Anthropic Launches Claude Opus 5.5 for Low-Cost Agentic Coding and Computer Use

Anthropic Launches Claude Opus 5.5 for Low-Cost Agentic Coding and Computer Use

Anthropic Launches Claude Opus 5.5 for Low-Cost Agentic Coding and Computer Use

Anthropic has introduced Claude Opus 5.5, a lower-cost AI model designed to advance capabilities in agentic coding, computer use, and complex workplace tasks. 

Offering performance comparable to the Claude Fable 5.1 model, Opus 5.5 provides significant safety upgrades while reducing costs by 40% compared to its predecessor, Opus 5. 

Early testing demonstrated its ability to dramatically accelerate engineering workflows, including executing a 680,000-line code migration in less than a day.

In performance benchmarks, Opus 5.5 stands out across real-world and coding-focused evaluations. 

On the GDPval-AA v2 test for real-world work performance, the model achieved a score of 1,846, surpassing Claude Fable 5.1’s score of 1,735. 

Additionally, it outperformed GPT-6 Astra on Terminal-Bench 4.0 by scoring 66.4% against Astra's 57.9%, showcasing an 8.5% boost in efficiency, though GPT-6 Astra retained an edge on scientific benchmarks.

Anthropic emphasized robust safety improvements for the new release, validated through internal testing and external evaluations by organizations like METR and Frontier Design. 

Opus 5.5 is more resistant to prompt injection than Opus 5 and is significantly less likely to take unintended, hard-to-reverse actions. 

Moving forward, the company is developing stronger monitoring infrastructure, pre-deployment risk evaluation methods, and safe training techniques to prevent potential misuse.

Aligning technology with public policy, Anthropic highlighted the growing necessity for regulatory frameworks as AI systems become more capable. 

The company noted that building the necessary infrastructure to ensure system safety takes time, and it plans to share further details on its public policy and safety efforts soon.

Claude Opus 5.5 is currently available to developers across major platforms, including the Claude Platform, Amazon Web Services, Google Cloud, and Microsoft Azure. 

Looking ahead, Anthropic confirmed plans to expand the lineup further with the upcoming releases of Claude Sonnet 5.5 and Claude Haiku 5.5.

एंथ्रोपिक ने कम लागत वाली एजेंटिक कोडिंग और कंप्यूटर इस्तेमाल के लिए क्लॉड ओपस 5.5 लॉन्च किया

एंथ्रोपिक ने क्लॉड ओपस 5.5 पेश किया है, जो एजेंटिक कोडिंग, कंप्यूटर इस्तेमाल और मुश्किल वर्कप्लेस कामों में क्षमताओं को बेहतर बनाने के लिए डिज़ाइन किया गया एक कम लागत वाला AI मॉडल है।

क्लॉड फैबल 5.1 मॉडल के बराबर परफॉर्मेंस देते हुए, ओपस 5.5 अपने पहले वाले, ओपस 5 की तुलना में लागत में 40% की कमी करते हुए, काफी सेफ्टी अपग्रेड देता है।

शुरुआती टेस्टिंग ने इंजीनियरिंग वर्कफ़्लो को काफी तेज़ करने की इसकी क्षमता दिखाई, जिसमें एक दिन से भी कम समय में 680,000-लाइन कोड माइग्रेशन करना शामिल है।

परफॉर्मेंस बेंचमार्क में, ओपस 5.5 असल दुनिया और कोडिंग-फोकस्ड इवैल्यूएशन में सबसे अलग है।

असल दुनिया के काम के परफॉर्मेंस के लिए GDPval-AA v2 टेस्ट में, मॉडल ने 1,846 का स्कोर हासिल किया, जो क्लॉड फैबल 5.1 के 1,735 के स्कोर से ज़्यादा था।

 इसके अलावा, इसने टर्मिनल-बेंच 4.0 पर GPT-6 Astra से बेहतर परफॉर्म किया, Astra के 57.9% के मुकाबले 66.4% स्कोर किया, जिससे एफिशिएंसी में 8.5% की बढ़ोतरी हुई, हालांकि GPT-6 Astra ने साइंटिफिक बेंचमार्क पर बढ़त बनाए रखी।

एंथ्रोपिक ने नए रिलीज़ के लिए मजबूत सेफ्टी सुधारों पर जोर दिया, जिसे METR और फ्रंटियर डिज़ाइन जैसे संगठनों द्वारा इंटरनल टेस्टिंग और बाहरी मूल्यांकन के जरिए वैलिडेट किया गया।

Opus 5.5, Opus 5 की तुलना में प्रॉम्प्ट इंजेक्शन के लिए ज्यादा रेसिस्टेंट है और इसके अनजाने, मुश्किल से पलटने वाले एक्शन लेने की संभावना काफी कम है।

आगे बढ़ते हुए, कंपनी संभावित गलत इस्तेमाल को रोकने के लिए मजबूत मॉनिटरिंग इंफ्रास्ट्रक्चर, प्री-डिप्लॉयमेंट रिस्क मूल्यांकन के तरीके और सुरक्षित ट्रेनिंग तकनीकें डेवलप कर रही है।

टेक्नोलॉजी को पब्लिक पॉलिसी के साथ जोड़ते हुए, एंथ्रोपिक ने रेगुलेटरी फ्रेमवर्क की बढ़ती जरूरत पर जोर दिया क्योंकि AI सिस्टम ज्यादा कैपेबल होते जा रहे हैं।

कंपनी ने कहा कि सिस्टम सेफ्टी पक्का करने के लिए जरूरी इंफ्रास्ट्रक्चर बनाने में समय लगता है, और वह जल्द ही अपनी पब्लिक पॉलिसी और सेफ्टी कोशिशों के बारे में और डिटेल्स शेयर करने का प्लान बना रही है।

 क्लाउड ओपस 5.5 अभी क्लाउड प्लेटफॉर्म, अमेज़न वेब सर्विसेज़, गूगल क्लाउड और माइक्रोसॉफ्ट एज़्योर जैसे बड़े प्लेटफॉर्म पर डेवलपर्स के लिए उपलब्ध है।

आगे देखते हुए, एंथ्रोपिक ने क्लाउड सॉनेट 5.5 और क्लाउड हाइकू 5.5 के आने वाले रिलीज़ के साथ लाइनअप को और बढ़ाने के प्लान को कन्फर्म किया है।

తక్కువ ఖర్చుతో ఏజెంటిక్ కోడింగ్ మరియు కంప్యూటర్ వినియోగం కోసం ఆంత్రోపిక్ క్లాడ్ ఓపస్ 5.5ను విడుదల చేసింది

ఏజెంటిక్ కోడింగ్, కంప్యూటర్ వినియోగం, మరియు క్లిష్టమైన కార్యాలయ పనులలో సామర్థ్యాలను పెంపొందించడానికి రూపొందించిన తక్కువ-ధర AI మోడల్ అయిన క్లాడ్ ఓపస్ 5.5ను ఆంత్రోపిక్ పరిచయం చేసింది.

క్లాడ్ ఫేబుల్ 5.1 మోడల్‌తో పోల్చదగిన పనితీరును అందిస్తూ, ఓపస్ 5.5 దాని మునుపటి మోడల్ అయిన ఓపస్ 5తో పోలిస్తే ఖర్చులను 40% తగ్గించడంతో పాటు, భద్రతలో గణనీయమైన మెరుగుదలలను కూడా అందిస్తుంది.

ప్రారంభ పరీక్షలలో, ఇది ఇంజనీరింగ్ వర్క్‌ఫ్లోలను నాటకీయంగా వేగవంతం చేయగలదని నిరూపించబడింది. ఇందులో భాగంగా, 6,80,000 లైన్ల కోడ్ మైగ్రేషన్‌ను ఒక రోజు కంటే తక్కువ సమయంలో పూర్తి చేసింది.

పనితీరు బెంచ్‌మార్క్‌లలో, వాస్తవ ప్రపంచ మరియు కోడింగ్-కేంద్రీకృత మూల్యాంకనాలలో ఓపస్ 5.5 ప్రత్యేకంగా నిలుస్తుంది.

వాస్తవ ప్రపంచ పనితీరు కోసం నిర్వహించిన GDPval-AA v2 పరీక్షలో, ఈ మోడల్ 1,846 స్కోరును సాధించి, క్లాడ్ ఫేబుల్ 5.1 యొక్క 1,735 స్కోరును అధిగమించింది.

 అదనంగా, ఇది టెర్మినల్-బెంచ్ 4.0లో GPT-6 ఆస్ట్రా యొక్క 57.9%తో పోలిస్తే 66.4% స్కోర్ చేసి, దాని సామర్థ్యాన్ని 8.5% పెంచి అధిగమించింది. అయినప్పటికీ, శాస్త్రీయ బెంచ్‌మార్క్‌లలో GPT-6 ఆస్ట్రా తన ఆధిక్యాన్ని నిలుపుకుంది.

METR మరియు ఫ్రాంటియర్ డిజైన్ వంటి సంస్థల ద్వారా అంతర్గత పరీక్షలు మరియు బాహ్య మూల్యాంకనాల ద్వారా ధృవీకరించబడిన, ఈ కొత్త విడుదల కోసం పటిష్టమైన భద్రతా మెరుగుదలలను ఆంత్రోపిక్ నొక్కి చెప్పింది.

ఓపస్ 5 కంటే ఓపస్ 5.5 తక్షణ ఇంజెక్షన్‌ను ఎక్కువగా నిరోధిస్తుంది మరియు అనుకోని, వెనక్కి మార్చలేని చర్యలు తీసుకునే అవకాశం గణనీయంగా తక్కువగా ఉంటుంది.

భవిష్యత్తులో, సంభావ్య దుర్వినియోగాన్ని నివారించడానికి కంపెనీ పటిష్టమైన పర్యవేక్షణ మౌలిక సదుపాయాలు, ముందస్తు-అమలు ప్రమాద అంచనా పద్ధతులు మరియు సురక్షిత శిక్షణా పద్ధతులను అభివృద్ధి చేస్తోంది.

సాంకేతికతను ప్రజా విధానంతో అనుసంధానిస్తూ, AI వ్యవస్థలు మరింత సామర్థ్యం గలవిగా మారుతున్నందున నియంత్రణ చట్రాల ఆవశ్యకత పెరుగుతోందని ఆంత్రోపిక్ నొక్కి చెప్పింది.

వ్యవస్థ భద్రతను నిర్ధారించడానికి అవసరమైన మౌలిక సదుపాయాలను నిర్మించడానికి సమయం పడుతుందని కంపెనీ పేర్కొంది మరియు తన ప్రజా విధానం మరియు భద్రతా ప్రయత్నాలపై మరిన్ని వివరాలను త్వరలో పంచుకోవాలని యోచిస్తోంది.

 క్లాడ్ ఓపస్ 5.5 ప్రస్తుతం క్లాడ్ ప్లాట్‌ఫామ్, అమెజాన్ వెబ్ సర్వీసెస్, గూగుల్ క్లౌడ్ మరియు మైక్రోసాఫ్ట్ అజూర్ వంటి ప్రధాన ప్లాట్‌ఫామ్‌లలోని డెవలపర్‌లకు అందుబాటులో ఉంది.

భవిష్యత్తులో, క్లాడ్ సోనెట్ 5.5 మరియు క్లాడ్ హైకు 5.5 రాబోయే విడుదలలతో ఈ శ్రేణిని మరింత విస్తరించే ప్రణాళికలను ఆంత్రోపిక్ ధృవీకరించింది.