Anthropic's Opus 5 Fica a 0,5% do seu próprio modelo de fronteira — pela metade do custo

A Anthropic lançou o Claude Opus 5 na sexta-feira com uma proposta que é essencialmente aritmética. O modelo fica a 0,5% do próprio sistema de fronteira da empresa, Claude Fable 5, em um importante benchmark de programação — ao metade do custo por tarefa, e exatamente pelo mesmo preço que seu antecessor cobrava. A entrada permanece em US$ 5 por milhão de tokens e a saída em US$ 25, inalteradas em relação ao Opus 4.8; o Fable 5 é listado a US$ 10 e US$ 50. O Opus 5 passa a ser o modelo padrão no Claude Max e a opção mais forte disponível no Claude Pro.

O que a planilha de benchmarks afirma

No Frontier-Bench v0.1, a avaliação de engenharia de software da Anthropic, o Opus 5 lidera todos os outros modelos e mais do que dobra o desempenho do Opus 4.8 a um custo por tarefa menor. No CursorBench 3.2, no esforço máximo, ele fica dentro de 0,5% da pontuação de pico do Fable 5 pela metade do custo por tarefa e supera todos os outros modelos em desempenho por dólar nas configurações de esforço alto, xhigh e máximo.

O padrão se repete fora da programação:

• ARC-AGI 3, que exige resolver problemas inéditos: a pontuação do Opus 5 é três vezes a do segundo melhor modelo.
• Zapier AutomationBench, que mede se um modelo consegue concluir uma tarefa de negócios do início ao fim: taxa de aprovação cerca de 1,5× a do segundo melhor modelo ao mesmo custo por tarefa — e, mesmo em sua configuração de esforço mais baixa, o Opus 5 conclui mais tarefas do que qualquer outro modelo.
• OSWorld 2.0, benchmark de uso de computador: ele supera o melhor resultado do Fable 5 a um pouco mais de um terço do custo e lidera todos os modelos em qualquer ponto de preço dado.

A Anthropic também reivindica resultados melhores e mais econômicos no AA Coding Agent Index, GDPval-AA v2, HLE, AutomationBench e DeepSearchQA. O único ponto em que admite perder terreno abertamente é a cibersegurança, onde Mythos 5 — o modelo disponível apenas por convite via Project Glasswing — segue à frente.

As letras miúdas sob o gráfico principal

A nota de rodapé sob o gráfico de esforço do Frontier-Bench vale a leitura. Aqueles números vêm de uma execução interna no ambiente mini-SWE-agent com backend GKE, pontuados como recompensa média em cinco tentativas por tarefa. E sempre que um classificador de segurança recusava uma solicitação durante essa execução — no Opus 5 ou no Fable 5 — o Opus 4.8 era substituído como alternativa, de modo que as linhas plotadas não são, estritamente, resultados de um único modelo.

O scorecard completo — inclusive onde ele perde

A tabela comparativa própria da Anthropic é o artefato individual mais útil do lançamento, porque é nela que o Opus 5 deixa de vencer. Ele lidera 9 de 14 linhas — mas o Fable 5 ainda leva a versão sem ferramentas de Humanity's Last Exam, a divisão de programação FrontierCode e o benchmark jurídico; o GPT-5.6 Sol da OpenAI lidera de forma direta uma avaliação de codificação agentiva; e o Mythos 5 por convite da Anthropic mantém a liderança em saúde. Todos os números são da própria Anthropic, cada modelo em sua melhor configuração de esforço:

Dois pontos saltam aos olhos na grade, e o texto corrido suaviza. No DeepSWE v1.1, um benchmark de programação, os 72,7% do GPT-5.6 Sol superam todos os Claude, inclusive o Opus 5. E as vitórias de destaque do Opus 5 são desiguais por categoria: ele mais do que dobra o campo no ARC-AGI-3 (30,2% contra 7,8%) e o supera em nove pontos no AutomationBench (26,0% contra 18,1%), mas nas divisões de programação o grupo inteiro fica a cerca de um ponto de distância entre si.

Três tarefas que a Anthropic diz que mais ninguém concluiu

A parte mais forte do argumento da Anthropic não são as pontuações, e sim a persistência. Três exemplos de suas avaliações e testes de acesso antecipado:

• Diante de um desenho de uma peça mecânica e ao ser solicitado a reconstruí-la como um modelo 3D no FreeCAD — sem qualquer forma de ver o desenho diretamente — o Opus 5 escreveu seu próprio pipeline de visão computacional para extrair a geometria dos pixels brutos e então reconstruiu a peça inteira. Ele fez isso repetidamente. A Anthropic diz que nenhum modelo concorrente com a mesma configuração resolveu em cinco tentativas.
• Recebendo um bug real em um popular gerenciador de pacotes de código aberto, ele encontrou a causa raiz e corrigiu um caso-limite que o próprio patch da comunidade havia deixado passar. Um modelo concorrente corrigiu apenas o sintoma superficial e depois informou que o bug estava resolvido.
• Um engenheiro de uma corretora usou o modelo para construir um feed de dados de mercado para uma nova bolsa em uma única sessão — trabalho que modelos anteriores não conseguiam concluir de forma alguma, mesmo com planos extensos. Sem encontrar um feed ao vivo para validação, o modelo construiu seu próprio ambiente de testes para verificar se o código analisava corretamente os dados da bolsa.

O que os clientes iniciais mediram de fato

A Anthropic publicou 22 depoimentos de clientes com acesso antecipado, e um número incomum deles traz números concretos:

• Ben Kus, CTO da Box: o Opus 5 supera o Opus 4.8 em 8% no total, com ganhos de 11% em análise de dados e 17% em due diligence.
• Fabian Hedin, cofundador da Lovable: alta de 22% sobre o Opus 4.7 nas tarefas agentivas de programação mais difíceis da empresa, e "mais estável, com muito menos variação de uma execução para outra."
• Wade Foster, CEO da Zapier: o Opus 5 liderou o AutomationBench "sem gastar mais tokens do que modelos Claude anteriores." Em um fluxo de prevenção de churn que modelos anteriores falharam em concluir, ele atingiu 100%.
• Uma equipe de IA jurídica relatou qualidade comparável em níveis mais baixos de raciocínio, ao mesmo tempo em que gerava 26% menos tokens do que o Opus 4.8 no raciocínio máximo. Um líder de avaliações financeiras mediu 9 pontos percentuais a mais de precisão com um terço menos interações e chamadas de ferramenta e 60% menos tempo. Um benchmark de trading registrou o melhor resultado já obtido com Opus usando cerca de um sétimo dos tokens de raciocínio e menos da metade da latência do Opus 4.8.
• Scott Wu, CEO da Cognition, disse que ele "se aproxima de desempenho no nível do Fable pela metade do custo" dentro do Devin, com força particular em depuração e análise de causa raiz. Madhav Jha, CTO da Vercel, chamou-o de "o maior salto na família Opus desde 4.5."

Um relatório antecipa para onde a codificação agentiva está caminhando: uma equipe de benchmark de frontend disse que o modelo abriu suas próprias páginas em um navegador nas larguras de desktop e celular, detectou um produto oculto abaixo da dobra no mobile e um botão de checkout fora da tela, e corrigiu ambos antes de devolver o trabalho.

Química, proteínas e um túnel de vento

O Opus 5 supera o Opus 4.8 em todas as avaliações internas da Anthropic para ciências da vida, que abrangem biologia estrutural, química orgânica e bioinformática. Os maiores ganhos são de +10,2 pontos percentuais em tarefas de química orgânica, como inferir estruturas moleculares a partir de dados de espectroscopia, e +7,7 pontos em trabalho com proteínas, como prever como variações em uma sequência alteram a função. A Anthropic também destaca uma saída visual mais forte, incluindo uma simulação interativa de túnel de vento que o modelo construiu para visualizar o fluxo de ar sobre objetos aerodinâmicos — e deliberadamente não aerodinâmicos.

O modelo mais alinhado que a Anthropic auditou

No auditoria comportamental automatizada da empresa, o Opus 5 marcou 2,3 em comportamento desalinhado geral, o menor entre seus modelos recentes. A Anthropic diz que ele segue melhor a Constituição do Claude do que o Opus 4.8, o Sonnet 5 ou o Fable 5, apresenta as menores taxas de comportamento enganoso, é o menos suscetível a ser induzido ao uso indevido e é seu modelo mais seguro até agora para evitar ações imprudentes com efeitos colaterais difíceis de reverter.

Forte em encontrar vulnerabilidades, mais contido ao explorá-las

A Anthropic diz que o Opus 5 não avança a fronteira em capacidade de uso duplo arriscado e que, em avaliações conduzidas com parceiros do setor privado e do governo, ele continua atrás do Mythos 5 tanto em pesquisa biológica quanto em cibersegurança ofensiva. Como no Opus 4.8, a empresa diz que evitou intencionalmente treinar o Opus 5 em tarefas cibernéticas — e o modelo melhorou nelas de qualquer forma, apenas como subproduto de se tornar mais capaz de forma geral. Agora ele se aproxima do Mythos 5 em encontrar vulnerabilidades de software.

A distância que ainda mantém está na segunda metade desse pipeline. No OSS-Fuzz, uma avaliação interna sobre se um modelo consegue encontrar uma vulnerabilidade e depois explorá-la com pouca orientação humana, o Opus 5 iguala o Mythos 5 na identificação, mas fica muito atrás no desenvolvimento de exploit — a etapa que transforma um bug em uma ameaça cibernética material.

Como as salvaguardas funcionam na prática

Os classificadores cibernéticos do Opus 5 permitem a busca de vulnerabilidades em código-fonte, mas bloqueiam a varredura de vulnerabilidades baseada em binários — um método que a Anthropic associa mais a agentes maliciosos —, além de testes de intrusão e geração de exploit. Com base em seus próprios testes, a empresa espera que esses classificadores intervenham cerca de 85% menos do que os do Fable 5. No Claude.ai, Claude Code e Claude Cowork, as solicitações sinalizadas fazem fallback para o Opus 4.8 por padrão, e o mesmo fallback pode ser ativado na API. Empresas e pesquisadores já dentro do Cyber Verification Program da Anthropic recebem acesso imediato a uma versão com menos restrições.

Em biologia, a direção se inverte. Como o Opus 5 traz aproximadamente o mesmo conjunto de salvaguardas do Opus 4.8, e não o do Fable 5, ele agora é o modelo de uso geral mais capaz da Anthropic para pesquisa científica — e pedidos relacionados à biologia que seriam bloqueados no Fable 5 agora serão encaminhados ao Opus 5, e não ao Opus 4.8. A empresa ainda aponta limites para pesquisa autônoma de longa duração, a área que considera de maior risco, na qual diz que o Mythos 5 continua mais forte.

O que os desenvolvedores precisam mudar

Este não é um simples substituto de string de modelo. Duas mudanças quebram integrações:

• O raciocínio adaptativo vem ativado por padrão. O Opus 4.8 rodava sem raciocínio, a menos que solicitado; o Opus 5 raciocina, a menos que seja instruído de outra forma — e, como max_tokens é um teto rígido para raciocínio mais texto visível juntos, os orçamentos existentes precisam ser revistos.
• O raciocínio só pode ser desativado em esforço high ou inferior. Combinar thinking: {"type": "disabled"} com xhigh ou max agora retorna erro 400.

Além disso, o prompt mínimo armazenável em cache cai para 512 tokens, ante 1.024, de modo que prompts curtos que antes não podiam ser armazenados em cache agora podem, sem mudança de código. Duas funções chegam em beta: mid-conversation tool changes, que permitem aos desenvolvedores adicionar ou retirar ferramentas entre turnos sem invalidar o cache do prompt (header mid-conversation-tool-changes-2026-07-01), e automatic fallbacks, que redirecionam solicitações sinalizadas por segurança para outro modelo em vez de retornar uma recusa (fallbacks: "default", header server-side-fallback-2026-07-01).

Dois recursos não são mantidos: a ferramenta web fetch não está disponível no Opus 5, e Priority Tier não é compatível. Preenchimento prévio de mensagem do assistente e valores não padrão de temperature, top_p ou top_k continuam retornando erro 400, como no Opus 4.8. A Anthropic também alerta que as respostas padrão rodam por mais tempo do que no Opus 4.8 e que reduzir o esforço diminui o raciocínio sem encurtar de forma confiável a saída visível — peça concisão. Sua orientação sobre esforço é fazer uma nova rodada de testes em vez de transportar as configurações do Opus 4.8, porque low e medium são significativamente mais fortes nesta geração.

A ficha técnica

O Opus 5 mantém uma janela de contexto de 1 milhão de tokens e 128 mil de saída máxima — até 300 mil pela versão beta de saída estendida da Batch API — e oferece suporte a todos os cinco níveis de esforço: low, medium, high (o padrão), xhigh e max. Seus dados de treinamento vão até maio de 2026, quatro meses mais recentes do que o corte de janeiro de 2026 do Fable 5. O Fast mode o executa a cerca de 2,5× a velocidade padrão pelo dobro do preço-base, na Claude Platform e por meio de créditos de uso no Claude Code. Desenvolvedores o chamam de claude-opus-5 na Claude API; ele também é oferecido no Amazon Bedrock, Claude Platform on AWS, Google Cloud e Microsoft Foundry. Como nos modelos Opus anteriores, o acesso geral não traz exigências de retenção de dados. A documentação da Anthropic também agora aponta usuários do descontinuado Claude Opus 4.1 — que será aposentado em 5 de agosto de 2026 — para o Opus 5 como destino de migração.