 |
| Hình ảnh logo của Claude. Ảnh: Getty |
Claude Opus 5 chính thức xuất hiện trên các nền tảng của Anthropic kể từ hôm nay, đi kèm loạt số liệu cho thấy khả năng vượt trội trong những bài kiểm tra chuẩn về lập trình và xử lý công việc tri thức. Anthropic định giá mô hình này ở mức 5 USD cho mỗi triệu token đầu vào và 25 USD cho mỗi triệu token đầu ra, giữ nguyên so với Claude Opus 4.8, phiên bản ra mắt trước đó. Người dùng cũng có thể chọn chế độ chạy nhanh hơn, tốc độ xử lý tăng khoảng 2,5 lần so với chế độ mặc định, nhưng mức phí sẽ cao gấp đôi.
Anthropic cho biết hãng xây dựng Claude Opus 5 để xử lý các tác vụ kỹ thuật phần mềm phức tạp, tự động hóa quy trình kinh doanh, nghiên cứu khoa học và điều khiển máy tính hiệu quả hơn, đồng thời định vị đây là mô hình dùng hàng ngày thay vì chỉ dành riêng cho những khối lượng công việc nặng nhất.
Trên Frontier-Bench v0.1, bài kiểm tra chuẩn tập trung vào kỹ thuật phần mềm, Claude Opus 5 vượt qua các mô hình đối thủ tham gia thử nghiệm và đạt hiệu năng cao hơn gấp đôi so với Opus 4.8, trong khi chi phí cho mỗi tác vụ lại thấp hơn. Ở chế độ nỗ lực tối đa trên CursorBench 3.2, mô hình này chỉ kém 0,5% so với điểm số cao nhất mà Claude Fable 5 đạt được, nhưng mức chi phí chỉ bằng một nửa.
Khả năng giải quyết vấn đề mới của Claude Opus 5 cũng nổi bật, khi điểm số trên ARC-AGI 3, bài kiểm tra đánh giá năng lực xử lý tình huống chưa từng gặp, cao gấp ba lần so với mô hình xếp thứ nhì. Trên Zapier AutomationBench, thước đo khả năng hoàn thành trọn vẹn một tác vụ kinh doanh, Claude Opus 5 đạt tỷ lệ vượt qua cao gấp khoảng 1,5 lần so với mô hình đứng sau, trong khi chi phí cho mỗi tác vụ vẫn ngang nhau. Mô hình này còn vượt qua các hệ thống khác trên OSWorld 2.0, bài kiểm tra năng lực điều khiển máy tính, khi vượt kết quả tốt nhất của Fable 5 với mức chi phí chỉ hơn một phần ba.
Anthropic cũng ghi nhận những cải thiện trong lĩnh vực nghiên cứu khoa học, đặc biệt ở khoa học sự sống. Trên một bài kiểm tra nội bộ về hóa học hữu cơ, nơi mô hình phải suy luận cấu trúc phân tử từ dữ liệu quang phổ, Claude Opus 5 đạt điểm số cao hơn Opus 4.8 tới 10,2 điểm phần trăm. Ở nhóm tác vụ liên quan đến ảnh hưởng của biến đổi trình tự protein lên chức năng sinh học, mô hình cải thiện thêm 7,7 điểm phần trăm.
Anthropic mô tả Claude Opus 5 có khả năng tự kiểm tra công việc của chính mình tốt hơn và sẵn sàng thử lại nhiều lần khi cách tiếp cận ban đầu thất bại. Trong một phép thử, Anthropic đưa cho mô hình một bức ảnh chụp chi tiết máy móc nhưng không cấp công cụ xem ảnh trực tiếp, rồi yêu cầu mô hình dựng lại chi tiết đó thành bản vẽ 3D trên phần mềm FreeCAD. Claude Opus 5 tự xây dựng một quy trình thị giác máy tính để trích xuất hình học từ dữ liệu điểm ảnh thô của bức ảnh thay vì dừng lại, sau đó dựng thành công chi tiết máy nhiều lần liên tiếp, trong khi các mô hình cạnh tranh thất bại sau năm lần thử trong cùng điều kiện, theo Anthropic.
Về mặt an toàn, Anthropic cho biết Claude Opus 5 là mô hình phù hợp nhất với các nguyên tắc của hãng tính đến thời điểm hiện tại, dựa trên những bài kiểm tra hành vi tự động, và có tỷ lệ hành vi lừa dối thấp hơn so với các mô hình gần đây. Dù vậy, mô hình này vẫn kém hơn Claude Mythos 5 về năng lực tấn công mạng. Cả hai mô hình có khả năng phát hiện lỗ hổng phần mềm tương đương nhau trong bài kiểm tra OSS-Fuzz của Anthropic, nhưng Claude Opus 5 kém thành công hơn nhiều khi phải phát triển mã khai thác từ những lỗ hổng đó.
Anthropic cũng siết chặt hơn một số tác vụ liên quan đến an ninh mạng, bao gồm quét lỗ hổng dựa trên tệp nhị phân, kiểm thử xâm nhập và tạo mã khai thác. Hệ thống an toàn của Anthropic tự động gắn cờ những yêu cầu thuộc nhóm này và chuyển chúng sang cho Claude Opus 4.8 xử lý thay. Cùng đợt ra mắt, Anthropic giới thiệu thêm các tính năng thử nghiệm cho phép nhà phát triển thay đổi công cụ ngay giữa cuộc hội thoại mà không làm mất bộ nhớ đệm của prompt, đồng thời tự động chuyển các yêu cầu API bị gắn cờ sang một mô hình khác để xử lý. Hiện Claude Opus 5 đã trở thành mô hình mặc định cho gói Claude Max và là mô hình mạnh nhất mà người dùng gói Claude Pro có thể sử dụng.
