Opus 5 di Anthropic si avvicina al 0,5% del suo modello frontier — a metà costo

Anthropic ha lanciato venerdì Claude Opus 5 con una proposta che è, sostanzialmente, aritmetica. Il modello si colloca entro lo 0,5% del sistema frontier della società, Claude Fable 5, su un importante benchmark di coding — a metà del costo per task, e al prezzo esatto del suo predecessore. L’input resta a 5 dollari per milione di token e l’output a 25 dollari, invariati rispetto a Opus 4.8; Fable 5 è listato a 10 e 50 dollari. Opus 5 diventa il modello predefinito su Claude Max e l’opzione più potente disponibile su Claude Pro.

Cosa sostiene la scheda dei benchmark

Su Frontier-Bench v0.1, la valutazione di Anthropic per l’ingegneria del software, Opus 5 supera ogni altro modello e più che raddoppia le prestazioni di Opus 4.8 a un costo per task inferiore. Su CursorBench 3.2, al massimo sforzo, si colloca entro lo 0,5% del punteggio di picco di Fable 5 per metà del costo per task, e batte ogni altro modello in termini di prestazioni per dollaro alle impostazioni di effort high, xhigh e max.

Lo schema si ripete anche lontano dal codice:

• ARC-AGI 3, che richiede la soluzione di problemi nuovi: il punteggio di Opus 5 è tre volte quello del modello immediatamente successivo.
• Zapier AutomationBench, che misura se un modello riesce a portare a termine un compito aziendale dall’inizio alla fine: tasso di superamento pari a circa 1,5× quello del modello successivo a parità di costo per task — e persino alla sua impostazione di effort più bassa, Opus 5 supera più task di qualsiasi altro modello.
• OSWorld 2.0, un benchmark di utilizzo del computer: batte il miglior risultato di Fable 5 con poco più di un terzo del costo, e guida ogni modello a qualsiasi dato livello di prezzo.

Anthropic rivendica inoltre i migliori risultati, e i più efficienti in termini di costo, su AA Coding Agent Index, GDPval-AA v2, HLE, AutomationBench e DeepSearchQA. L’unico ambito in cui ammette apertamente di cedere terreno è la cybersecurity, dove Mythos 5 — il modello su invito offerto tramite Project Glasswing — resta avanti.

Le note in piccolo sotto il grafico principale

La nota a piè di pagina sotto il grafico Frontier-Bench merita attenzione. Quei numeri provengono da un run interno sul framework mini-SWE-agent con backend GKE, valutato come reward medio su cinque tentativi per task. E ogni volta che un classificatore di sicurezza ha rifiutato una richiesta durante quel run — su Opus 5 o su Fable 5 — Opus 4.8 è stato sostituito come fallback, quindi le linee tracciate non sono risultati rigorosamente di un singolo modello.

Il quadro completo — inclusi i punti in cui perde

La tabella comparativa di Anthropic è l’elemento singolo più utile del rilascio, perché è lì che Opus 5 smette di vincere. È in testa in 9 delle 14 righe — ma Fable 5 mantiene ancora la versione senza strumenti di Humanity's Last Exam, il sottoinsieme di coding FrontierCode e il benchmark legale; GPT-5.6 Sol di OpenAI guida senza ambiguità una valutazione di coding agentico; e Mythos 5 su invito di Anthropic mantiene il vantaggio in ambito salute. Tutti i dati sono di Anthropic, ciascun modello nella sua migliore impostazione di effort:

Due elementi emergono dalla griglia che il testo scorre via senza soffermarsi. Su DeepSWE v1.1, un benchmark di coding, il 72,7% di GPT-5.6 Sol supera ogni Claude, incluso Opus 5. E le vittorie di punta di Opus 5 sono sbilanciate per categoria: più che raddoppia il campo su ARC-AGI-3 (30,2% contro 7,8%) e lo distanzia di nove punti su AutomationBench (26,0% contro 18,1%), ma nei sottoinsiemi di coding l’intero gruppo resta all’interno di circa un punto l’uno dall’altro.

Tre compiti che Anthropic dice nessun altro abbia completato

La parte più forte del caso di Anthropic non sono i punteggi ma la persistenza. Tre esempi dalle sue valutazioni e dai test in accesso anticipato:

• Dato il disegno di un componente meccanico e chiesto di ricostruirlo come un modello 3D in FreeCAD — senza la possibilità di vedere direttamente il disegno — Opus 5 ha scritto una propria pipeline di computer vision per estrarre la geometria dai pixel grezzi, quindi ha ricostruito l’intero pezzo. Lo ha fatto ripetutamente. Anthropic afferma che nessun modello concorrente con la stessa configurazione lo ha risolto in cinque tentativi.
• Messosi davanti a un bug reale in un popolare package manager open source, ha individuato la causa principale e corretto un caso limite che la patch della community aveva mancato. Un modello concorrente ha corretto solo il sintomo superficiale, poi ha segnalato il bug come risolto.
• Un ingegnere di una società di trading lo ha usato per costruire un feed di dati di mercato per una nuova borsa in una singola sessione — un lavoro che i modelli precedenti non riuscivano a completare affatto, neppure con piani dettagliati. Non trovando un feed live per la convalida, il modello ha costruito un proprio harness di test per verificare che il suo codice analizzasse correttamente i dati della borsa.

Cosa hanno misurato davvero i primi clienti

Anthropic ha pubblicato 22 testimonianze di clienti in accesso anticipato, e un numero insolito di esse contiene dati concreti:

• Ben Kus, CTO di Box: Opus 5 supera Opus 4.8 dell’8% complessivo, con guadagni dell’11% nell’analisi dei dati e del 17% nella due diligence.
• Fabian Hedin, cofondatore di Lovable: +22% rispetto a Opus 4.7 nei task di coding agentico più difficili dell’azienda, e "più stabile, con molta meno varianza da esecuzione a esecuzione."
• Wade Foster, CEO di Zapier: Opus 5 ha superato AutomationBench "senza spendere più token dei precedenti modelli Claude." Su un workflow di prevenzione del churn che i modelli precedenti avevano fallito del tutto, ha raggiunto il 100%.
• Un team di legal AI ha riportato qualità comparabile a livelli di reasoning inferiori, generando però il 26% di token in meno rispetto a Opus 4.8 al massimo ragionamento. Un responsabile delle valutazioni finanziarie ha misurato 9 punti percentuali in più di accuratezza con un terzo in meno di turni e chiamate agli strumenti e il 60% in meno di tempo. Un benchmark di trading ha registrato il suo miglior risultato di sempre con Opus usando circa un settimo dei token di ragionamento e meno della metà della latenza di Opus 4.8.
• Scott Wu, CEO di Cognition, ha detto che "si avvicina alle prestazioni di Fable a metà del costo" dentro Devin, con particolare forza nel debugging e nell’analisi della causa radice. Madhav Jha, CTO di Vercel, lo ha definito "il più grande salto nella famiglia Opus da 4.5."

Un report anticipa dove sta andando il coding agentico: un team di frontend benchmark ha detto che il modello ha aperto da solo le sue pagine in un browser a larghezze desktop e telefono, ha individuato un prodotto nascosto sotto la piega su mobile e un pulsante di checkout fuori schermo, correggendo entrambi prima di restituire il lavoro.

Chimica, proteine e una galleria del vento

Opus 5 batte Opus 4.8 in tutte le valutazioni interne di Anthropic nelle scienze della vita, che coprono biologia strutturale, chimica organica e bioinformatica. I maggiori guadagni sono di +10,2 punti percentuali nei task di chimica organica, come l’inferenza della struttura molecolare dai dati di spettroscopia, e di +7,7 punti nel lavoro sulle proteine, come la previsione del modo in cui le variazioni in una sequenza ne cambiano la funzione. Anthropic mostra anche un output visivo più forte, compresa una simulazione interattiva di galleria del vento che il modello ha costruito per visualizzare il flusso d’aria su oggetti aerodinamici — e deliberatamente non aerodinamici.

Il modello più allineato che Anthropic abbia auditato

Nell’audit comportamentale automatizzato dell’azienda, Opus 5 ha ottenuto 2,3 sul comportamento complessivamente non allineato, il valore più basso tra i modelli recenti. Anthropic afferma che aderisce alla Costituzione di Claude meglio di Opus 4.8, Sonnet 5 o Fable 5, mostra i tassi più bassi di comportamento ingannevole, è il meno suscettibile a essere indotto all’uso improprio ed è il suo modello più sicuro finora nell’evitare azioni avventate con effetti collaterali difficili da invertire.

Forte nel trovare vulnerabilità, frenato nello sfruttarle

Anthropic sostiene che Opus 5 non porti avanti la frontiera nelle capacità rischiose a doppio uso e che, nelle valutazioni condotte insieme a partner del settore privato e del governo, resti dietro a Mythos 5 sia nella ricerca biologica sia nella cybersecurity offensiva. Come per Opus 4.8, l’azienda dice di aver evitato intenzionalmente di addestrare Opus 5 su task cyber — e il modello è migliorato comunque in quell’area, semplicemente come sottoprodotto di un aumento generale delle capacità. Ora si avvicina a Mythos 5 nel trovare vulnerabilità software.

Il divario che mantiene riguarda la seconda metà della catena. Su OSS-Fuzz, una valutazione interna che misura se un modello può trovare una vulnerabilità e poi sfruttarla con poca guida umana, Opus 5 eguaglia Mythos 5 nell’identificazione ma resta molto indietro nello sviluppo dell’exploit — il passaggio che trasforma un bug in una minaccia cyber concreta.

Come funzionano davvero le protezioni

I classificatori cyber di Opus 5 consentono la ricerca di vulnerabilità nel codice sorgente ma bloccano la scansione delle vulnerabilità basata su binari — un metodo che Anthropic associa più agli attori malevoli — oltre al penetration testing e alla generazione di exploit. In base ai propri test, l’azienda si aspetta che quei classificatori intervengano circa l’85% in meno rispetto a quelli di Fable 5. In Claude.ai, Claude Code e Claude Cowork, le richieste segnalate tornano di default a Opus 4.8, e lo stesso fallback può essere attivato via API. Imprese e ricercatori già all’interno del Cyber Verification Program di Anthropic ottengono accesso immediato a una build con meno restrizioni.

In ambito biologico la direzione si ribalta. Poiché Opus 5 porta approssimativamente la stessa suite di salvaguardie di Opus 4.8 anziché quella di Fable 5, è ora il modello generalmente disponibile più capace di Anthropic per la ricerca scientifica — e le richieste biologiche bloccate su Fable 5 verranno ora instradate verso Opus 5 anziché verso Opus 4.8. L’azienda continua tuttavia a segnalare limiti sulla ricerca autonoma di lunga durata, l’area che considera a rischio più elevato, dove dice che Mythos 5 resti più forte.

Cosa devono cambiare gli sviluppatori

Non si tratta di sostituire semplicemente una stringa del modello. Due cambiamenti sono breaking:

• Il thinking adattivo è attivo di default. Opus 4.8 funzionava senza thinking, salvo richiesta; Opus 5 pensa a meno che non gli venga detto il contrario — e poiché max_tokens è un limite rigido che comprende insieme thinking e testo visibile, i budget esistenti vanno rivisti.
• Il thinking può essere disattivato solo con effort high o inferiore. Combinare thinking: {"type": "disabled"} con xhigh o max restituisce ora un errore 400.

In più, la soglia minima per il prompt memorizzabile scende a 512 token da 1.024, così i prompt brevi che prima non potevano essere memorizzati ora possono esserlo, senza modifiche al codice. Due funzionalità arrivano in beta: i cambi di tool a metà conversazione, che consentono agli sviluppatori di aggiungere o ritirare tool tra un turno e l’altro senza invalidare la cache del prompt (header mid-conversation-tool-changes-2026-07-01), e i fallback automatici, che reindirizzano le richieste segnalate dal sistema di sicurezza verso un altro modello invece di restituire un rifiuto (fallbacks: "default", header server-side-fallback-2026-07-01).

Due capacità non vengono mantenute: lo strumento web fetch non è disponibile su Opus 5 e Priority Tier non è supportato. Anche il prefill nei messaggi assistant e valori non predefiniti di temperature, top_p o top_k continuano a restituire errori 400, come su Opus 4.8. Anthropic avverte inoltre che le risposte predefinite sono più lunghe rispetto a Opus 4.8, e che abbassare l’effort riduce il thinking senza accorciare in modo affidabile l’output visibile — meglio chiedere esplicitamente sintesi. Il consiglio sull’effort è di eseguire una nuova sweep invece di riutilizzare le impostazioni di Opus 4.8, perché low e medium sono significativamente più forti in questa generazione.

La scheda tecnica

Opus 5 mantiene una finestra di contesto da 1M di token e un massimo di output di 128k — fino a 300k tramite la beta extended-output dell’API Batch — e supporta tutti e cinque i livelli di effort: low, medium, high (il default), xhigh e max. I dati di training arrivano fino a maggio 2026, quattro mesi più recenti della data di cutoff di Fable 5, fissata a gennaio 2026. La Fast mode lo esegue a circa 2,5× la velocità di default per il doppio del prezzo base, sulla Claude Platform e tramite i crediti d’uso in Claude Code. Gli sviluppatori lo chiamano come claude-opus-5 sull’API Claude; è offerto anche su Amazon Bedrock, Claude Platform su AWS, Google Cloud e Microsoft Foundry. Come per i precedenti modelli Opus, l’accesso generale non prevede requisiti di conservazione dei dati. La documentazione di Anthropic indica inoltre agli utenti del deprecato Claude Opus 4.1 — che verrà ritirato il 5 agosto 2026 — Opus 5 come destinazione della migrazione.