Anthropic wypuścił w piątek 24 lipca model Claude Opus 5 i zamiast obiecywać skok inteligencji, obiecuje niższy rachunek za wykonanie tego samego zadania. Cennik pozostał identyczny jak w Opusie 4.8, czyli 5 dolarów za milion tokenów wejściowych i 25 dolarów za milion wyjściowych, a to połowa stawki topowego Fable 5.
Kluczowe fakty:
- Claude Opus 5 został wydany 24 lipca z cennikiem identycznym jak Opus 4.8 – 5 dolarów za milion tokenów wejściowych i 25 dolarów za milion wyjściowych, co stanowi połowę stawki konkurencyjnego modelu Fable 5.
- W benchmarku ARC-AGI-3 Opus 5 osiąga 30,2 proc., podczas gdy Opus 4.8 miał 1,5 proc., a GPT-5.6 Sol 7,8 proc., co oznacza niemal czterokrotną przewagę nad najlepszym konkurentem w tym teście.
- Anthropic udostępnia pięć poziomów wysiłku modelu (low, medium, high, xhigh, max), które kontrolują liczbę tokenów rozumowania zużywanych na jedno zapytanie.
Firma opublikowała przy okazji dwa interaktywne materiały pokazujące, co model potrafi wygenerować wizualnie: symulator tunelu aerodynamicznego oraz uproszczoną, klikalną ilustrację komórki. Do zapowiedzi dołączono także krótki materiał wideo. Warto na nie spojrzeć, zanim przejdziemy do liczb, bo to one napędzają narrację tej premiery.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Liczby, które Anthropic pokazuje najchętniej
Na Frontier-Bench v0.1, teście agentowego kodowania w terminalu, Opus 5 osiąga 43,3 proc. Dla porównania: Fable 5 notuje 33,7 proc., GPT-5.6 Sol 34,4 proc., a poprzednik Opus 4.8 zaledwie 21,1 proc. W teście pracy umysłowej GDPval-AA v2 nowy model prowadzi z wynikiem Elo 1861, przed Fable 5 (1747) i GPT-5.6 Sol (1736).
Największym zaskoczeniem jest ARC-AGI-3, benchmark sprawdzający rozwiązywanie problemów, których model wcześniej nie widział. Opus 5 dostaje tam 30,2 proc. Opus 4.8 miał 1,5 proc. GPT-5.6 Sol ma 7,8 proc. To przewaga prawie czterokrotna nad najlepszym konkurentem i jednocześnie wynik na tyle odstający od reszty tabeli, że sam w sobie zasługuje na ostrożność. Anthropic nie podał wyniku Fable 5 w tej kategorii.
Model nie wygrywa jednak wszędzie. Na DeepSWE v1.1 prowadzi GPT-5.6 Sol z 72,7 proc., za nim Fable 5 (69,7 proc.), a Opus 5 zamyka stawkę z 68,8 proc. W zadaniach medycznych lepszy jest Fable 5, w prawniczych Mythos 5.
Prawdziwym produktem jest suwak wysiłku
Anthropic udostępnia pięć poziomów wysiłku modelu: low, medium, high, xhigh i max. To one decydują, ile tokenów rozumowania model spali na jednym zapytaniu. W przewodniku po promptowaniu firma zaleca szerokie korzystanie z ustawień niskich i średnich, a dopiero przy kodowaniu i pracy agentowej sugeruje start od xhigh.
I tu robi się ciekawie. Redakcja The Decoder zauważyła, że na dwóch benchmarkach, Frontier-Bench v0.1 oraz Artificial Analysis Coding Agent Index, Opus 5 wypada nieco gorzej przy ustawieniu max niż przy drugim od góry, mimo że kosztuje wtedy więcej. Płacisz więcej, dostajesz gorszy wynik. To dobra ilustracja tego, że „więcej myślenia” nie jest w tej architekturze funkcją rosnącą.
Wśród klientów wczesnego dostępu najczęściej powtarza się właśnie argument oszczędności. Niko Grupen, szef badań stosowanych w prawniczej firmie Harvey, mówi o utrzymaniu jakości przy niższych poziomach rozumowania: „osiągając podobną wydajność przy średnio 26 proc. mniejszej liczbie generowanych tokenów w porównaniu z Opusem 4.8 na maksymalnym rozumowaniu” / „achieving similar performance while generating 26% fewer tokens on average compared to Opus 4.8 at max reasoning”.
Matt Nassr, odpowiadający za globalną inżynierię danych i transformację AI, opisuje to jeszcze mocniej: „To najmocniejszy model Opus, jaki testowaliśmy na naszym benchmarku tradingowym, i dochodzi do tego, zużywając mniej więcej jedną siódmą tokenów rozumowania i mniej niż połowę opóźnienia Opusa 4.8” / „Claude Opus 5 is the strongest Opus model we’ve tested on our trading benchmark, and it gets there using roughly a seventh of the reasoning tokens and under half the latency of Opus 4.8”.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Stawka za token to nie jest koszt zadania
Tu dochodzimy do sedna, które ginie w komunikatach prasowych. Cena za milion tokenów nie mówi nic o tym, ile zapłacisz za wykonanie konkretnego zadania, bo to model decyduje, ile tokenów zużyje.
The Decoder przypomina przy okazji tej premiery, że Opus 4.7 kosztował ostatecznie od 30 do 40 proc. więcej za zadanie niż Opus 4.6, choć obie wersje miały identyczne stawki bazowe. Podobny schemat pojawił się przy Claude Sonnet 5. Niezmieniony cennik potrafi więc oznaczać podwyżkę.
Dane Artificial Analysis dorzucają kolejny niepokojący szczegół. Opus 5 w konfiguracji maksymalnego wysiłku uzyskuje 61 punktów w Intelligence Index, wyraźnie powyżej mediany w swojej półce cenowej, ale generuje przy tym 52,8 tokena na sekundę przy medianie 70,9, a czas do pierwszego tokena wynosi ponad minutę wobec mediany poniżej trzech sekund. Do przejścia całego indeksu model wyprodukował 100 mln tokenów wyjściowych. Szybko to nie jest.
Samuel Axon z Ars Technica podsumował premierę tytułem, który mówi wszystko: to wydanie o efektywności tokenowej, a nie o skoku możliwości. I zwrócił uwagę na chiński model open-weight Kimi K3, oferujący zbliżoną wydajność za 15 dolarów za milion tokenów wyjściowych.
Obserwuję tę premierę z mieszanymi uczuciami. Z jednej strony doceniam, że ktoś wreszcie mówi wprost o koszcie zadania zamiast machać cennikiem za milion tokenów, bo to właśnie ta różnica zjada budżety zespołów wdrożeniowych. Z drugiej strony trudno mi przejść obojętnie obok faktu, że firma sprzedająca efektywność jednocześnie chowa ją za pięcioma poziomami wysiłku, których działania nie da się przewidzieć bez własnych testów. Wynik 30,2 proc. na ARC-AGI-3 przy 1,5 proc. poprzednika to albo prawdziwy przełom w rozumowaniu, albo artefakt konkretnego benchmarku. Nie wiem którą wersję kupić i uważam, że nikt na razie nie wie. Sprawdziłem, jak w praktyce wygląda mierzenie kosztu zadania w polskich zespołach i odpowiedź jest smutna: prawie nikt tego nie mierzy. A bez tego cała dyskusja o taniejących modelach jest rozmową o cenniku, nie o rachunku.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Bezpieczeństwo i mniej nadgorliwe filtry
Anthropic twierdzi, że wewnętrzny audyt behawioralny dał Opusowi 5 wynik 2,3 punktu w skali zachowań niezgodnych z założeniami, najniższy spośród ostatnich modeli firmy, lepszy niż Opus 4.8, Sonnet 5 i Fable 5.
Dla praktyków ważniejsza jest jednak inna zmiana. Klasyfikatory cyberbezpieczeństwa mają uruchamiać się około 85 proc. rzadziej niż w Fable 5, którego nadgorliwe blokady spotkały się z ostrą krytyką badaczy. Opus 5 pozwala na szukanie podatności w kodzie źródłowym, ale blokuje skanowanie oparte na plikach binarnych, testy penetracyjne i generowanie exploitów. Zablokowane zapytania w Claude.ai, Claude Code i Claude Cowork domyślnie trafiają do Opusa 4.8.
Firma dorzuciła też dwie funkcje w wersji beta:
- zmiana dostępnych narzędzi w trakcie rozmowy bez unieważniania pamięci podręcznej promptu
- automatyczne przekierowanie zablokowanych zapytań API do innego modelu zamiast zwracania błędu
W naukach przyrodniczych Opus 5 poprawia się względem poprzednika we wszystkich testach, najmocniej w chemii organicznej (o 10,2 punktu procentowego przy wyprowadzaniu struktur cząsteczkowych z danych spektroskopowych) i w zadaniach białkowych (o 7,7 punktu procentowego).
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich firm?
Polski rynek nie jest rynkiem, który stać na eksperymentowanie z maksymalnym poziomem wysiłku modelu. Z badania przywołanego przez CRN Polska wynika, że w 2026 roku od 100 tys. do 1 mln zł na sztuczną inteligencję przeznaczy zaledwie 3 proc. pytanych organizacji, a powyżej miliona złotych tylko 1 proc. Aż 39 proc. respondentów w ogóle odmówiło odpowiedzi na pytanie o budżet, co samo w sobie jest odpowiedzią.
Jednocześnie 37 proc. firm już korzystających z AI deklaruje, że wdrożenie zwróciło poniesione koszty, a 18 proc. mówi wprost o zysku. Przy takich budżetach różnica między modelem zużywającym siedem razy mniej tokenów rozumowania a modelem zużywającym siedem razy więcej nie jest niuansem technicznym. To różnica między projektem, który przechodzi przez zarząd, a projektem, który ginie na etapie pilotażu.
Praktyczny wniosek dla polskiego zespołu wdrożeniowego jest prosty. Przestańcie porównywać cenniki za milion tokenów, zacznijcie mierzyć koszt jednego ukończonego zadania na własnych danych, przy trzech różnych poziomach wysiłku. Bez tego kupujecie obietnicę, nie oszczędność. A skoro Anthropic sam zaleca ustawienia low i medium, warto sprawdzić, czy droższe naprawdę cokolwiek u was zmieniają.
Opus 5 jest od piątku domyślnym modelem w planie Claude Max i najmocniejszym dostępnym w Claude Pro. Tryb Fast działa około 2,5 razy szybciej za podwójną cenę. Okno kontekstowe pozostaje na poziomie miliona tokenów.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego komunikatu Anthropic z dnia 24.07.2026, materiału The Decoder autorstwa Matthiasa Bastiana oraz danych pomiarowych Artificial Analysis. Wykorzystano także doniesienia Ars Technica, Quartz i OpenRouter, a w części dotyczącej rynku polskiego badanie przywołane przez CRN Polska. Cytaty Niko Grupena (Head of Applied Research, Harvey) i Matta Nassra (Head of Global Data Engineering and AI Transformation) zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych niezależnych pomiarów rzeczywistego kosztu zadania w modelu Claude Opus 5.
