralement disponible le plus capable d’Anthropic pour la recherche scientifique — et les requêtes de biologie bloquées sur Fable 5 seront désormais redirigées vers Opus 5 plutôt que vers Opus 4.8. L’entreprise signale toutefois des limites pour la recherche autonome de longue durée, le domaine qu’elle considère comme le plus risqué, et où elle estime que Mythos 5 reste plus fort.

Ce que les développeurs doivent modifier

Il ne s’agit pas d’un simple remplacement de chaîne de modèle. Deux changements cassants s’imposent :

• La réflexion adaptative est activée par défaut. Opus 4.8 fonctionnait sans réflexion sauf demande explicite ; Opus 5 réfléchit sauf indication contraire — et comme max_tokens impose un plafond commun à la réflexion et au texte visible, les budgets existants doivent être revus.
• La réflexion ne peut être désactivée qu’à effort high ou inférieur. La combinaison de thinking: {"type": "disabled"} avec xhigh ou max renvoie désormais une erreur 400.

En dehors de cela, le minimum de prompt mis en cache tombe à 512 tokens contre 1 024, ce qui permet désormais de mettre en cache sans changement de code des prompts courts qui ne pouvaient pas l’être auparavant. Deux fonctions arrivent en bêta : les changements d’outils en cours de conversation, qui permettent aux développeurs d’ajouter ou de retirer des outils entre deux tours sans invalider le cache du prompt (en-tête mid-conversation-tool-changes-2026-07-01), et les replis automatiques, qui redirigent les requêtes signalées par la sécurité vers un autre modèle au lieu de renvoyer un refus (fallbacks: "default", en-tête server-side-fallback-2026-07-01).

Deux capacités ne sont pas reprises : l’outil web fetch n’est pas disponible sur Opus 5, et Priority Tier n’est pas pris en charge. Le préremplissage des messages assistant et les valeurs non par défaut de temperature, top_p ou top_k renvoient toujours des erreurs 400, comme sur Opus 4.8. Anthropic avertit aussi que les réponses par défaut durent plus longtemps que sur Opus 4.8, et que réduire l’effort diminue la réflexion sans raccourcir de manière fiable la sortie visible — il faut plutôt demander de la concision. Son conseil sur l’effort est de repartir sur un nouveau balayage plutôt que de réutiliser les réglages d’Opus 4.8, car les niveaux low et medium sont sensiblement plus puissants dans cette génération.

La fiche technique

Opus 5 conserve une fenêtre de contexte de 1 M de tokens et une sortie maximale de 128k — jusqu’à 300k via la bêta de sortie étendue de l’API Batch — et prend en charge les cinq niveaux d’effort : low, medium, high (par défaut), xhigh et max. Ses données d’entraînement vont jusqu’à mai 2026, soit quatre mois de plus que la date limite de janvier 2026 de Fable 5. Le Fast mode l’exécute à environ 2,5× la vitesse par défaut pour le double du prix de base, sur la Claude Platform et via les crédits d’utilisation dans Claude Code. Les développeurs l’appellent claude-opus-5 sur la Claude API ; il est aussi proposé sur Amazon Bedrock, Claude Platform on AWS, Google Cloud et Microsoft Foundry. Comme les précédents modèles Opus, l’accès général n’impose aucune exigence de conservation des données. La documentation d’Anthropic oriente désormais aussi les utilisateurs de l’obsolète Claude Opus 4.1 — qui sera retiré le 5 août 2026 — vers Opus 5 comme cible de migration.