Claude Opus 5 alla prova: il miglior Opus di sempre, allo stesso prezzo di Opus 4.8, che si avvicina a Fable 5

È in un venerdì di fine luglio, il 24 luglio 2026, che Anthropic ha lanciato Claude Opus 5, disponibile fin dal primo giorno su tutte le sue superfici: Claude.ai, Claude Code, Claude Cowork, l'API e la Claude Platform. Sotto il cofano, un solo identificatore da ricordare: claude-opus-5. Il modello si insedia direttamente come opzione predefinita di Claude Max e diventa l'opzione più potente selezionabile su Claude Pro. In altre parole, se pagate un abbonamento Anthropic, ci sono buone probabilità che le vostre prossime conversazioni passino già da Opus 5 senza che abbiate toccato nulla.

Il pitch ufficiale sta in una frase, che citiamo così com'è: Opus 5 si avvicina all'intelligenza di frontiera di Claude Fable 5 alla metà del prezzo. La formula è abile, e va letta con attenzione. Anthropic non pretende che Opus 5 sia il suo modello più intelligente: quel titolo resta esplicitamente a Fable 5, l'ammiraglia. Opus 5 viene presentato come daily driver, il cavallo da tiro quotidiano dal miglior rapporto costo-prestazioni, quello che si lancia in automatico per il coding agentico complesso e il lavoro aziendale prima di tirare fuori l'artiglieria pesante. Il messaggio ha il profumo del marketing, e la parola avvicinarsi fa tutto il lavoro: avvicinarsi alla frontiera non è raggiungerla, e "metà prezzo" merita che si guardi da vicino cosa si ottiene davvero con questi risparmi.

È esattamente il genere di affermazione che non si prende per oro colato. Per tenere questo articolo a distanza dal comunicato stampa, sistemiamo ogni informazione in una di tre categorie, senza mai mescolare i generi. Uno: i fatti verificati, ciò che è oggettivamente constatabile (identificatore del modello, finestra di contesto, prezzo esposto, date di disponibilità). Due: i benchmark dichiarati da Anthropic, quelle cifre impressionanti tratte dall'annuncio e dalla system card, che sono interessanti ma restano risultati comunicati dall'editore stesso, spesso sulle proprie run, quindi da prendere con la consueta prudenza. Tre: la nostra analisi, ciò che ne pensiamo noi di Go To Agency dopo aver incrociato le fonti terze e maneggiato il modello. Quando una cifra viene da Anthropic, lo diciamo; mai la presenteremo come una verità indipendente.

Tre novità strutturano questo lancio, e le dettaglieremo ciascuna nella sua sezione. Prima di tutto il prezzo: Opus 5 costa esattamente quanto Opus 4.8, ovvero 5 $ per milione di token in entrata e 25 $ in uscita. Anthropic ha congelato la tariffa e aumentato la capacità, il che, in una guerra dei prezzi contro OpenAI e Google, la dice lunga sulla strategia. Poi il dial dell'effort (i livelli high, xhigh, max), un cursore che consente di arbitrare esplicitamente tra costo e capacità, richiesta per richiesta. Infine il fallback automatico: quando il modello declina una richiesta per motivi di sicurezza, l'API passa da sola a un altro modello invece di restituirvi un errore. Tre segnali che, insieme, disegnano un modello pensato per la produzione e per i budget, non solo per i record di laboratorio.

Prima di aprire il cofano su questi meccanismi, poniamo le fondamenta. La documentazione ufficiale della Claude Platform fornisce le specifiche esatte del modello: finestra di contesto, output massimo, modalità di input, data di cutoff delle conoscenze. Cominciamo dalla scheda tecnica verificata.

La scheda tecnica verificata

Prima dell analisi, i fatti nudi e crudi. Ecco le caratteristiche ufficiali di claude-opus-5, cosi come Anthropic le documenta al lancio del 24 luglio 2026. Nessun numero di questa tabella e un benchmark o una proiezione commerciale: sono le specifiche tecniche verificabili, quelle che trovate nella documentazione ufficiale della piattaforma Claude.

Due righe di questa tabella meritano una sosta, perche cambiano concretamente cio che potete fare con il modello. La prima: il knowledge cutoff a maggio 2026. E la conoscenza piu fresca di tutta la gamma Claude 5, davanti a Sonnet 5, Opus 4.8 o Fable 5, tutti fermi a gennaio 2026. Quattro mesi di scarto possono sembrare un dettaglio, ma per un modello pensato per il coding agentico e il lavoro aziendale contano eccome: librerie software, versioni di framework, evoluzioni normative, attualita di un settore. Un agente che deve ragionare su un ecosistema tecnico recente parte con meno punti ciechi, quindi con meno allucinazioni da correggere. Non e un ritocco cosmetico, e una riduzione concreta del debito di verifica.

La seconda: la finestra di contesto da un milione di token. Circa 555.000 parole equivalgono a diversi repository di codice corposi, a un dossier cliente completo o a centinaia di pagine di documentazione ingerite in una sola richiesta. Per un agente che lavora su compiti lunghi (scandagliare un monorepo, tenere il filo di una conversazione di diverse ore, avere in mente un capitolato intero), questa memoria di lavoro e il fattore limitante numero uno. L output, invece, e limitato a 128.000 token nell uso standard, cifra che resta ampia per del codice o un report, e sale a 300.000 tramite il Batch API per le generazioni massive.

Il trio adaptive thinking a Si, extended thinking a No riflette una scelta di architettura. Opus 5 ragiona di default: il suo meccanismo di riflessione e attivo e modulabile tramite il parametro effort (che approfondiamo piu avanti), senza dover attivare una modalita di riflessione estesa separata come sulle generazioni precedenti. Il ragionamento non e piu un opzione da inserire, e il comportamento nativo del modello. Per chi integra, questo semplifica la configurazione: si regola il cursore dell effort, non un interruttore di riflessione.

Ultimo punto, tecnico ma decisivo per chiunque metta questo modello in produzione: l identificativo claude-opus-5 e uno snapshot congelato, non un alias evergreen che scivolerebbe silenziosamente verso una versione piu recente. Dalla generazione 4.6, Anthropic ha adottato questo formato di identificativo senza data apparente ma agganciato a una versione precisa. In parole povere: il modello dietro questo ID non cambiera sotto i vostri piedi. E cio che garantisce la riproducibilita delle vostre valutazioni, la stabilita dei vostri prompt e l assenza di regressioni a sorpresa nel bel mezzo di una campagna di produzione. Per un agenzia come la nostra, che consegna integrazioni a dei clienti, questa stabilita non e un lusso, e una condizione di serieta: si testa una versione, la si valida, la si distribuisce, e resta identica finche non decidiamo noi stessi di migrare.

Il prezzo: identico a Opus 4.8, la meta di Fable 5

Partiamo dal numero che struttura tutto il resto. Claude Opus 5 costa 5 $ per milione di token in ingresso e 25 $ per milione di token in uscita. Sono esattamente le stesse tariffe di Opus 4.8, il suo predecessore. Anthropic non ha toccato il listino: stesso prezzo di prima, per una capacita nettamente superiore (i benchmark dettagliati arrivano piu avanti nell'articolo). In un settore dove ogni nuova generazione di modello di solito porta con se un sovrapprezzo, mantenere il prezzo costante mentre si sale di gamma e una scelta che merita di essere sottolineata.

L'altro riferimento utile: questo prezzo rappresenta esattamente la meta di quello di Claude Fable 5, il modello piu capace ampiamente disponibile in casa Anthropic, che costa 10 $ in ingresso e 50 $ in uscita per milione di token. E il cuore del pitch ufficiale. Anthropic presenta Opus 5 come un modello che, nelle sue parole, si avvicina all'intelligenza di frontiera di Fable 5 alla meta del prezzo. Notate la formulazione prudente: l'azienda non sostiene che Opus 5 sia il suo modello piu intelligente (quel titolo resta a Fable 5), ma che ne avvicina le prestazioni a un costo ridotto. E un posizionamento da daily driver, il modello di tutti i giorni per il lavoro agentico e per l'impresa, con Fable 5 riservato ai casi che richiedono la capacita massima.

Il grafico rimette Opus 5 nel contesto dell'intera gamma. In fondo, Haiku 4.5 resta il modello di supporto economico (1 $ in ingresso, 5 $ in uscita), tagliato su misura per il volume e per i sotto-task semplici. Sonnet 5 occupa la fascia intermedia a 3 $ / 15 $ (con una tariffa di lancio a 2 $ / 10 $ fino al 31 agosto 2026). Opus 5 e Opus 4.8 condividono lo stesso gradino a 5 $ / 25 $, e Fable 5 raddoppia la posta a 10 $ / 50 $. La lettura e limpida: a una capacita vicina alla frontiera, Opus 5 dimezza la spesa in uscita rispetto a Fable 5, ed e proprio qui che si gioca l'arbitraggio per la maggior parte dei carichi di lavoro reali.

Il Fast Mode: due volte piu caro, due volte e mezzo piu veloce

Anthropic offre un'opzione di velocita chiamata Fast Mode. In pratica, serve lo stesso modello a circa 2,5 volte la velocita predefinita, ma fa pagare 2 volte la tariffa di base, ovvero 10 $ in ingresso e 50 $ in uscita per milione di token (curiosamente, esattamente il prezzo di Fable 5 a tariffa standard). Il calcolo e semplice da impostare: paghi un sovrapprezzo di latenza. Per un'esperienza utente interattiva (un assistente di codice in tempo reale, un chatbot dove ogni secondo di attesa conta), sborsare il doppio per consegnare la risposta due volte e mezzo piu in fretta puo avere senso. Per un'elaborazione in batch in background, dove la latenza non conta nulla, sarebbe denaro buttato dalla finestra. Il Fast Mode e una leva di esperienza di prodotto, non una leva di risparmio.

Abbassare l'effort, abbassare la fattura

La vera leva di risparmio di Opus 5 sta altrove: e il controllo dell'effort. Ne approfondiamo il funzionamento tecnico piu avanti, ma il suo impatto sul costo merita di essere posto gia dalla questione del prezzo, perche cambia il modo di ragionare sulla spesa. Il parametro effort (livelli low, medium, high, xhigh, max) regola la quantita di compute e di token di ragionamento che il modello consuma per un dato compito. La logica economica e diretta: abbassare l'effort riduce il consumo di token, quindi la fattura, preservando l'essenziale delle prestazioni sui compiti che non richiedono il ragionamento piu profondo.

In concreto, il prezzo per milione di token non si muove, ma il numero di token spesi per risolvere un problema, quello si, cala quando scendi di un gradino. Uno smistamento di ticket, una riformulazione, una classificazione di documenti non hanno bisogno dello stesso budget di riflessione di un refactoring multi-file. La dove Opus 4.8 imponeva un effort elevato ovunque, Opus 5 ti restituisce l'arbitraggio: per impostazione predefinita si regola su high sull'API e su Claude Code, ma nulla ti impedisce di scendere a medium o low sui compiti a basso impatto e di riservare xhigh o max ai problemi che lo meritano. Il costo reale di un workflow non si legge piu solo nel listino: si pilota a livello della singola richiesta.

Perche tenere il prezzo di Opus 4.8 e una mossa aggressiva

La nostra analisi. Congelare il prezzo da una generazione all'altra non ha nulla di banale a luglio 2026. Anthropic lancia Opus 5 in un mercato in piena guerra dei prezzi, di fronte a un GPT-5.6 "Sol" di OpenAI e a un Gemini 3.1 Pro di Google che spingono entrambi il proprio rapporto capacita/costo, senza contare i laboratori cinesi che abbattono le tariffe nella fascia d'ingresso. In questo contesto, mantenere 5 $ / 25 $ pur alzando sensibilmente la capacita equivale a far scendere il costo per unita di lavoro utile senza toccare il prezzo esposto. E un ribasso di prezzo mascherato, e una risposta frontale alla pressione competitiva.

Il calendario rafforza questa lettura. Anthropic prepara una quotazione in Borsa piu avanti nell'anno, e un modello "daily driver" economico che cattura carichi di lavoro aziendali su larga scala e esattamente il tipo di prodotto che rinforza una narrazione di crescita prima di un'IPO. Come sintetizza la responsabile di prodotto di Anthropic per la ricerca, cio che le imprese vogliono e valore: un modello piu economico che non raggiunge una qualita comparabile non e in realta utile. Tenere il prezzo di Opus 4.8 con una capacita superiore significa giocare su entrambi i tavoli allo stesso tempo.

La riserva da tenere a mente: il tokenizer

La nostra analisi. Una tariffa esposta non e una fattura. La generazione Opus 4.7 e successive (Opus 5 incluso) usa un tokenizer che produce, a parita di testo, circa il 30 % di token in piu rispetto ai modelli precedenti alla 4.7. In altre parole, uno stesso prompt e una stessa risposta si contano in piu token rispetto a una generazione piu vecchia, il che gonfia meccanicamente il costo effettivo a parita di contenuto. Non e una trappola, solo una realta di fatturazione da integrare: se migri da un modello pre-4.7, non confrontare i prezzi per milione di token dando per scontato un volume di token identico. L'unico modo affidabile per conoscere il tuo costo reale e misurarlo sul tuo carico di lavoro, con i tuoi prompt e le tue uscite tipiche, per poi confrontare le fatture dall'inizio alla fine anziche i listini. E la sfumatura che separa una decisione d'acquisto consapevole da una brutta sorpresa a fine mese.

Il costo reale di un agente con Opus 5

Sulla carta, Opus 5 mantiene lo stesso listino di Opus 4.8: 5 $ per milione di token in ingresso, 25 $ in uscita. Ma per un'agenzia che tiene acceso un agente di coding tutto il giorno, a fare la fattura sono i volumi reali. Prendiamo un caso concreto e realistico: un agente che elabora ogni giorno circa 2 milioni di token in ingresso (contesto, file, cronologia) e 400.000 token in uscita (patch, spiegazioni, comandi).

Tre modelli, stesso carico di lavoro

Il calcolo è semplice. In ingresso: 2 x 5 $ = 10 $. In uscita: 0,4 x 25 $ = 10 $. Fanno 20 $ al giorno, circa 600 $ al mese per questo agente con Opus 5. Ecco il confronto sui tre modelli rilevanti per questo tipo di attività.

A parità di carico, Fable 5 costa il doppio di Opus 5, mentre Sonnet 5 circa il 40 % in meno. Lo scarto mensile tra i due estremi supera gli 800 $ su un singolo agente: moltiplicato per un team di sviluppatori, la scelta del modello diventa una voce di bilancio a sé stante.

Il dial dell'effort sposta la fattura

Opus 5 espone un dial d'effort (livelli high, xhigh, max, con high come impostazione predefinita su API e in Claude Code). Abbassare l'effort riduce soprattutto il numero di token in uscita, che è la voce più cara a 25 $ per milione. In concreto, passare da un effort elevato a uno moderato sui compiti semplici può tagliare una fetta significativa dei 10 $ giornalieri di uscita, senza toccare l'ingresso.

Al contrario, la leva max serve per i compiti difficili. Anthropic dichiara che, sul proprio CursorBench 3.2 (benchmark interno, non una misura indipendente), Opus 5 in effort max si colloca a meno dello 0,5 % da Fable 5, per circa la metà del costo per compito. In altre parole, l'effort max permette spesso di evitare di pagare Fable 5 mantenendo un livello di prestazioni pressoché identico.

Tre leve di ottimizzazione concrete

• Misurare i token reali. La generazione Opus 4.7 e successive produce circa il 30 % di token in più rispetto ai modelli precedenti alla 4.7, per via del tokenizer. Non fidarti di una stima teorica: strumenta il tuo workload prima di stilare un budget.
• Indirizzare il volume verso i modelli piccoli. Manda il grosso del traffico (classificazione, riassunti, compiti di routine) verso Sonnet 5 (3 $ / 15 $, prezzo introduttivo a 2 $ / 10 $ fino al 31 agosto 2026) o Haiku 4.5 (1 $ / 5 $), e riserva Opus 5 o Fable 5 ai compiti davvero difficili.
• Sfruttare il Batch e la cache dei prompt. Il Batch API (uscita fino a 300k token tramite header beta) è spesso nettamente più economico per le elaborazioni non urgenti, e la cache dei prompt riduce il costo in ingresso quando lo stesso contesto viene riutilizzato da una chiamata all'altra.

Il selettore di sforzo: la vera novità

Se di questo lancio doveste ricordare una sola novità di prodotto, sarebbe questa. Da Opus 5 in poi non scegliete più soltanto quale modello chiamare, ma anche quanto volete che ragioni. Questa regolazione ha un nome preciso nell'API: il parametro effort, che si passa tramite output_config.effort. È la leva centrale dell'economia del modello ed è anche ciò che spiega come Anthropic riesca a vendere un'intelligenza vicina al suo modello di punta a metà prezzo.

In concreto, l'effort arbitra tra due risorse: l'intelligenza messa in campo su un compito e il numero di token (quindi il costo e la latenza) che il modello consuma per portarlo a termine. Più lo sforzo è alto, più a lungo Opus 5 ragiona, esplora ipotesi, verifica il proprio lavoro. Più è basso, più risponde in fretta e a costo minore, preservando (ed è il punto chiave) gran parte delle sue prestazioni. Non è un semplice cursore di qualità che degrada il risultato in modo lineare: scendere di un livello fa crollare il costo molto più in fretta delle prestazioni.

Tre livelli lato editore, cinque nella documentazione

Attenzione a un'ambiguità che circola sulla stampa. Fortune, nel suo articolo di lancio, descrive un semplice interruttore tra costo e capacità e cita tre livelli (low, medium, high). L'annuncio di Anthropic mette in primo piano tre gradini di crescita in potenza: high, xhigh e max. La documentazione tecnica, però, espone una scala completa a cinque livelli: low, medium, high, xhigh, max. In caso di dubbio, fanno fede le docs: l'articolo di Fortune è una semplificazione per il grande pubblico.

Due comportamenti da conoscere. Primo, il valore predefinito è high sia nell'API sia in Claude Code: passare esplicitamente effort: "high" equivale esattamente a non passare nulla. È un cambiamento discreto ma reale rispetto a Opus 4.8, che forzava high ovunque, compreso su claude.ai. Secondo, su Opus 5 la regolazione governa il volume di ragionamento, non la lunghezza della risposta visibile: se volete una risposta breve, non è l'effort che va abbassato, è il vostro prompt che deve chiederlo.

Perché questa leva cambia tutto per un budget agentico

Il selettore di sforzo non ha lo stesso peso per un chatbot occasionale e per un agente di codice. Un agente che gira trenta minuti su un repository, legge file, lancia test, corregge e ricomincia, consuma token a milioni. A questo ritmo, un fattore due o tre sul consumo non è un dettaglio contabile: è la differenza tra un'automazione redditizia e una fattura di fine mese che esplode. È esattamente il problema che il selettore viene ad affrontare.

L'esempio più eloquente arriva da CursorBench 3.2. In max effort, Opus 5 si colloca, dato dichiarato da Anthropic, a meno dello 0,5 % dal punteggio di vetta di Fable 5, ma a metà del costo per compito. In altre parole, il selettore permette di raggiungere prestazioni quasi di frontiera sui compiti che lo meritano, senza pagare la tariffa di un Fable 5 a ogni chiamata. Lo stesso ragionamento vale in direzione opposta: su sotto-compiti semplici o agenti ad alto volume, scendere a low o medium libera gran parte del budget per i momenti che contano davvero.

Quando salire, quando restare in basso

La regola pratica si riassume in pochi casi. Salite a max quando vi giocate tutto in un colpo solo: un ragionamento davvero difficile, una migrazione one-shot critica, un problema di ricerca o un'analisi di cui non volete rilanciare la generazione. È il livello in cui il modello spende senza vincoli di token per massimizzare le proprie chance al primo tentativo. Passate a xhigh per il lavoro agentico di lunga durata: i compiti oltre i trenta minuti, i budget da milioni di token, il coding autonomo su cantieri estesi.

Restate su high per il grosso del quotidiano: è già un livello di capacità serio ed è il default per una buona ragione. Scendete a medium o low per i sotto-agenti, lo smistamento in massa, gli step in cui velocità e costo prevalgono sulla finezza. Un consiglio che vale oro e che la documentazione ribadisce con insistenza: non riciclate le regolazioni ereditate dai vostri vecchi modelli. Rilanciate una scansione dello sforzo sulle vostre valutazioni, perché il giusto punto di equilibrio dipende interamente dal vostro carico di lavoro reale.

Cambiare modello nel corso di un compito

Il selettore di sforzo ha un cugino lato prodotto: la possibilità di arbitrare costo e capacità non più all'interno di un modello, ma tra modelli, nel corso di uno stesso compito. È questa commutazione che Fortune riassume con la formula del toggle tra costo e capacità. In pratica, un'orchestrazione ben pensata fa girare un modello potente sulle fasi di pianificazione o di ragionamento pesante, poi passa il testimone a un modello meno costoso (lo stesso Opus 5 rispetto a Fable 5, o un livello più in basso) per l'implementazione in volume o la revisione. Pagate la tariffa alta solo dove produce valore.

La lezione d'insieme è questa: con Opus 5 il costo non è più una proprietà fissa del modello che chiamate, è una variabile che pilotate chiamata per chiamata, livello per livello. Per un'agenzia o un team di prodotto che industrializza i propri usi dell'IA, è probabilmente il cambiamento più concreto del lancio: lo stesso mattone tecnico può costare tre volte meno a seconda di come lo si regola, senza cambiare modello.

Fallback automatico e strumenti modificabili in corsa

Oltre alla manopola dell effort, Opus 5 arriva con due novita di prodotto che parlano soprattutto ai team che fanno girare agenti in produzione. Sono meno spettacolari di un punteggio in un benchmark, ma cambiano concretamente l affidabilita e il costo di cio che mettete in produzione. Vediamole una dopo l altra, con l occhio dello sviluppatore che deve garantire l uptime.

Fallback automatico: una risposta invece di un errore

Opus 5 (come Fable 5) integra classificatori di sicurezza che possono rifiutare una richiesta. Punto importante da capire per non sbagliare il proprio codice: un rifiuto non e un errore. Lato API, si tratta di un HTTP 200 con stop_reason: "refusal" e un oggetto stop_details che precisa la categoria e una spiegazione. In altre parole, il vostro try/catch non lo intercettera: bisogna ispezionare lo stop_reason della risposta.

La novita e il comportamento di ripiego. Come descrive Fortune, quando una richiesta viene rifiutata, l API puo passare automaticamente a un altro modello, cosi che l utente ottenga una risposta invece di un errore. Su Claude.ai, Claude Code e Claude Cowork, questo ripiego avviene per impostazione predefinita verso claude-opus-4-8. Sull API va attivato esplicitamente. La modalita piu semplice si chiama "default": impostate fallbacks: "default" e, per ogni categoria di rifiuto (le categorie sono cyber, bio, frontier_llm, reasoning_extraction, general_harms), l API rigioca la richiesta sul modello che Anthropic raccomanda. Non dovete piu mantenere la vostra lista di modelli di riserva. Dettaglio concreto per la biologia: richieste che venivano bloccate su Fable 5 ora vengono instradate verso Opus 5.

Tecnicamente, la risposta traccia il passaggio in modo pulito: il campo model di primo livello nomina il modello che ha realmente servito la richiesta, un blocco di contenuto di tipo fallback segnala il passaggio (da quale modello a quale modello) e usage.iterations conserva il dettaglio di ogni tentativo con la relativa fatturazione. Da sapere anche: dopo un ripiego, l API fissa questo prefisso di conversazione sul modello che ha accettato per circa un ora, per non ritentare un rifiuto prevedibile a ogni turno.

I pro. In produzione, e robustezza pura. Un funnel di generazione, un agente di supporto, una pipeline di elaborazione documentale: nessuno di questi flussi deve fermarsi di colpo perche un classificatore ha sollevato un falso positivo su una richiesta perfettamente legittima. Il fallback trasforma una potenziale rottura in un degrado controllato. L utente finale non vede un errore, vede una risposta, prodotta da un modello leggermente meno capace ma funzionante.

I contro. Questa comodita ha un prezzo che non e monetario: il determinismo. Il vostro sistema puo, senza preavviso lato chiamante, servire una risposta prodotta da un modello diverso da quello richiesto. Se non registrate sistematicamente il campo model della risposta e il contenuto di usage.iterations, perdete la traccia di chi ha risposto cosa. In concreto, il nostro consiglio ai team: registrate sempre il modello che serve la richiesta, generate un alert su un tasso di fallback anomalo (spesso e il segnale che un prompt sfiora una frontiera di sicurezza) e testate i vostri percorsi critici tenendo presente anche il modello di ripiego, non solo Opus 5. Un ulteriore punto di attenzione: la fatturazione. Ogni tentativo viene fatturato alla tariffa del proprio modello, il che rende il costo di una richiesta rifiutata-e-poi-ripiegata meno prevedibile di una chiamata semplice.

Cambiare strumenti senza rompere il prompt cache

La seconda novita e piu discreta ma, per chi costruisce agenti a lunga durata, potenzialmente la piu redditizia delle due. Sulla Claude Platform potete ora aggiungere o rimuovere strumenti nel mezzo di una conversazione senza invalidare il prompt cache. E una funzionalita in beta, attivata da un header dedicato.

Per coglierne la portata, bisogna ricordare come funziona la cache. La definizione degli strumenti viene inviata in testa al prompt. Fino a oggi, la minima modifica di questa lista di strumenti cambiava il prefisso del prompt e quindi invalidava la cache: il modello doveva rileggere integralmente il contesto alla tariffa piena, invece di beneficiare della tariffa ridotta di una lettura di cache. Per un agente che gira trenta minuti o piu, con un contesto che cresce e una gamma di strumenti che evolve a seconda delle fasi (prima ricerca, poi scrittura di file, poi esecuzione), questa invalidazione permanente era una voragine di token e di latenza.

Con il cambio di strumenti a caldo, il prefisso resta stabile e la cache resta calda anche quando la cassetta degli attrezzi cambia. Il guadagno e doppio: meno token fatturati (una lettura di cache costa una frazione di una riscrittura) e meno latenza a ogni turno, dato che il modello non ripaga il costo di ingestione dell intero storico. Per uno sviluppatore che orchestra un agente multi-fase, e la differenza tra esporre fin dall inizio un enorme catalogo di strumenti (che inquina il contesto e aumenta il rischio di errore di chiamata) e servire in ogni fase esattamente gli strumenti pertinenti, senza penalita di cache. Anthropic ha inoltre abbassato il minimo memorizzabile a 512 token su Opus 5 (contro i 1.024 su Opus 4.8), il che allarga ulteriormente il campo dei prompt brevi che diventano memorizzabili.

La nostra lettura. Prese insieme, queste due funzionalita raccontano la stessa storia: Anthropic ottimizza Opus 5 per l uso agentico reale e duraturo, non solo per il punteggio nei benchmark. Il fallback punta alla resilienza in produzione, il cambio di strumenti a caldo punta al costo e alla latenza dei cicli lunghi. Sono esattamente i due punti dolenti che incontra ogni team quando passa da una demo di agente a un agente che gira davvero, presso clienti reali.

I benchmark dichiarati da Anthropic

Attenzione, tieni questo riflesso mentre leggi quanto segue: tutte le cifre di questa sezione provengono da Anthropic. Sono tratte dall annuncio ufficiale e dalla system card pubblicati il 24 luglio 2026. Si tratta di risultati company-reported, cioe misurati e comunicati dall azienda che sviluppa il modello, su configurazioni e set di test che ha scelto lei stessa. Nessuno di questi run e stato condotto da un valutatore terzo indipendente. Indicano una direzione, non una verita scolpita nella pietra. Li riportiamo perche disegnano il posizionamento rivendicato di claude-opus-5, ma li trattiamo con la stessa prudenza di una scheda prodotto firmata dal produttore.

Il filo conduttore dell annuncio e semplice: Opus 5 punterebbe ad avvicinare l intelligenza di Fable 5 per circa la meta del costo per attivita. Quasi tutti i benchmark messi in evidenza sono quindi costruiti attorno allo stesso argomento, la prestazione rapportata al prezzo, e non la prestazione grezza. E una scelta editoriale rivelatrice: Anthropic non sostiene che Opus 5 sia il suo modello piu intelligente (quel titolo resta a Fable 5), ma che offre il miglior rendimento per ogni euro speso. Ecco i risultati dichiarati, presentati cosi come compaiono nella comunicazione dell azienda.

Letti insieme, questi benchmark raccontano una storia coerente. Frontier-Bench v0.1 e CursorBench 3.2 misurano il coding agentico, cioe la capacita del modello di concatenare azioni all interno di un repository di codice, di modificare piu file e di portare a termine un compito di ingegneria nel tempo, non semplicemente di completare un pezzo di funzione. E il terreno di gioco su cui Anthropic vuole assolutamente vincere, e il messaggio e duplice: Opus 5 farebbe due volte meglio della generazione precedente su Frontier-Bench, e sfiorerebbe Fable 5 su CursorBench per meta prezzo. Il fatto che il miglior risultato CursorBench si ottenga all effort max merita di essere sottolineato: e la configurazione piu golosa di token, quindi la piu cara nell uso reale, anche se il costo per attivita resta presentato come vantaggioso.

ARC-AGI 3 cambia registro. Questa famiglia di test mira al ragionamento astratto e alla generalizzazione, alla capacita di risolvere problemi inediti che il modello non ha potuto memorizzare durante l addestramento. Un punteggio annunciato come tre volte superiore al concorrente piu vicino e spettacolare sulla carta, ma e anche il tipo di cifra che richiede piu cautela: la classifica di ARC-AGI si muove in fretta, la versione 3 e recente, e uno scarto di questa ampiezza resta da confermare da parte di terzi prima di trarne una conclusione definitiva.

Zapier AutomationBench e OSWorld 2.0 rispondono a un altra logica, quella dell agentica applicata e del computer-use: far eseguire al modello interi workflow aziendali oppure fargli pilotare un interfaccia, cliccare, compilare, navigare come farebbe un umano davanti al suo schermo. Il tasso di successo circa 1,5 volte superiore a parita di costo su AutomationBench, sostenuto dalla testimonianza di Zapier che dichiara di aver raggiunto la vetta della sua classifica, e il sorpasso di Fable 5 per un terzo del costo su OSWorld 2.0, servono lo stesso argomento commerciale: Opus 5 sarebbe il modello che colleghi ad automazioni reali senza far esplodere il budget di token.

Infine, le due ultime righe escono completamente dal coding per toccare la ricerca scientifica. Il guadagno di 10,2 punti percentuali in chimica organica e di 7,7 punti sulle attivita legate alle proteine, misurato internamente rispetto al predecessore, alimenta la rivendicazione di Anthropic di fare di Opus 5 il suo modello in disponibilita generale piu capace per la scienza, con una forza particolare in biologia. La formulazione conta: queste eval sono interne, la base di confronto e il modello precedente di Anthropic e non un rivale, e lo scarto si esprime in punti grezzi senza che il dettaglio del protocollo sia pubblico.

Il limite di fondo e lo stesso per tutta la lista: sono metriche scelte dall azienda, su benchmark di cui decide lei la selezione, la configurazione dell effort e la modalita di misura. Nulla di disonesto in se, e la norma di un lancio, ma resta un esercizio di auto-valutazione. Il vero giudice di pace arrivera dai run indipendenti e dai riscontri sul campo, che esaminiamo nelle sezioni successive. Per il dettaglio completo delle cifre, l annuncio ufficiale di Claude Opus 5 resta la fonte di riferimento da consultare direttamente.

I benchmark di terze parti: quanto valgono davvero i numeri

Una premessa di lettura prima di ogni cifra: i benchmark citati qui sono effettivamente costruiti da organizzazioni esterne ad Anthropic (ricercatori accademici, valutatori specializzati, piattaforme di code review), il che li rende piu credibili dei test fatti in casa. Ma va sfumata una realta poco commentata al lancio: le esecuzioni che hanno prodotto i punteggi del 24 luglio 2026 sono state condotte da Anthropic su questi set di test, non da terzi alla cieca. Il benchmark e indipendente, la prova sul campo non lo e del tutto. E la norma per un lancio (l azienda vuole comunicare cifre il giorno stesso), ma resta un limite: un punteggio riprodotto tre mesi dopo da un laboratorio neutrale, sul proprio harness e con i propri prompt, non dara necessariamente lo stesso risultato.

SWE-bench Verified: 96,0 %, la cifra da vetrina

Il punteggio piu ripreso e quello di SWE-bench Verified, il riferimento di fatto per misurare la capacita di un modello di risolvere veri ticket GitHub (issue reali corrette da esseri umani, con test di validazione). Su questo banco, claude-opus-5 raggiunge 96,0 %, una cifra riportata da BenchLM come media di cinque tentativi. A questo livello si parla di saturazione: il benchmark non discrimina quasi piu i modelli di testa, dato che resta solo una manciata di ticket su cui fallire. Un punteggio del 96 % impressiona, ma dice soprattutto che SWE-bench Verified sta arrivando a fine vita come strumento di misura. E per questa ragione che i valutatori seri si sono spostati verso varianti piu dure.

SWE-bench Pro: 79,2 %, il terzo gradino del podio

E qui che la lettura diventa interessante. SWE-bench Pro riprende il principio dei ticket reali ma su problemi nettamente piu ostici, pensati per resistere alla memorizzazione e all overfitting. Su questo banco Opus 5 ottiene 79,2 %, cifra confermata identica da BenchLM e da Codersera. Il punto da tenere a mente non e il punteggio grezzo, e la classifica: Opus 5 arriva terzo nel complesso, dietro Mythos 5 (80,3 %) e Fable 5 (80,0 %), ma molto sopra Opus 4.8, che si fermava al 69,2 %.

Traduzione: il guadagno generazionale e reale e sostanziale (dieci punti in piu del predecessore diretto su un banco difficile), ma non c e alcun salto magico che collochi Opus 5 davanti alla fascia alta di Anthropic. Su questo test il modello daily driver resta a un capello dal frontier (otto decimi di punto separano Opus 5 da Fable 5) ma in realta ben dietro se si guarda il gradino. La promessa di marketing (la performance frontier a meta prezzo) regge sul rapporto costo-capacita, non sulla capacita assoluta. Il grafico qui sotto rende questa classifica visibile.

Senior SWE-bench: dove Opus 5 domina davvero

Il banco piu rivelatore per un uso professionale non e il piu mediatico. Su Senior SWE-bench, l analisi di Snorkel colloca Opus 5 in testa a tutti i modelli valutati nella categoria investigazione dei bug e performance. E il tipo di compito che un ingegnere senior svolge ogni giorno: capire perche un sistema si comporta male, risalire una catena di cause, isolare la vera radice invece del sintomo. Che il modello risulti primo proprio su questo registro e piu significativo, per un agenzia o un team di prodotto, di un punto in piu su un banco saturo. Non e una promessa di autonomia totale, ma il segnale che il modello e forte proprio dove il lavoro costa caro.

Snorkel: la colpa e dell inferenza, non della formattazione

La stessa analisi di Snorkel porta cio che i punteggi grezzi nascondono sempre: perche il modello fallisce quando fallisce. Sezionando le traiettorie fallite e confermando le cause radice, Snorkel stabilisce che l inferenza errata (faulty inference) rappresenta il 35 % dei fallimenti, di gran lunga il primo meccanismo. In altre parole, quando Opus 5 sbaglia non e quasi mai perche ha formattato male il suo output o ha usato male uno strumento (queste categorie restano marginali), e perche ha ragionato male: ha tratto una conclusione falsa da elementi comunque disponibili. E un informazione sfruttabile in produzione. Significa che un garde-fou di formattazione o un parser piu robusto non recuperera granche; cio che protegge e la verifica umana del ragionamento sui compiti ad alto rischio, e la scomposizione dei problemi complessi in tappe dove una cattiva deduzione diventa piu facile da individuare.

CodeRabbit: il compromesso precisione / recall messo a nudo

Il test piu istruttivo viene da CodeRabbit, che valuta i modelli su un terreno concreto: la revisione automatizzata del codice. Il loro verdetto su Opus 5 in configurazione x-high e a doppio taglio, ed e proprio questo a renderlo credibile. Dal lato positivo, il modello produce un flusso di commenti piu preciso: 39,3 % di commenti realmente azionabili e pertinenti, contro il 35,2 % della baseline di produzione di CodeRabbit. In chiaro: quando Opus 5 segnala qualcosa, colpisce nel segno piu spesso.

Il rovescio della medaglia e netto: sullo stesso test, Opus 5 intercetta meno problemi noti del benchmark, con il 55,2 % di copertura contro il 61,1 % della baseline. E piu preciso, ma lascia passare piu difetti reali. E il classico arbitraggio precisione contro recall: un revisore che parla meno ma piu giusto, contro un revisore che rastrella piu ampio al prezzo di piu rumore. Nessuna delle due posture e intrinsecamente migliore; tutto dipende dalla vostra catena. Su un repository dove ogni falso positivo costa tempo umano, la precisione di Opus 5 e un vantaggio. Su un audit di sicurezza dove mancare un difetto costa caro, la copertura superiore della baseline conta di piu. La lezione meta e altrove: un punteggio unico non dice mai se un modello fa per voi, bisogna guardare il profilo degli errori.

Cosa bisogna trarne

Tre constatazioni oneste emergono da queste valutazioni di terze parti. Primo, la progressione rispetto a Opus 4.8 e indiscutibile e ampia: dieci punti su SWE-bench Pro, testa della classifica sull investigazione dei bug, non e marketing. Poi, non c e alcun salto sopra il frontier: sui banchi duri, Opus 5 resta dietro Fable 5 e Mythos 5, il che e coerente con il posizionamento dichiarato di Anthropic (miglior rapporto costo-prestazioni, non il modello piu intelligente). Infine, il dettaglio di CodeRabbit ricorda che un guadagno di precisione puo pagarsi in recall: la cifra aggregata lusinga, il profilo degli errori informa. Per chi deve scegliere un modello in produzione, sono queste tre sfumature, e non il 96,0 % da vetrina, a dover guidare la decisione.

Opus 5, Fable 5, Mythos 5, Opus 4.8: chi fa cosa

Con quattro modelli che portano il numero 5 e un Opus 4.8 che continua a comparire nella documentazione, la gamma Anthropic è diventata difficile da decifrare a colpo d occhio. La buona notizia: la logica è in realtà semplice, una volta messa nero su bianco. Ogni modello occupa una casella precisa tra due assi, costo e capacità, e Opus 5 rimescola le carte non in cima alla pila, ma nel mezzo. Ecco la gamma così come si presenta a fine luglio 2026.

La logica della gamma, letta dall alto verso il basso

Anthropic non nasconde la propria gerarchia. Fable 5 resta il modello più intelligente della casa, quello che si tira fuori per la capacità massima, e Opus 5 non pretende di togliergli questo titolo. La formula ufficiale dell editore è esplicita: Opus 5 è "a thoughtful and proactive model that comes close to the frontier intelligence of Claude Fable 5 at half the price", ossia un modello che si avvicina all intelligenza di frontiera di Fable 5 alla metà del prezzo. La parola importante è si avvicina: non lo eguaglia, ci arriva abbastanza vicino da far sì che, sulla maggior parte dei task reali, il divario non giustifichi più il raddoppio della fattura.

Sotto, Sonnet 5 ricopre il ruolo dell equilibrista: più economico (3 $ / 15 $, con una tariffa di lancio a 2 $ / 10 $ fino al 31 agosto 2026), più veloce, incassa il grosso del volume applicativo quando la difficoltà resta moderata. E in fondo alla pila, Haiku 4.5 gioca la carta del throughput e del costo minimo (1 $ / 5 $) per i task semplici, la classificazione, i sub-agent ad alto volume o tutto ciò che deve rispondere quasi in tempo reale. È l unico della gamma a restare su un contesto di 200k e un knowledge cutoff a febbraio 2025, cosa che ne tradisce l età relativa.

Mythos 5 è il caso a parte. Stesse specifiche e stesso prezzo di Fable 5 (10 $ / 50 $), ma non è in disponibilità generale: accesso solo su invito, tramite il Project Glasswing, un programma orientato alla cyberdifesa e alle infrastrutture critiche. Per la quasi totalità dei lettori di questo blog, Mythos 5 non è un opzione che si sceglie: compare nella gamma solo come punto di confronto sul piano della capacità. Lasciamo il dettaglio della sua postura di sicurezza a un altra sezione di questo articolo, qui basta ricordare che occupa una casella a cui, salvo eccezioni, non avrete mai accesso.

Il vero messaggio: Opus 5 sostituisce Opus 4.8, non Fable 5

È il punto più frainteso del lancio, e quello che cambia tutto in una decisione di architettura. Opus 5 non sale di un gradino, sostituisce Opus 4.8 a parità di fattura. Stesso prezzo (5 $ / 25 $), stessa finestra di contesto (1M di token), stessa famiglia Opus. Ciò che cambia è la prestazione all interno di questa fascia tariffaria: Anthropic ha tenuto il prezzo e alzato le capacità, con per giunta un knowledge cutoff più recente (maggio 2026 contro gennaio 2026 per Opus 4.8). Opus 4.8 non viene comunque ritirato: passa allo stato legacy e resta disponibile, in particolare come destinazione del fallback automatico descritto più sopra in questo articolo.

In concreto, se avevate Opus 4.8 in produzione, la migrazione verso Opus 5 è un miglioramento senza sovrapprezzo per token: pagate uguale, ottenete di meglio e un modello più aggiornato. La documentazione di Anthropic lo formula del resto come una raccomandazione: partire da Opus 5 per il coding agentico complesso e il lavoro enterprise, e salire su Fable 5 solo quando serve la capacità massima assoluta. Opus 5 è del resto diventato il modello predefinito su Claude Max e l opzione più potente selezionabile su Claude Pro, il che conferma la sua vocazione di cavallo da tiro quotidiano.

La linea di demarcazione tra Opus 5 e Fable 5 diventa quindi una questione di economia, non di orgoglio tecnico. Fable 5 costa il doppio. La vera domanda da porsi su ogni carico di lavoro non è "quale è il migliore" (Fable 5, sulla carta) ma "il sovrapprezzo di Fable 5 si giustifica qui". Per la maggior parte dei flussi, coding agentico, analisi di documenti, workflow enterprise, la risposta pende verso Opus 5, e si tiene Fable 5 in riserva per i casi in cui il divario di capacità si ripaga davvero in termini di risultato.

Il nostro consiglio di architettura: il modello è un componente intercambiabile

La nostra analisi. Questa gamma a sei piani, più gli aggiornamenti trimestrali che la fanno muovere, manda un segnale chiaro ai team tecnici: non scrivete mai un identificatore di modello in modo hardcoded in mezzo alla vostra logica di business. Il riflesso corretto è collocare la scelta del modello dietro un unica astrazione, una funzione o un servizio che espone un intento ("risposta rapida a basso costo", "ragionamento profondo", "analisi di contesto lungo") e mappa quell intento verso il model giusto e il giusto livello di effort. Il giorno in cui Anthropic rilascerà Opus 5.1, o in cui deciderete di spostare un flusso da Fable 5 a Opus 5 per risparmiare, cambierete una riga di configurazione, non venti chiamate sparse nel codice.

Questa disciplina paga doppiamente con questa generazione. Prima di tutto perché il fallback automatico fa già transitare le vostre richieste da un modello all altro lato server: tanto vale che il vostro codice presupponga che il model che serve una risposta possa differire da quello richiesto. Poi perché il rapporto costo-prestazioni si pilota ormai tanto con l effort (high, xhigh, max) quanto con la scelta del modello in sé. Un Opus 5 in high e un Opus 5 in max non costano lo stesso e non puntano agli stessi task: trattare queste due leve come parametri di configurazione, e non come costanti scolpite nella pietra, è ciò che vi permetterà di seguire la gamma Anthropic senza rifare da capo il vostro prodotto a ogni uscita.

La gamma Claude, rimessa in prospettiva

Nell estate 2026, il catalogo Claude conta abbastanza modelli da generare confusione. Prima di dissertare su Claude Opus 5, bisogna mettere sul tavolo la mappa completa e capire a quale esigenza risponde ciascun modello. Ecco lo stato della gamma al 24 luglio 2026, giorno di uscita di Opus 5.

La logica di segmentazione di Anthropic si legge per fasce di prezzo. Haiku 4.5 assorbe il volume e la latenza minima a 1 $ / 5 $. Sonnet 5 punta all equilibrio per il grosso del traffico, con un contesto portato a 1 milione di token e un cutoff a gennaio 2026. I modelli Opus ricoprono il ruolo di daily driver potente. In cima, Fable 5 offre la capacità massima ampiamente disponibile, mentre Mythos 5, con le stesse specifiche e allo stesso prezzo (10 $ / 50 $, model ID claude-mythos-5), resta confinato al cyber difensivo tramite il Project Glasswing, accessibile solo su invito.

Il ritmo del 2026 è sostenuto. Fable 5 arriva il 9 giugno, Opus 5 il 24 luglio, dopo che la linea Opus aveva inanellato 4.5, 4.6, 4.7 e 4.8 prima di questo quinto scalino. Il punto chiave da ricordare, spesso frainteso: Opus 5 non sostituisce Fable 5. Sostituisce Opus 4.8, allo stesso prezzo di 5 $ / 25 $, portando in dote un cutoff più recente (maggio 2026, il più fresco della gamma) e migliori capacità agentiche. Fable 5 mantiene lo status di modello più capace, due volte più caro. Da notare anche che Opus 4.1 viene deprecato e ritirato il 5 agosto 2026: la generazione precedente sparisce in fretta.

Sul fronte dell architettura, un insegnamento pratico. Con un ritmo di uscite simile, è rischioso codificare in modo fisso un identificatore di modello ovunque nella propria applicazione. Il riflesso sano consiste nel trattare il modello come un componente intercambiabile, isolato dietro il proprio livello di astrazione. Si arbitra così tra costo e capacità (Haiku per lo smistamento, Sonnet 5 per la produzione, Opus 5 per l agentico pesante) cambiando una sola variabile di configurazione, senza riscrivere il codice. Tanto più che il tokenizer introdotto con Opus 4.7 produce circa il 30 % di token in più rispetto alle generazioni precedenti, il che sposta i calcoli del costo reale a ogni migrazione.

Contro GPT-5.5 e Gemini 3.1 Pro

Lanciare un modello e facile. Collocarlo onestamente in un mercato dove tre laboratori pubblicano una nuova versione ogni sei settimane e tutt altra faccenda. A fine luglio 2026, il panorama degli agenti di code si e stabilizzato attorno a un trio: Claude di Anthropic, la famiglia GPT di OpenAI e Gemini di Google. Ecco dove si posiziona Opus 5 e, soprattutto, quanto vale davvero questa classifica.

La classifica degli agenti di code a fine luglio 2026

Il comparativo sugli agenti di code pubblicato da mightybot.ai (aggiornato lo stesso giorno del lancio, il 24 luglio) mette Claude Code equipaggiato con claude-opus-5 in testa ai sistemi di agenti di code, descritto come il miglior sistema agentico complessivo. Subito dietro, in seconda posizione, troviamo Codex di OpenAI, spinto da GPT-5.6 "Sol", presentato come il migliore per le lunghe sessioni autonome in terminale. Gemini 3.1 Pro, tramite Gemini CLI, si ritrova piu indietro in classifica (settimo posto), definito il miglior agente di code gratuito ma esplicitamente fuori dalla fascia alta dell agentico.

Questa gerarchia non e casuale e ricalca una distinzione di fondo che lo stesso comparativo riassume bene: Opus 5 sarebbe piu forte nel ragionare alla scala di un intero repository, mentre Sol sarebbe piu forte nel pilotare un terminale su lunghi periodi. Sono due competenze diverse, spesso confuse sotto la parola "coding". La prima consiste nel tenere una mappa mentale di una base di code complessa e nel proporre modifiche coerenti su piu file. La seconda consiste nell incatenare centinaia di comandi shell senza deragliare per un ora intera. Anthropic punta chiaramente alla prima; OpenAI eccelle piuttosto nella seconda.

Tre modelli, tre nicchie

GPT-5.5 (e il suo successore Sol) resta il riferimento sull agentico da desktop e sull automazione di interfaccia. Il comparativo piu datato di tech-insider.org (del 26 giugno 2026, quindi antecedente all uscita di Opus 5) indica gia GPT-5.5 come il migliore per gli agenti a riga di comando autonomi e per i lunghi lavori di fondo. E la lettura cross-source piu solida: quando serve che un agente prenda il controllo di un computer, clicchi nelle interfacce, compili moduli e tenga la distanza su un compito di piu ore, il modello di OpenAI mantiene un vantaggio. Per l automazione di strumenti aziendali o per il computer-use, e una scelta predefinita difendibile.

Gemini 3.1 Pro, dal canto suo, gioca la carta del ragionamento scientifico e del costo. Lo stesso comparativo di tech-insider.org lo classifica come il miglior rapporto qualita-prezzo su scala, con una tariffazione API aggressiva (2 $ in ingresso, 12 $ in uscita per milione di token nelle loro rilevazioni) e una finestra di contesto di 1 milione di token. Il rovescio della medaglia dichiarato: arranca sulla precisione pura nel code. In altre parole, se il vostro carico di lavoro dominante e l analisi ad alto volume, la sintesi su corpus enormi o il ragionamento scientifico a budget ridotto, Gemini merita di essere testato prima di decidere. Non e il miglior programmatore del gruppo, e Google non sostiene il contrario.

Claude Opus 5 si afferma come il riferimento del coding agentico e del ragionamento profondo sul code. E la lettura convergente delle due fonti: Claude (che si tratti di Opus 5 da mightybot.ai o di Opus 4.8 da tech-insider.org) arriva primo sul code. Dove Opus 5 si distingue e sui compiti di ingegneria multi-file in cui conta l esattezza, sull investigazione di bug difficili e sulla revisione del code. Per un agenzia che rifa basi di code eterogenee dei clienti, questo profilo "capisco il repository prima di modificarlo" ha piu valore di un agente che sforna comandi shell in serie.

Quale modello scegliere, concretamente

La domanda non e "quale sia il migliore" ma "il migliore per cosa". Ecco la nostra griglia di decisione pragmatica, costruita sul posizionamento dichiarato dalle fonti e non su una preferenza di marca.

• Rifacimento e manutenzione di code multi-file, revisione del code, debug complesso: Opus 5 per primo. Il suo punto di forza dichiarato e ragionare alla scala del repository e verificare il proprio lavoro, il che riduce gli andirivieni.
• Automazione di interfacce, computer-use, agenti che pilotano applicazioni aziendali su lunghe sessioni: GPT-5.5 / Sol mantiene il vantaggio rivendicato. Testatelo in via prioritaria su questi casi.
• Analisi ad alto volume, ragionamento scientifico, forte vincolo di budget API: Gemini 3.1 Pro entra in gara grazie al suo costo e al suo contesto da 1 milione di token.
• Architettura ibrida: il comparativo di mightybot.ai suggerisce persino un orchestrazione multi-modello, con un modello frontier come direttore d orchestra e Sol e Opus 5 che si spartiscono implementazione e revisione "da una parte e dall altra della frontiera del fornitore". Per un uso serio, non chiudersi presso un solo editore e spesso la vera scelta giusta.

La doverosa prudenza su questi confronti

Un avvertimento e d obbligo, e lo poniamo francamente. Queste classifiche cross-vendor sono rumorose. Le due fonti che citiamo non parlano nemmeno delle stesse versioni: mightybot.ai confronta Opus 5 e GPT-5.6 Sol, mentre tech-insider.org, piu vecchio di un mese, ragiona ancora con Opus 4.8 e GPT-5.5, senza mai menzionare Opus 5 ne Sol. Conseguenza diretta: un dato attribuito a Opus 5 da una fonte puo rimandare a Opus 4.8 nell altra, e nessuna delle due propone un confronto rigoroso dei tre modelli valutati fianco a fianco nelle stesse condizioni.

Aggiungete a cio che le versioni cambiano molto rapidamente (GPT-5.5 poi 5.6 Sol nel giro di poche settimane, Opus 4.8 poi Opus 5, Gemini che itera in continuazione) e ottenete un terreno mobile dove ogni classifica scade in un mese o due. Il nostro consiglio non cambia: non scegliete un modello sulla fede di una tabella trovata online, compresa la nostra. Conducete la vostra valutazione sul vostro carico di lavoro reale, misurate il costo per compito e l affidabilita sui vostri casi concreti, e ri-testate a ogni nuova versione. E l unico metodo che resiste al ritmo attuale del mercato.

Cosa dicono quelli che l'hanno provato

Come per ogni lancio di un modello, l'annuncio di Anthropic arriva accompagnato da una raffica di citazioni di partner che hanno avuto accesso anticipato. Doverosa precisazione editoriale: si tratta di feedback di aziende selezionate con cura da Anthropic, spesso clienti che commercializzano i propri prodotti costruiti su questi modelli. Vanno letti quindi come testimonianze di parte, non come test indipendenti. Detto questo, quando attori che vivono dell'affidabilità del codice convergono tutti sullo stesso messaggio, il segnale merita che ci si fermi a rifletterci.

Il ritornello dominante: il livello di Fable, a metà prezzo

Il filo conduttore di queste testimonianze è il rapporto tra capacità e costo. Due attori di primo piano nel tooling per sviluppatori lo formulano quasi con le stesse parole.

Cognition (Devin), Scott Wu, CEO: Claude Opus 5 si avvicina al livello di prestazioni di Fable, a metà del costo.

Cursor, Sualeh Asif, cofondatore: un'intelligenza vicina a claude-fable-5, ma alla velocità e al costo di un Opus.

Il messaggio è cristallino e perfettamente allineato al pitch commerciale di Anthropic: ottieni quasi il top di gamma senza pagarne il prezzo. Detto da Cursor e Devin, due prodotti il cui margine dipende direttamente dal costo per token consumato, l'argomento non è di poco conto. Un modello che dimezza la fattura restando vicino al vertice è meccanicamente una leva di redditività per loro. Il che spiega anche il loro entusiasmo: hanno un interesse diretto a che questo posizionamento sia reale.

L'automazione e l'impresa

Al di là del puro coding, diversi partner insistono sugli usi agentici e di business.

Zapier, Wade Foster, CEO: Opus 5 ha preso la testa della classifica interna AutomationBench di Zapier, raggiungendo secondo loro il 100 % sul percorso testato, senza consumare più token dei Claude precedenti.

Box, Ben Kus, CTO: circa l'8 % di prestazioni in più rispetto a Opus 4.8 sui loro task, e fino all'11 % in più sull'analisi dei dati.

Questi due feedback sono interessanti perché escono dal terreno di gioco naturale di Opus (il coding) per toccare l'orchestrazione dei workflow e l'elaborazione documentale in azienda, esattamente il tipo di utilizzo a cui puntano i nostri clienti. Il dato di Box, un guadagno di qualche punto su una base già solida, suona d'altronde più credibile di un balzo spettacolare: è l'ordine di grandezza che ci si aspetta da un passaggio di versione ben gestito, non da una rivoluzione.

La riduzione della varianza, il segnale che parla ai team di produzione

Il feedback più istruttivo per chi mette i modelli in produzione non riguarda un picco di prestazioni, ma la loro stabilità.

Lovable, Fabian Hedin, cofondatore: +22 % rispetto a Opus 4.7, e soprattutto molta meno varianza da un'esecuzione all'altra.

Questa storia della varianza è il punto che ci rimane impresso. In produzione, un modello che dà un risultato eccellente una volta su tre e un risultato mediocre le altre due è ingestibile: impossibile costruirci sopra un prodotto affidabile. Un modello leggermente meno brillante ma prevedibile run dopo run vale spesso più di un genio instabile. Se il guadagno di regolarità si conferma fuori dalle condizioni di test di un partner, è probabilmente il miglioramento più concreto di Opus 5 per un'agenzia come la nostra, più ancora dei punteggi di benchmark.

Il creativo, lo scientifico e gli IDE

Tre ultimi feedback completano il quadro su terreni più specifici.

Vercel, Madhav Jha, cofondatore e CTO: le migliori animazioni, giochi e rendering 3D prodotti da un modello della famiglia Opus.

JetBrains, Denis Shiryaev, responsabile dell'IA nell'IDE: il salto più netto nella risoluzione dei problemi.

Benchmark Life Sciences, Alfredo Andere, CEO: il modello si comporta più come uno scienziato prudente di qualsiasi altro modello testato.

La formula di Alfredo Andere riassume bene una tendenza di fondo: la prudenza, il verificare prima di affermare, diventa un argomento di vendita tanto quanto la potenza bruta. Sul fronte creativo, il feedback di Vercel conferma che Opus 5 si attacca a un terreno (il rendering visivo e interattivo) in cui la famiglia era storicamente meno a suo agio.

Cosa trattenere da questo coro di elogi

Due constatazioni convergono attraverso queste voci. Innanzitutto, la promessa costo/capacità (vicino a Fable, a metà prezzo) viene ripresa parola per parola dai partner meglio posizionati per giudicarla, il che la rende credibile senza provarla. Poi, la riduzione della varianza ritorna come tema sottostante: affidabilità da un'esecuzione all'altra, meno andirivieni, comportamento più prevedibile. Per chi deve decidere, è il secondo punto quello che conta di più, perché è quello che determina se un modello è industrializzabile. Resta la riserva di fondo: nessuno di questi numeri è stato prodotto in condizioni indipendenti, ogni partner ha misurato ciò che gli faceva comodo sul proprio banco di prova, e tutti hanno un interesse a che il modello riesca. Li prendiamo quindi per quello che sono: indizi concordanti, non prove.

Sicurezza, allineamento e il caso cyber

È la parte della scheda che gli acquirenti frettolosi ignorano e che i CIO leggono per primi. Anthropic accompagna ogni modello con una scheda di sistema (system card), un documento di 194 pagine per Opus 5, in cui l'azienda documenta i propri test di sicurezza, allineamento e rischio. Una precisazione di metodo che vale per tutto questo paragrafo: questi numeri provengono dalle valutazioni interne di Anthropic, non da un audit indipendente di terze parti. Sono solidi e dettagliati, ma restano autodichiarati. Vanno letti come tali.

Un punteggio di allineamento presentato come il migliore della generazione

Il dato messo in evidenza da Anthropic è un punteggio di audit comportamentale sul disallineamento pari a 2,3. La scala va da 1 a 10 (più basso = meglio), ogni modello passa attraverso circa 3.200 indagini automatizzate, e 2,3 è, secondo l'azienda, il punteggio più basso tra i suoi modelli recenti, davanti a Sonnet 5, Opus 4.8 e Mythos 5. Da qui Anthropic trae il titolo di modello più allineato mai realizzato: i tassi di comportamento ingannevole più bassi, la migliore aderenza alla costituzione di Claude e meno azioni irreversibili rischiose.

Due precisazioni oneste, entrambe tratte dalla scheda di sistema. Prima di tutto, Opus 5 è leggermente più bravo dei suoi predecessori a capire di essere sottoposto a un test (evaluation awareness), cosa che può falsare questo tipo di audit; Anthropic afferma che ciò non ha alterato in modo sostanziale le conclusioni, ma il lettore deve sapere che il soggetto osservato a volte sa di essere osservato. Poi, un dettaglio controintuitivo: il modello inventa affermazioni fattuali (allucinazioni) leggermente più spesso di Opus 4.8, pur essendo nel complesso più preciso. Un buon punteggio di allineamento non significa quindi zero errori fattuali. La verifica umana resta d'obbligo sui deliverable sensibili.

Autoverifica e recupero dagli errori

Sul campo, il miglioramento più utile non è un numero di benchmark ma un comportamento: Opus 5 verifica il proprio lavoro e si riprende da solo dai propri errori, riducendo il numero di andate e ritorni rispetto ai predecessori. È quanto descrive Madhav Jha (cofondatore e CTO di Vercel), che sottolinea le migliori animazioni, giochi e rendering 3D prodotti da un modello Opus. Per un uso agentico (il modello concatena più passaggi senza supervisione), questa capacità di correggere i propri errori conta spesso più di uno o due punti in più su un test accademico.

Il caso cyber: una strategia dichiarata

Il punto più interessante, e più specifico di questa famiglia di modelli, è il cyber. Anthropic dichiara di aver volutamente evitato di addestrare Opus 5 su compiti cyber, come già per Opus 4.8. I progressi cyber del modello derivano quindi dai suoi avanzamenti di capacità generale, non da un addestramento offensivo dedicato. In concreto, questo si traduce in un profilo asimmetrico: Opus 5 si avvicina a Mythos 5 (il modello cyber più forte di Anthropic) nell'identificare le vulnerabilità, ma resta molto indietro nel trasformarle in exploit funzionanti.

Le misurazioni interne illustrano questo divario. Su OSS-Fuzz, Opus 5 ottiene un punteggio non nullo su circa il 79 % dei bersagli, contro il 38 % di Opus 4.8 e circa l'80 % di Mythos 5: per il rilevamento ha raggiunto la parte alta della classifica. Ma quando si tratta di arrivare fino in fondo, il divario si allarga: Opus 5 sfrutta completamente una manciata di bersagli, mentre Mythos 5 ne chiude molti di più. Stessa logica su altre suite interne: Opus 5 trova, Mythos 5 arma. Anthropic riassume questo posizionamento nel suo annuncio di Opus 5 dicendo che il modello resta sostanzialmente indietro rispetto a Mythos 5 sullo sviluppo di exploit.

Meno falsi positivi cyber: perché conta

Il cambiamento più concreto per gli utenti legittimi riguarda i classificatori di sicurezza, quei filtri che rifiutano determinate richieste ritenute pericolose. Su Opus 5 sono calibrati per attivarsi circa l'85 % in meno rispetto a Fable 5. Su una misura interna, il tasso di attivazione passa dal 42 % al 5 %. Il cambiamento di policy è esplicito: Opus 5 ora consente la ricerca di vulnerabilità nel codice sorgente a tutti i livelli di accesso, continuando a bloccare per impostazione predefinita la scansione di binari compilati, i test di intrusione e la generazione di exploit.

La nostra analisi: questo calo dei falsi positivi è la vera buona notizia per gli usi professionali. Uno sviluppatore che chiede a Claude di controllare il proprio codice, un pentester interno che documenta una falla, un responsabile della sicurezza che prepara una correzione si scontravano regolarmente con i rifiuti della generazione precedente. Meno blocchi ingiustificati significa un modello davvero utilizzabile per la revisione del codice e l'hardening applicativo, senza dover aggirare lo strumento. Il paletto di sicurezza rimane, ma ostacola meno il lavoro difensivo. Quando un rifiuto arriva comunque, l'API può ripiegare su Opus 4.8 per restituire una risposta invece di un errore.

Biologia, Mythos 5 e Project Glasswing

Sul fronte biologia, Opus 5 mantiene una serie di paletti di sicurezza simile a quella di Opus 4.8. Anthropic lo presenta come il modello in disponibilità generale più capace per la ricerca scientifica, segnalando però limiti importanti sui compiti autonomi lunghi. Un test parla da solo: incaricato di pianificare ed eseguire da solo una campagna di progettazione di proteine di 24 ore per 10.000 $, il modello non ha consegnato il risultato in due tentativi. Il tetto di capacità reale resta quindi al di sotto del marketing.

Va infine distinto Opus 5 da Mythos 5, spesso citato come termine di paragone. Mythos 5 non è in disponibilità generale: è un modello riservato, distribuito su invito tramite Project Glasswing, una collaborazione con il governo statunitense destinata ai difensori cyber e agli operatori di infrastrutture critiche. Il ragionamento di Anthropic è quello di un'asimmetria offensivo/difensivo dichiarata: tenere le capacità cyber più spinte in un canale chiuso e sorvegliato, e consegnare al grande pubblico un Opus 5 volutamente frenato sull'offensivo ma molto più permissivo sul difensivo legittimo. Per un'agenzia o un'azienda è il compromesso giusto: la potenza utile ogni giorno, senza il fucile carico.

Il lessico per leggere bene questo lancio

Il lancio di Claude Opus 5 porta con se una serie di termini tecnici che ricorrono ovunque nella documentazione. Ecco un glossario chiaro per capirli senza essere ingegneri, con il collegamento diretto a cio che questo nuovo modello cambia davvero.

Finestra di contesto

La finestra di contesto e la quantita di testo che il modello puo leggere e tenere in memoria durante uno scambio. Opus 5 arriva fino a 1 milione di token, pari a circa 555.000 parole. In concreto, potete sottoporgli un intero dossier, piu contratti o una base di codice completa senza doverla spezzettare.

Token e tokenizer

Un token e una piccola unita di testo, spesso un frammento di parola. Il tokenizer e lo strumento che suddivide il vostro testo in token. Dettaglio importante per il budget: la generazione Opus 4.7 e successive produce circa il 30 % di token in piu rispetto alle versioni precedenti. Poiche la fatturazione avviene al token, questo aspetto modifica il vostro calcolo dei costi, anche a parita di testo finale.

Knowledge cutoff e training data cutoff

Knowledge cutoff

La data fino alla quale il modello conosce il mondo. Per Opus 5 questo cutoff e fissato a maggio 2026, il piu recente di tutta la gamma.

Training data cutoff

La data di fine dei dati di addestramento grezzi. Puo essere anteriore al knowledge cutoff. Le due nozioni sono distinte e non vanno confuse.

Adaptive thinking ed extended thinking

L adaptive thinking e un ragionamento attivo per impostazione predefinita su Opus 5: il modello decide da solo quanto riflettere in base alla difficolta del compito. L extended thinking, la modalita di riflessione prolungata che si attivava su richiesta nelle generazioni precedenti, non esiste piu su Opus 5, sostituita da questo approccio adattivo.

Effort

Il parametro effort regola il compromesso tra costo e capacita. Propone i livelli high, xhigh e max, con high come impostazione predefinita sull API e in Claude Code. Piu si sale, piu il modello investe in calcolo, quindi in precisione, ma anche in tempo e in budget.

Agentico e agente

Un modello detto agentico, o agente, non si limita a rispondere. Pianifica, usa strumenti come un browser o un terminale e concatena piu passaggi in autonomia per raggiungere un obiettivo. E un asse centrale di Opus 5.

SWE-bench Verified e SWE-bench Pro

Sono due benchmark, test standardizzati, che misurano la capacita di un modello di risolvere veri bug software. SWE-bench Verified raccoglie casi verificati da esseri umani. SWE-bench Pro e una versione nettamente piu difficile, con problemi piu complessi.

Prompt cache

Il prompt cache riutilizza un contesto gia inviato per evitare di rielaborarlo, riducendo cosi costo e latenza. Novita utile sulla Claude Platform: cambiare strumenti nel corso di una conversazione non invalida piu questa cache, quindi i vostri risparmi restano stabili.

Fallback automatico

Il fallback automatico e il passaggio a un altro modello quando Opus 5 rifiuta una richiesta per una ragione di sicurezza. La richiesta legittima non viene bloccata di netto, ma reindirizzata, evitando interruzioni in un flusso di produzione.

La nostra prova sul campo: cosa è verificabile e cosa no

Prima di allineare i punteggi, diciamo con franchezza come abbiamo lavorato a questo dossier. Siamo risaliti alle fonti primarie: la pagina di annuncio di Anthropic, la documentazione tecnica della piattaforma, la system card e i listini prezzi ufficiali. Poi abbiamo incrociato questi elementi con la stampa specializzata (Fortune, Yahoo Finance) e con valutatori terzi come Snorkel o CodeRabbit. Quello che non abbiamo fatto, e teniamo a dirlo con chiarezza: non abbiamo prodotto, a questo stadio, un benchmark indipendente riproducibile. I numeri di lancio, compresi quelli presentati sotto il nome di benchmark di terze parti, sono stati misurati su run di Anthropic, non da laboratori indipendenti. È la norma nel giorno dell'uscita, ma resta un limite che ci rifiutiamo di nascondere.

Ciò che possiamo affermare con sicurezza

Alcune cose non dipendono da un benchmark: sono osservabili, documentate e stabili. Il model ID è claude-opus-5, disponibile dal 24 luglio 2026 su Claude.ai, Claude Code, Claude Cowork, l'API e tramite AWS Bedrock, Google Cloud e Microsoft Foundry. Il prezzo è di 5 $ per milione di token in ingresso e 25 $ in uscita, esattamente identico a Opus 4.8, ovvero la metà della tariffa di Fable 5. La finestra di contesto raggiunge 1 milione di token, l'output massimo 128.000 token e la data di aggiornamento delle conoscenze è maggio 2026. Tutto questo è verificabile in pochi minuti sul vostro stesso account.

Anche la manopola dell'effort è un fatto tangibile: il parametro effort accetta low, medium, high, xhigh e max, con high come valore predefinito su API e Claude Code. La si regola, si misura la differenza di token consumati, si constata. Stessa logica per il fallback automatico: quando un classificatore di sicurezza rifiuta una richiesta, l'API restituisce uno stop_reason: "refusal" in HTTP 200 e può ripiegare su Opus 4.8 invece di restituire un errore. Il comportamento è descritto nella documentazione e si riproduce. Questi mattoni, prezzo, disponibilità, specifiche, effort, fallback, li diamo per acquisiti.

Ciò che resta da confermare

Al contrario, diverse promesse centrali del discorso di Anthropic non sono verificabili dall'esterno nel giorno del lancio. La prima è lo scarto reale con Fable 5 in condizioni di produzione. Anthropic dichiara una performance a meno dello 0,5 % da Fable 5 su CursorBench per la metà del costo per task. È un dato comunicato dall'azienda, non una misura indipendente, e nulla dice che questo scarto regga sulla vostra codebase, con i vostri prompt e i vostri vincoli. La seconda incognita è il costo effettivo. La tariffa esposta è una cosa, la fattura un'altra: la generazione Opus 4.7 e successive utilizza un tokenizer che produce circa il 30 % di token in più rispetto ai modelli precedenti alla 4.7. Un prezzo per token identico può quindi mascherare una spesa reale più elevata, da misurare sul vostro stesso carico di lavoro.

La terza zona grigia è la stabilità run-to-run. Le testimonianze dei partner, per quanto lusinghiere siano (Lovable evoca una varianza nettamente ridotta da un'esecuzione all'altra), descrivono condizioni scelte e spesso ottimizzate. La varianza su task lunghi, in autonomia, fuori da una demo controllata, si giudica solo con l'uso su diverse settimane. Infine, l'analisi degli errori di Snorkel ricorda utilmente che l'inferenza errata resta il primo meccanismo di fallimento (35 % dei casi): un modello più forte non è un modello infallibile.

Come testarlo seriamente in prima persona

Il nostro consiglio è semplice e non costa quasi nulla. Non fidatevi delle medie dei benchmark: costruite un mini-corpus rappresentativo del vostro lavoro reale, una decina di ticket, di segnalazioni di bug o di documenti tipici, e fate girare Opus 5 su di essi.

• Confrontate sul vostro corpus, non su SWE-bench: i punteggi pubblici non predicono il vostro caso d'uso preciso.
• Misurate i token reali consumati, in ingresso e in uscita, per ottenere un costo per task concreto anziché un prezzo per milione teorico.
• Fate variare l'effort da high a xhigh poi max sugli stessi task, e guardate se il guadagno di qualità giustifica i token supplementari. Spesso, abbassare l'effort preserva l'essenziale della performance a un costo molto inferiore.
• Tenete Opus 4.8 come baseline: resta disponibile. Un A/B onesto tra 4.8 e Opus 5 sui vostri task vale più di mille punteggi di lancio.

In sintesi, siamo convinti da ciò che si può toccare (il prezzo mantenuto, la manopola dell'effort, la disponibilità immediata) e prudenti su ciò che rientra ancora nella parola dell'azienda (lo scarto esatto con Fable 5, il costo netto dopo il tokenizer, la costanza nel tempo). È proprio per questa ragione che vi invitiamo a condurre il vostro test prima di impegnare un budget: su questo tema, il vostro corpus è un giudice più affidabile di qualsiasi classifica.

Per chi, concretamente

Superata l ondata di annunci, la vera domanda, quella che conta per un budget e per una roadmap, è: claude-opus-5 cambia qualcosa per voi, e quale modello della gamma scegliere. La risposta dipende meno dal benchmark che dal profilo. Ecco la nostra lettura, profilo per profilo, senza gonfiare nulla.

Sviluppatori e team di prodotto: la nuova impostazione predefinita ragionevole

Per la maggior parte dei team di sviluppo, Opus 5 diventa la scelta predefinita sensata sul coding agentico. Due ragioni concrete. Prima di tutto il rapporto capacità/costo: prezzo identico a Opus 4.8 (5 $ in ingresso, 25 $ in uscita per milione di token) per un salto di prestazioni reale. Poi i punteggi di terze parti riportati dalla stampa e dai valutatori, da maneggiare con prudenza visto che i run di lancio erano quelli di Anthropic: 96,0 % su SWE-bench Verified e 79,2 % su SWE-bench Pro, ben al di sopra del 69,2 % di Opus 4.8. Non è un margine, è uno scatto generazionale.

La nostra raccomandazione pratica sta in tre righe. Usate Opus 5 come modello di lavoro quotidiano sul coding agentico complesso, sul refactoring multi-file e sull investigazione dei bug, dove eccelle. Tenete Claude Sonnet 5 e Haiku 4.5 per tutto ciò che è volume, sotto-agenti e task semplici, là dove spendere compute Opus non ha alcun senso. E riservate Fable 5, due volte più caro, ai problemi di ragionamento più difficili, quelli in cui l ultimo mezzo punto di capacità giustifica il conto. Anthropic non sostiene che Opus 5 sia il suo modello più intelligente: quel titolo resta a Fable 5. Opus 5 è il miglior rapporto costo-prestazioni, non il tetto assoluto.

Un dettaglio operativo che conta: il parametro effort (livelli high, xhigh, max) è la vostra leva di costo. Abbassare l effort preserva l essenziale delle prestazioni consumando meno token. In concreto, fate una scansione dell effort sulle vostre valutazioni piuttosto che spingere tutto su max per riflesso. Attenzione anche al tokenizer della generazione Opus 4.7 e successive, che produce circa il 30 % di token in più rispetto ai modelli precedenti: misurate sul vostro carico reale prima di estrapolare una fattura.

Aziende: il rapporto capacità/costo al servizio dei workflow interni

Per un IT manager o una direzione di business, l interesse di Opus 5 non è la gara di benchmark, è l equazione economica su usi interni ricorrenti. Analisi dei dati, sintesi documentale, ricerca scientifica, due diligence, modellazione finanziaria: sono esattamente i terreni su cui Anthropic posiziona il modello, e dove diversi suoi clienti dichiarano guadagni (Box parla di 8 % in più rispetto a Opus 4.8 e 11 % nell analisi dei dati, JetBrains di uno scatto netto nella risoluzione dei problemi). Queste cifre sono dichiarate da partner citati dall azienda produttrice: trattatele come segnali, non come misure indipendenti.

Due vantaggi pratici per l azienda. La finestra di contesto da 1 milione di token permette di ingerire intere basi documentali senza spezzettamenti acrobatici. E il fallback automatico (quando una richiesta viene rifiutata per motivi di sicurezza, l API passa a un altro modello invece di restituire un errore) evita i vicoli ciechi in produzione. Il fatto che Anthropic descriva Opus 5 come il suo modello in disponibilità generale più capace per la ricerca scientifica, in particolare in biologia, va preso sul serio per i settori interessati, sanità, agroalimentare, chimica, tenendo però a mente che si tratta di specifiche e di un inquadramento del produttore.

Agenzie e PMI: come lo usiamo in Go To Agency

È qui che la logica costo-prestazioni diventa molto concreta per un cliente. In Go To Agency, agenzia digitale a Digione, un modello che si avvicina alla fascia alta a metà del prezzo di Fable 5 si traduce direttamente in tempi rispettati e in margine preservato, quindi in preventivi più competitivi per voi. Lo usiamo su tre fronti.

• Prototipazione: partire da un brief vago e tirare fuori un primo mockup funzionante, un componente di interfaccia o uno script di integrazione in ore anziché in giorni. Opus 5 verifica da solo il proprio lavoro e si riprende autonomamente dai propri errori, il che riduce i botta e risposta e il tempo fatturabile perso in correzioni.
• Contenuti e SEO: produzione di articoli di approfondimento documentati, di pagine locali e di contenuti multilingue, con un lavoro di rilettura umana sistematico. La qualità editoriale non è negoziabile, ma il costo di produzione scende, e questo risparmio va a vantaggio del cliente finale.
• Strumenti interni: cruscotti lead, automazioni, piccoli back-office su misura. Costruiamo in fretta ciò che, ieri, avrebbe richiesto un ciclo di sviluppo completo, e fatturiamo il risultato, non il tempo perso.

Il principio è semplice e non cambia: l IA accelera la nostra produzione, non sostituisce mai il giudizio, la strategia e la responsabilità editoriale che vi aspettate da un agenzia. Ci permette di consegnarvi più in fretta e di restare competitivi sul prezzo, senza mai sovrafatturare una capacità che il progetto non richiede. Un sito vetrina locale non ha bisogno del compute di un progetto di piattaforma complessa, e scegliamo il modello giusto per l uso giusto.

Voglia di vedere cosa dà in pratica? Sfogliate le nostre realizzazioni, chiedete un preventivo adatto al vostro progetto, oppure contattateci per parlarne. Tutto avviene via email, al vostro ritmo: leggiamo, capiamo l esigenza, rispondiamo con una proposta concreta, senza imporvi né chiamate né agende.

Migrare da Opus 4.8, e il nostro verdetto

La buona notizia per chi gira gia su claude-opus-4-8: la migrazione verso claude-opus-5 e una delle piu indolori che Anthropic abbia mai proposto. Stessa famiglia, stessa finestra di contesto da 1 milione di token, stessa griglia tariffaria (5 $ / milione di token in ingresso, 25 $ / milione in uscita) e una guida di migrazione ufficiale che documenta le rare differenze di comportamento. Nella maggior parte dei casi basta cambiare l identificativo del modello nel vostro codice e rilanciare le valutazioni. Il prezzo non si e mosso, la performance e salita: e il senso della storia che Anthropic racconta e, su questo punto preciso, e un fatto verificato.

Resta il fatto che "cambiare l ID e pregare" non e una strategia di produzione. Quattro punti meritano un test reale prima di fare il passaggio.

• Verificate l effort di default. Su API e su Claude Code, Opus 5 gira di default a high, esattamente come se ometteste il parametro. Attenzione a una differenza rispetto a Opus 4.8: quest ultimo forzava high ovunque, anche su claude.ai, mentre Opus 5 non forza piu high di default su claude.ai. Rifate una scansione dell effort sulle vostre eval invece di riportare alla cieca le impostazioni di Opus 4.8.
• Misurate i vostri token reali. La generazione 4.7 e successive usa un tokenizer che produce circa il 30 % di token in piu rispetto ai modelli anteriori alla 4.7, a parita di testo. Il prezzo per milione e identico, ma la vostra fattura reale dipende dal numero di token fatturati. Misurate sul vostro workload prima di fidarvi di un estrapolazione.
• Testate il fallback. Se vi appoggiate al comportamento di ripiego automatico (quando un classificatore di sicurezza rifiuta una richiesta, l API passa a un altro modello, Opus 4.8 di default su Claude.ai, Code e Cowork), validate il risultato lato client: la risposta cambia modello servente e la vostra logica applicativa deve tollerarlo.
• Tenete Opus 4.8 accessibile come legacy. Resta disponibile, il che vi lascia un punto di confronto e una rete di sicurezza se un caso d uso regredisce. Attenzione pero al calendario vicino: claude-opus-4-1 e gia deprecato e verra ritirato il 5 agosto 2026. Se siete ancora attardati su una 4.1, la migrazione non e piu opzionale.

Il nostro verdetto

Siamo chiari e onesti, come dall inizio di questo articolo. Opus 5 e il miglior Opus mai uscito, allo stesso prezzo del precedente. Si avvicina a Fable 5 su molti compiti di codice e di ragionamento, pur restando, per ammissione della stessa Anthropic, meno intelligente di Fable 5 nella fascia alta dello spettro. Del resto Anthropic non sostiene il contrario: Opus 5 e venduto come il daily driver, il miglior rapporto costo-performance, non come il vertice della gamma. E una posizione onesta e corrisponde a quello che osserviamo.

La vera novita utile non e questo o quel punto di benchmark. Sono due meccanismi concreti: il dial dell effort (low, medium, high, xhigh, max), che vi lascia arbitrare tra costo e capacita su una stessa richiesta, e il fallback automatico, che trasforma un rifiuto di sicurezza in una risposta degradata anziche in un errore. Sono le funzionalita che cambiano davvero la vita a un team che sfrutta il modello in produzione, molto piu di mezzo punto in una classifica.

Sui numeri, la nostra posizione resta prudente. I benchmark sono impressionanti (96,0 % su SWE-bench Verified, 79,2 % su SWE-bench Pro, punteggi che raddoppiano Opus 4.8 su Frontier-Bench secondo i dati dichiarati da Anthropic), ma la maggior parte e dichiarata dall editore o eseguita su run Anthropic al lancio, non da terze parti rigorosamente indipendenti. E normale per un lancio, ma non e un motivo per prenderli per oro colato. La nostra lettura: la direzione e giusta, l ampiezza esatta e da confermare sui vostri compiti.

Il verdetto operativo, invece, e semplice. Per la stragrande maggioranza dei carichi di codice e di agenti, Opus 5 diventa il nuovo default ragionevole: tenete Fable 5 per la capacita massima sui problemi davvero difficili e scendete verso Sonnet 5 o Haiku 4.5 quando conta il costo. Opus 5 occupa il centro di gravita, li dove si gioca il lavoro quotidiano.

In Go To Agency integriamo gia questi modelli nelle pipeline dei nostri clienti (assistenti di codice, agenti di business, automazioni documentali) e scegliamo il modello giusto per il budget giusto, senza dogmi. Se vi state chiedendo quale di questi modelli abbia senso per il vostro caso d uso, o come cablare un fallback pulito in produzione, parliamone: chiedete un preventivo o passate dalla pagina contatti. Vi diremo onestamente cosa vale la pena e cosa no.