Claude Opus 5.5: дешевле на 20% и что ломается при переходе

Anthropic выпустила Claude Opus 5.5 сегодня, 22 сентября. Модель стоит 4 доллара за миллион входных токенов и 20 за миллион выходных - на 20 процентов дешевле Opus 5, который держал планку 5 и 25. Контекст остался прежним, миллион токенов, максимальный ответ - 128 тысяч. Идентификатор в API: claude-opus-5-5.

Прирост в бенчмарках крупный, но интереснее другое. Четыре изменения в API возвращают 400-ю ошибку на коде, который спокойно работал вчера. Пятое ничего не ломает и не ругается - просто ваш интерфейс замолкает посреди длинной задачи. Ниже разбор цифр, расчёт реальной экономии на живом бюджете и чек-лист, что проверить до переключения прода.

Цифры релиза#

Anthropic опубликовала семь замеров. Собрал те, где есть сравнение с предыдущим Opus и с конкурентами.

Скачок в Terminal-Bench на четырнадцать пунктов - это много даже по меркам гонки релизов. Обратите внимание на строчку AutomationBench: там Opus 5.5 обошел Opus 5 в полтора раза, но GPT-6 Astra все равно впереди на 1,4 пункта. Anthropic эту строчку в свою таблицу поставила, хотя могла бы и не ставить. Честная выкладка, редкий случай.

Что за этими процентами стоит в работе. Модель выдаёт токены больше чем на 30 процентов быстрее Opus 5 и на той же задаче тратит их меньше. Один из тестировщиков прогнал миграцию кодовой базы на 680 тысяч строк меньше чем за день - работа, на которую команда инженеров закладывает недели. На переписывании HAProxy с C на Rust модель уложилась в 9,5 часа против 12 у более дорогой Fable 5.1 и обошлась на 51 процент дешевле.

Из цифр партнеров: Quantium закрыли задачу за 11 промптов и 3 часа вместо 38 промптов и 4 дней, Optiver получили качество Opus 5 за половину ходов и токенов, Deloitte поймали 72 процента багов на минимальном уровне усилий против 56 процентов у Opus 5.

Последняя цифра - про безопасность. На собственном автоматизированном поведенческом аудите Anthropic модель показала лучший результат среди всего, что компания тестировала. Внешние проверки провели Frontier Design и METR. Прибавились два новых классификатора: биологический и на попытки вытащить внутренние рассуждения модели в текст ответа.

Где экономия не такая, как в пресс-релизе#

Прайс упал везде. Вход - с 5 до 4 долларов, выход - с 25 до 20, запись в кэш на пять минут - с 6,25 до 5, на час - с 10 до 8. Сильнее всего подешевело чтение из кэша: было 0,5 доллара за миллион, стало 0,2. Это минус 60 процентов на самой массовой статье расходов любого агента, который гоняет один и тот же системный промпт сотни раз в день.

А теперь считаем на живом бюджете, потому что минус 20 процентов в прайсе и минус 20 процентов в счёте - разные вещи.

Это не придирка на пустом месте. Anthropic сама пишет: на одном и том же уровне усилий модель склонна думать больше за ход, особенно на xhigh и max. Плюс дефолтный уровень переехал с high на medium, так что запрос без явного параметра теперь считается по-другому, чем считался на Opus 5. В обе стороны.

Хорошая новость в том, что medium у новой модели по замерам Anthropic догоняет или обгоняет high у Opus 5 на кодинге и офисных задачах, а на части кодовых тестов к нему близко подходит даже low. То есть экономия там есть, но берётся она не автоматом при смене идентификатора, а пересбором уровня усилий под свои задачи.

Четыре изменения, которые валят рабочий код#

Вот тут начинается то, ради чего стоит читать документацию, а не пресс-релиз.

1. Мышление больше нельзя выключить. На Opus 5 параметр thinking со значением disabled принимался при уровне усилий high и ниже. На Opus 5.5 и он, и ручной бюджет через budget_tokens возвращают 400. Поле thinking убирается совсем, а вместо него ставится уровень усилий: там, где мышление отключали ради экономии, берем уровень пониже. Ответ теперь может начинаться с блока мышления, поэтому блоки контента выбираются по полю type, а не по позиции.

2. Принудительный вызов инструмента не поддерживается. tool_choice со значением any или tool тоже даёт 400 - включая метод подсчёта токенов, о чём легко забыть. Работает auto и none. Если вам нужен гарантированно валидный JSON, ставьте строгий режим инструментов или структурированный вывод, а в промпте прямым текстом пишите, когда инструмент применяется.

3. Блоки мышления привязаны к модели и к разговору. Каждый блок помнит, кто его произвёл. Opus 5.5 читает блоки от Opus 5 и более ранних Opus, Sonnet и Haiku, но не от Fable и Mythos. В обратную сторону его блоки читают только Fable 5.1 и Mythos 5.1. Практический вывод для тех, у кого стоит переключатель моделей или запасная модель: разговор, переехавший с Opus 5.5 на любую другую модель, продолжится без накопленных рассуждений. И отдельно: API проверяет, не менялся ли системный промпт, список инструментов или прошлые сообщения с момента, когда блок был создан. Для аккаунтов, созданных с 31 августа 2026 года, правка задним числом с последующим воспроизведением блока вернёт 400. Разговор держим только на дозапись.

4. Старый инструмент управления компьютером отвалился. На Claude API и Google Cloud computer_20251124 больше не принимается, вместо него объявляется набор computer_toolset_20260801 - без бета-заголовка, без имени и без размеров экрана. Агентский цикл придётся поправить: действие теперь лежит в поле name самого блока, за ход их может прийти несколько, и в каждом результате нужно возвращать toolset_name. На Amazon Bedrock старый инструмент продолжает работать, там менять нечего.

Пятое изменение, которое не даёт ошибки#

Это самое неприятное, потому что в логах будет тишина.

На Opus 5 короткие заметки, которые модель пишет между вызовами инструментов - "нашел вот это, теперь иду сюда", - приходили обычными текстовыми блоками. На Opus 5.5 они приезжают блоками мышления с пометкой прогресса. По умолчанию их текстовое поле пустое. Ни один запрос не падает, статус 200, все хорошо.

А в интерфейсе пользователь двадцать минут смотрит на пустоту, пока агент молча перемалывает задачу.

Лечится настройкой отображения: значение updates (пока в бете, с заголовком thinking-display-updates-2026-08-18) отдаёт краткую выжимку каждой заметки, оставляя сами рассуждения скрытыми, а summarized отдаёт и то и другое вперемешку. Дальше каждый непустой блок рендерится перед тем вызовом инструмента, к которому он относится.

Второй сюрприз того же рода - автономные агенты. Opus 5.5 регулярно отчитывается о ходе работы, и часть таких отчётов заканчивает ход текстом без вызова инструмента. Цикл, который считает такой ход завершением задачи, просто остановится на середине. Anthropic советует держать список подзадач, который модель сама обновляет, и на текстовый конец хода отвечать коротким сообщением с перечнем незакрытых пунктов. И ограничивать себя двумя-тремя автопродолжениями, чтобы по-настоящему застрявший запуск все-таки останавливался и попадал на разбор человеку.

Что показали независимые замеры#

Сервис ревью кода CodeRabbit прогнал Opus 5.5 через свой конвейер в двух конфигурациях и выложил цифры в день релиза. Набор из 80 открытых паттернов ошибок и отдельный набор из 13 сложных случаев.

На простом наборе прирост оказался косметическим: полнота 63,8 процента против 61,3 у базовой модели, точность даже чуть просела - 38,6 против 39,3. А вот на сложных случаях разрыв другой: стандартная конфигурация поймала 8 проблем из 13 против 5 у базовой, максимальная - 10 из 13. Точность на этом наборе выросла с 29,4 до 66,7 процента.

Расплата - токены. Стандартная конфигурация съела на 49 процентов больше на первом наборе и на 41 процент больше на втором, максимальная - плюс 58 и плюс 60 процентов. Вывод авторов: лучший баланс даёт стандартная конфигурация, а дополнительные усилия максимальной дают смешанный результат.

Читается это так: прибавка Opus 5.5 приходит там, где задача действительно сложная, и оплачивается расходом токенов. Ровно тот случай, когда расчёт из блока выше перестает быть теоретическим.

Кому апгрейд окупается прямо сейчас#

Три сценария, где прибавка видна в деньгах, а не в таблице бенчмарков.

Агенты, которые кликают по чужому интерфейсу. OSWorld вырос с 74 до 81,8 процента, и Anthropic отдельно отмечает: на дефолтном уровне усилий модель повторила результат, которого Opus 5 добивался только на заметно более высоком. Для сценариев, где бот работает руками в 1С, Битриксе или CRM клиента, это прямая экономия - каждый промах по кнопке стоит повторного прогона. Мы такие вещи собираем в автоматизации на ИИ, и модель под капотом там заменяемая как раз ради подобных релизов.

Разбор документов, где смысл висит на расположении. Chartography 89 процентов, но важнее формулировка Anthropic: даже на минимальном уровне усилий модель снимает значения с плотных графиков точнее, чем Opus 5 на максимальном, тратя малую долю выходных токенов. Плюс ситуации, где значение определяется не текстом, а положением: какие блоки соединяет стрелка на схеме, что изменилось между двумя версиями чертежа, во сколько начинается встреча на скриншоте календаря. Если у вас в обработке стоят костыли для картинок, написанные под старые модели, половину можно выносить.

Длинные автономные прогоны. Терминальный бенчмарк прибавил четырнадцать пунктов, и это тот класс задач, где агент работает часами без человека: аудит кодовой базы, миграция, прогон тестов до зеленого. В наших Telegram-ботах длинные цепочки отвечают за квалификацию лидов, и меньше зависших диалогов - это напрямую меньше потерянных заявок.

Чего апгрейд не даёт. Русский язык Anthropic по-прежнему не меряет - все бенчмарки англоязычные. Если модель будет работать с русскоязычным контентом клиента, это отдельный замер на ваших данных, и закладывать его в план нужно до переключения, а не после. Та же история была с Opus 4.7 и с Fable 5 - ни один релиз-пост этого вопроса не закрывает.

Чек-лист перед переключением прода#

Порядок, в котором это делается без сюрпризов.

1. Поменять идентификатор на claude-opus-5-5. На Amazon Bedrock он пишется с префиксом: anthropic.claude-opus-5-5.
2. Вычистить thinking со значениями disabled и enabled с ручным бюджетом. Вместо них - явный уровень усилий.
3. Поставить уровень усилий руками, не полагаясь на дефолт. Он теперь medium, а был high.
4. Заменить tool_choice со значениями any и tool на auto плюс строгий режим инструментов или структурированный вывод.
5. Для управления компьютером на Claude API и Google Cloud перейти на набор computer_toolset_20260801 и поправить агентский цикл.
6. Поднять max_tokens. Мышление считается в этот лимит, даже когда его содержимое вам не возвращают, и потолок, подобранный под Opus 5 с выключенным мышлением, обрежет ответ. Anthropic для длинных агентских ходов рекомендует ставить максимум - 128 тысяч.
7. Если интерфейс показывает текст между вызовами инструментов, включить отображение обновлений и рендерить непустые блоки мышления.
8. Добавить обработку отказа: ответ приходит со статусом 200, но с причиной остановки refusal и категорией. Категорий стало больше - прибавились биология и попытка вытащить рассуждения.
9. Прогнать свои задачи на обеих моделях параллельно и пересчитать стоимость закрытой задачи, а не цену за миллион токенов.

Отдельно про инструменты миграции: в Claude Code есть встроенный навык, который прогоняет замену идентификатора и правки параметров по всей кодовой базе командой /claude-api migrate this project to claude-opus-5-5, а потом выдаёт список пунктов на ручную проверку. Перед запуском он спрашивает границы правок. Это экономит час механической работы, но девятый пункт чек-листа за вас никто не сделает.

Если нужен подрядчик на встраивание Claude или другой модели в рабочий процесс - напишите нам, разберем задачу и посчитаем, где у вас узкое место: в модели, в промптах или в самом процессе. Про то, какие задачи вообще имеет смысл отдавать агентам, а какие ломаются об реальность, отдельно писали в разборе ИИ-агентов для бизнеса.

Источники#

• Introducing Claude Opus 5.5 - анонс Anthropic, бенчмарки, цены, цитаты партнеров.
• Claude Opus 5.5 overview - спецификация модели: контекст, лимиты, прайс, доступность.
• What's new in Claude Opus 5.5 - что перестало работать и какие функции поддерживаются.
• Migrating to Claude Opus 5.5 - чек-лист миграции и примеры кода до и после.
• Prompting Claude Opus 5.5 - калибровка усилий, автономные прогоны, работа с визуальным вводом.
• Claude Opus 5.5 Code Review Benchmarks - независимые замеры CodeRabbit на ревью кода.