Claude Opus 5 w praktyce: najlepszy Opus, cena jak Opus 4.8, blisko Fable 5

To był piątek pod koniec lipca, 24 lipca 2026, gdy Anthropic wypuścił Claude Opus 5, dostępny tego samego dnia na wszystkich swoich powierzchniach: Claude.ai, Claude Code, Claude Cowork, API oraz Claude Platform. Pod maską jeden identyfikator do zapamiętania: claude-opus-5. Model od razu staje się domyślną opcją Claude Max i najmocniejszą opcją, jaką można wybrać w Claude Pro. Innymi słowy, jeśli płacisz za abonament Anthropic, istnieje spora szansa, że twoje kolejne rozmowy już teraz przechodzą przez Opus 5, choć niczego nie zmieniałeś.

Oficjalny pitch mieści się w jednym zdaniu, które cytujemy dosłownie: Opus 5 zbliża się do inteligencji z pierwszej linii frontu Claude Fable 5 za połowę ceny. To sprytna formuła i trzeba ją czytać uważnie. Anthropic nie twierdzi, że Opus 5 jest jego najinteligentniejszym modelem: ten tytuł pozostaje wyraźnie przy Fable 5, okręcie flagowym. Opus 5 przedstawiany jest jako daily driver, codzienny koń pociągowy o najlepszym stosunku kosztu do wydajności, ten, który uruchamiasz domyślnie do złożonego kodowania agentowego i pracy w firmie, zanim wytoczysz ciężką artylerię. Przekaz pachnie marketingiem, a całą robotę wykonuje słowo zbliża się: zbliżyć się do frontu to nie to samo co go osiągnąć, a formuła "połowa ceny" zasługuje na to, by dokładnie przyjrzeć się, co realnie dostajemy za te oszczędności.

To dokładnie ten rodzaj twierdzenia, którego nie bierze się za dobrą monetę. Aby utrzymać ten artykuł z dala od komunikatu prasowego, każdą informację przypisujemy do jednej z trzech kategorii, nigdy ich nie mieszając. Po pierwsze: fakty zweryfikowane, czyli to, co da się obiektywnie stwierdzić (identyfikator modelu, okno kontekstu, cennik, daty dostępności). Po drugie: benchmarki deklarowane przez Anthropic, te imponujące liczby pochodzące z ogłoszenia i z system card, które są interesujące, ale pozostają wynikami komunikowanymi przez samego producenta, często na jego własnych przebiegach, więc trzeba je traktować z należną ostrożnością. Po trzecie: nasza analiza, czyli to, co o tym sądzimy w Go To Agency po zestawieniu źródeł zewnętrznych i po samodzielnym przetestowaniu modelu. Gdy jakaś liczba pochodzi od Anthropic, mówimy o tym wprost; nigdy nie przedstawimy jej jako niezależnie potwierdzonej prawdy.

Trzy nowości nadają strukturę temu premierowemu wydaniu i każdą z nich omówimy szczegółowo w osobnej sekcji. Najpierw cena: Opus 5 kosztuje dokładnie tyle samo co Opus 4.8, czyli 5 $ za milion tokenów wejściowych i 25 $ za milion tokenów wyjściowych. Anthropic zamroził stawkę i zwiększył możliwości, co w wojnie cenowej z OpenAI i Google wiele mówi o strategii. Następnie pokrętło wysiłku (poziomy high, xhigh, max), suwak pozwalający jawnie balansować między kosztem a możliwościami, zapytanie po zapytaniu. Wreszcie automatyczny fallback: gdy model odrzuca zapytanie ze względów bezpieczeństwa, API samodzielnie przełącza się na inny model, zamiast zwracać ci błąd. Trzy sygnały, które razem rysują model pomyślany z myślą o produkcji i o budżetach, a nie tylko o laboratoryjnych rekordach.

Zanim otworzymy maskę nad tymi mechanizmami, połóżmy fundamenty. Oficjalna dokumentacja Claude Platform podaje dokładne specyfikacje modelu: okno kontekstu, maksymalną długość odpowiedzi, obsługiwane formaty wejścia, datę odcięcia wiedzy. Zacznijmy od zweryfikowanej karty technicznej.

Zweryfikowana specyfikacja techniczna

Zanim przejdziemy do analizy, surowe fakty. Oto oficjalne parametry modelu claude-opus-5 w wersji udokumentowanej przez Anthropic w dniu premiery, 24 lipca 2026. Zadna liczba w tej tabeli nie jest benchmarkiem ani marketingowa projekcja: to weryfikowalne specyfikacje techniczne, te same, ktore znajdziesz w oficjalnej dokumentacji platformy Claude.

Dwa wiersze tej tabeli zasluguja na chwile uwagi, bo konkretnie zmieniaja to, co mozesz zrobic z modelem. Pierwszy: knowledge cutoff w maju 2026. To najswiezsza wiedza w calej gamie Claude 5, przed Sonnet 5, Opus 4.8 czy Fable 5, wszystkie ustawione na styczen 2026. Cztery miesiace roznicy moga wydawac sie drobiazgiem, ale dla modelu przeznaczonego do agentowego kodowania i pracy w firmie licza sie naprawde: biblioteki programistyczne, wersje frameworkow, zmiany regulacyjne, biezace wydarzenia w danej branzy. Agent, ktory ma rozumowac o swiezym ekosystemie technicznym, wystartuje z mniejsza liczba martwych pol, czyli z mniejsza liczba halucynacji do poprawy. To nie jest kosmetyczny detal, to redukcja dlugu weryfikacyjnego.

Drugi: okno kontekstu wynoszace milion tokenow. Okolo 555 000 slow to odpowiednik kilku duzych repozytoriow kodu, kompletnej teczki klienta albo setek stron dokumentacji wchlonietych w jednym zapytaniu. Dla agenta pracujacego nad dlugimi zadaniami (przeszukanie monorepo, prowadzenie kilkugodzinnego watku rozmowy, utrzymanie w glowie calego zakresu wymagan) ta pamiec robocza jest ograniczeniem numer jeden. Wyjscie z kolei jest zamkniete pulapem 128 000 tokenow w standardowym uzyciu, co i tak jest szerokie dla kodu czy raportu, a rosnie do 300 000 przez Batch API w przypadku masowych generacji.

Trio adaptive thinking na Tak, extended thinking na Nie odzwierciedla wybor architektoniczny. Opus 5 rozumuje domyslnie: jego mechanizm refleksji jest aktywny i modulowany parametrem effort (ktory omawiamy dalej), bez potrzeby wlaczania osobnego trybu rozszerzonego rozumowania, jak w poprzednich generacjach. Rozumowanie nie jest juz opcja, ktora sie podlacza, to natywne zachowanie modelu. Dla integratora upraszcza to konfiguracje: ustawia sie suwak effortu, a nie przelacznik refleksji.

Ostatnia kwestia, techniczna, ale kluczowa dla kazdego, kto wdraza ten model na produkcje: identyfikator claude-opus-5 to zamrozony snapshot, a nie alias evergreen, ktory po cichu przesuwalby sie do nowszej wersji. Poczawszy od generacji 4.6 Anthropic przyjelo ten format identyfikatora, bez widocznej daty, ale przypiety do konkretnej wersji. Mowiac wprost: model kryjacy sie za tym ID nie zmieni sie pod twoimi stopami. To wlasnie gwarantuje powtarzalnosc twoich ewaluacji, stabilnosc twoich promptow i brak zaskakujacych regresji w srodku kampanii produkcyjnej. Dla agencji takiej jak nasza, ktora dostarcza integracje klientom, ta stabilnosc nie jest wygoda, to warunek powagi: testuje sie jedna wersje, waliduje ja, wdraza, i pozostaje identyczna, dopoki sami nie zdecydujemy o migracji.

Cena: identyczna jak Opus 4.8, połowa tego, co Fable 5

Zacznijmy od liczby, wokół której układa się cała reszta. Claude Opus 5 jest rozliczany po 5 $ za milion tokenów wejściowych i 25 $ za milion tokenów wyjściowych. To dokładnie te same stawki co w Opus 4.8, jego poprzedniku. Anthropic nie ruszył cennika: ta sama cena co wcześniej, przy wyraźnie wyższych możliwościach (szczegółowe benchmarki znajdziesz w dalszej części artykułu). W branży, w której każda nowa generacja modelu zwykle wiąże się z dopłatą, utrzymanie stałej ceny przy jednoczesnym podniesieniu klasy to decyzja, którą warto podkreślić.

Drugi przydatny punkt odniesienia: ta cena to dokładnie połowa tego, co kosztuje Claude Fable 5, najbardziej wydajny szeroko dostępny model Anthropic, rozliczany po 10 $ za wejście i 50 $ za wyjście za milion tokenów. To sedno oficjalnej narracji. Anthropic przedstawia Opus 5 jako model, który, jego zdaniem, zbliża się do przełomowej inteligencji Fable 5 za połowę ceny. Zwróć uwagę na ostrożne sformułowanie: producent nie twierdzi, że Opus 5 jest jego najinteligentniejszym modelem (ten tytuł nadal należy do Fable 5), lecz że zbliża się do jego wydajności przy niższym koszcie. To pozycjonowanie modelu codziennego użytku, konia roboczego do pracy agentowej i zastosowań firmowych, przy czym Fable 5 zostaje zarezerwowany dla przypadków wymagających maksymalnych możliwości.

Wykres umieszcza Opus 5 w kontekście całej gamy. Na samym dole Haiku 4.5 pozostaje ekonomicznym modelem pomocniczym (1 $ za wejście, 5 $ za wyjście), skrojonym pod wolumen i proste podzadania. Sonnet 5 zajmuje środek za 3 $ / 15 $ (z ceną wprowadzającą 2 $ / 10 $ do 31 sierpnia 2026). Opus 5 i Opus 4.8 dzielą ten sam próg 5 $ / 25 $, a Fable 5 podwaja stawkę do 10 $ / 50 $. Odczyt jest jednoznaczny: przy wydajności bliskiej granicy Opus 5 dzieli na pół rachunek za wyjście w porównaniu z Fable 5, i to właśnie tam rozgrywa się kalkulacja dla większości realnych obciążeń.

Fast Mode: dwa razy drożej, dwa i pół raza szybciej

Anthropic oferuje opcję prędkości o nazwie Fast Mode. W praktyce serwuje ona ten sam model z prędkością około 2,5 raza wyższą niż domyślna, ale nalicza dwukrotność stawki bazowej, czyli 10 $ za wejście i 50 $ za wyjście za milion tokenów (co ciekawe, to dokładnie standardowa cena Fable 5). Rachunek jest prosty do postawienia: płacisz premię za niższą latencję. W interaktywnym doświadczeniu użytkownika (asystent kodu na żywo, chatbot, w którym liczy się każda sekunda oczekiwania) wyłożenie podwójnej stawki, by dostarczyć odpowiedź dwa i pół raza szybciej, może się bronić. Przy przetwarzaniu wsadowym w tle, gdzie latencja nie ma żadnego znaczenia, byłyby to pieniądze wyrzucone w błoto. Fast Mode to dźwignia doświadczenia produktowego, a nie dźwignia oszczędności.

Obniż wysiłek, obniż rachunek

Prawdziwa dźwignia oszczędności Opus 5 leży gdzie indziej: to pokrętło wysiłku. Jego techniczne działanie omawiamy dalej, ale jego wpływ na koszt warto poruszyć już przy kwestii ceny, ponieważ zmienia sposób myślenia o wydatkach. Parametr effort (poziomy low, medium, high, xhigh, max) reguluje ilość mocy obliczeniowej i tokenów rozumowania, jaką model zużywa na dane zadanie. Logika ekonomiczna jest bezpośrednia: obniżenie wysiłku zmniejsza zużycie tokenów, a więc i rachunek, zachowując zarazem istotę wydajności w zadaniach, które nie wymagają najgłębszego rozumowania.

Konkretnie: cena za milion tokenów nie drgnie, ale liczba tokenów wydanych na rozwiązanie problemu spada, gdy schodzisz o stopień niżej. Segregacja zgłoszeń, przeredagowanie tekstu, klasyfikacja dokumentów nie potrzebują takiego samego budżetu na myślenie jak refaktoryzacja obejmująca wiele plików. Tam, gdzie Opus 4.8 wymuszał wszędzie wysoki wysiłek, Opus 5 oddaje ci wybór: domyślnie ustawia się na high w API i w Claude Code, ale nic nie stoi na przeszkodzie, byś zszedł do medium lub low przy zadaniach o niskiej stawce, a xhigh lub max zarezerwował dla problemów, które na to zasługują. Realnego kosztu przepływu pracy nie odczytasz już wyłącznie z cennika: sterujesz nim na poziomie pojedynczego zapytania.

Dlaczego utrzymanie ceny Opus 4.8 to zagranie agresywne

Nasza analiza. Zamrożenie ceny z generacji na generację nie jest w lipcu 2026 niczym błahym. Anthropic wprowadza Opus 5 na rynek w pełni wojny cenowej, mierząc się z GPT-5.6 „Sol" od OpenAI oraz Gemini 3.1 Pro od Google, które oba forsują swój stosunek możliwości do kosztu, nie licząc chińskich laboratoriów zbijających stawki na wejściu gamy. W tym kontekście utrzymanie 5 $ / 25 $ przy zauważalnym podniesieniu możliwości oznacza obniżenie kosztu jednostki użytecznej pracy bez tykania widełek na metce. To ukryta obniżka ceny i frontalna odpowiedź na presję konkurencji.

Kalendarz wzmacnia ten odczyt. Anthropic przygotowuje wejście na giełdę w dalszej części roku, a ekonomiczny model codziennego użytku, który przechwytuje firmowe obciążenia na dużą skalę, to dokładnie taki produkt, który wzmacnia narrację wzrostu przed IPO. Jak podsumowuje szefowa produktu Anthropic ds. badań, to, czego chcą firmy, to wartość: tańszy model, który nie osiąga porównywalnej jakości, w rzeczywistości jest bezużyteczny. Utrzymanie ceny Opus 4.8 przy wyższych możliwościach to granie na dwóch fortepianach naraz.

Zastrzeżenie, o którym warto pamiętać: tokenizer

Nasza analiza. Cena z metki to nie to samo co rachunek. Generacja Opus 4.7 i kolejne (w tym Opus 5) używa tokenizera, który przy tym samym tekście produkuje około 30 % tokenów więcej w porównaniu z modelami sprzed wersji 4.7. Inaczej mówiąc, ten sam prompt i ta sama odpowiedź liczą się w większej liczbie tokenów niż przy starszej generacji, co mechanicznie podbija realny koszt przy tej samej treści. To nie pułapka, po prostu realia rozliczeń, które trzeba wziąć pod uwagę: jeśli migrujesz z modelu sprzed 4.7, nie porównuj cen za milion tokenów, zakładając identyczny wolumen tokenów. Jedynym wiarygodnym sposobem poznania swojego realnego kosztu jest zmierzenie go na własnym obciążeniu, z twoimi typowymi promptami i wyjściami, a następnie porównanie rachunków od początku do końca zamiast cenników. To niuans, który dzieli świadomą decyzję zakupową od nieprzyjemnej niespodzianki na koniec miesiąca.

Realny koszt agenta na Opus 5

Na papierze Opus 5 zachowuje siatkę cenową Opusa 4.8: 5 $ za milion tokenów wejściowych i 25 $ za milion wyjściowych. Ale dla agencji, która utrzymuje agenta programistycznego w ciągłym ruchu, to realne wolumeny decydują o wysokości rachunku. Weźmy konkretny i realistyczny przypadek: agent przetwarzający dziennie około 2 miliony tokenów na wejściu (kontekst, pliki, historia) i 400 000 tokenów na wyjściu (łatki, wyjaśnienia, polecenia).

Trzy modele, to samo obciążenie

Rachunek jest prosty. Na wejściu: 2 x 5 $ = 10 $. Na wyjściu: 0,4 x 25 $ = 10 $. Czyli 20 $ dziennie, około 600 $ miesięcznie za tego agenta na Opus 5. Oto porównanie dla trzech modeli istotnych przy tego typu zadaniach.

Przy tym samym obciążeniu Fable 5 kosztuje dwa razy więcej niż Opus 5, a Sonnet 5 około 40 % mniej. Miesięczna różnica między skrajnościami przekracza 800 $ na jednym agencie: pomnożona przez zespół programistów, wybór modelu staje się osobną pozycją w budżecie.

Pokrętło wysiłku przesuwa rachunek

Opus 5 udostępnia dial d'effort (poziomy high, xhigh, max, z high jako domyślnym w API i w Claude Code). Zejście z poziomu wysiłku zmniejsza przede wszystkim liczbę tokenów wyjściowych, a to właśnie one są najdroższą pozycją, po 25 $ za milion. Konkretnie, przejście z wysokiego wysiłku na umiarkowany przy prostych zadaniach może odjąć znaczącą część z 10 $ dziennego kosztu wyjścia, nie ruszając wejścia.

Odwrotnie, dźwignia max służy do trudnych zadań. Anthropic deklaruje, że we własnym benchmarku CursorBench 3.2 (test wewnętrzny, a nie pomiar niezależny) Opus 5 przy wysiłku max plasuje się w granicach 0,5 % od Fable 5, przy około połowie kosztu na zadanie. Innymi słowy, wysiłek max często pozwala uniknąć płacenia za Fable 5, zachowując niemal identyczny poziom wydajności.

Trzy konkretne dźwignie optymalizacji

• Mierz realne tokeny. Generacja Opus 4.7 i kolejne produkują około 30 % tokenów więcej niż modele sprzed wersji 4.7, ze względu na tokenizer. Nie polegaj na teoretycznym szacunku: oprzyrząduj własny workload, zanim ułożysz budżet.
• Kieruj wolumen do mniejszych modeli. Przekierowuj większość ruchu (klasyfikacja, streszczenia, zadania rutynowe) do Sonnet 5 (3 $ / 15 $, wprowadzająco 2 $ / 10 $ do 31 sierpnia 2026) lub Haiku 4.5 (1 $ / 5 $), a Opus 5 lub Fable 5 rezerwuj na zadania naprawdę trudne.
• Wykorzystaj Batch i pamięć podręczną promptów. Batch API (wyjście do 300k tokenów przez nagłówek beta) jest często wyraźnie tańsze przy przetwarzaniu, które nie jest pilne, a pamięć podręczna promptów obniża koszt wejścia, gdy ten sam kontekst jest wykorzystywany ponownie między wywołaniami.

Pokrętło wysiłku: prawdziwa nowość

Jeśli z całej premiery macie zapamiętać tylko jedną produktową nowość, niech to będzie właśnie ta. Od czasu Opus 5 nie wybieracie już wyłącznie tego, który model wywołać, wybieracie też, jak mocno ma się on zastanawiać. To ustawienie ma w API swoją nazwę: parametr effort, przekazywany przez output_config.effort. To centralna dźwignia ekonomii modelu i zarazem to, co tłumaczy, jak Anthropic udaje się sprzedawać inteligencję zbliżoną do swojego modelu frontier za połowę ceny.

Konkretnie parametr effort rozstrzyga kompromis między dwoma zasobami: poziomem inteligencji rzuconej na zadanie a liczbą tokenów (a więc kosztem i opóźnieniem), które model zużywa, żeby do celu dotrzeć. Im wyższy wysiłek, tym dłużej Opus 5 myśli, tym więcej ścieżek bada i tym staranniej weryfikuje swoją pracę. Im niższy, tym szybciej odpowiada i taniej, zachowując przy tym, i to jest sedno, znaczną część swojej wydajności. To nie jest zwykły suwak jakości, który liniowo pogarsza wynik: obniżenie o jeden stopień strąca koszt znacznie szybciej niż wydajność.

Trzy poziomy u wydawcy, pięć w dokumentacji

Uwaga na pewne zamieszanie, które krąży w prasie. Fortune w swoim artykule premierowym opisuje prosty przełącznik między kosztem a możliwościami i wspomina o trzech poziomach (low, medium, high). Ogłoszenie Anthropic eksponuje trzy szczeble narastania mocy: high, xhigh i max. Ale dokumentacja techniczna przedstawia pełną skalę o pięciu stopniach: low, medium, high, xhigh, max. W razie wątpliwości to dokumentacja rozstrzyga: artykuł Fortune to uproszczenie na potrzeby szerokiej publiczności.

Dwa elementy zachowania, które warto znać. Po pierwsze, wartością domyślną jest high, zarówno w API, jak i w Claude Code: jawne podanie effort: "high" daje dokładnie ten sam efekt co niepodanie niczego. To zmiana dyskretna, ale realna w porównaniu z Opus 4.8, który wymuszał high wszędzie, także na claude.ai. Po drugie, w Opus 5 ustawienie steruje ilością namysłu, a nie długością widocznej odpowiedzi: jeśli chcecie krótkiej odpowiedzi, nie effort należy obniżać, to wasz prompt musi o to poprosić.

Dlaczego ta dźwignia zmienia wszystko przy budżecie agentowym

Pokrętło wysiłku nie waży tyle samo dla jednorazowego chatbota, co dla agenta kodującego. Agent, który przez trzydzieści minut pracuje na repozytorium, czyta pliki, uruchamia testy, poprawia i zaczyna od nowa, zużywa tokeny w milionach. Przy takim tempie współczynnik dwa albo trzy na zużyciu to nie jest księgowy detal: to różnica między rentowną automatyzacją a rachunkiem końca miesiąca, który wybucha. To dokładnie ten problem, który pokrętło przychodzi rozwiązać.

Najbardziej wymowna ilustracja pochodzi z CursorBench 3.2. Przy wysiłku max Opus 5 plasuje się, jak podaje Anthropic, w granicach 0,5 % szczytowego wyniku Fable 5, ale za połowę kosztu na zadanie. Innymi słowy, pokrętło pozwala sięgać po niemal frontierową wydajność na zadaniach, które na to zasługują, bez płacenia stawki Fable 5 przy każdym wywołaniu. To samo rozumowanie działa w drugą stronę: na prostych podzadaniach albo w agentach o dużym wolumenie zejście do low lub medium uwalnia większość budżetu na momenty, które naprawdę się liczą.

Kiedy podkręcać, kiedy zostać nisko

Praktyczna reguła mieści się w kilku przypadkach. Podkręćcie do max, gdy gracie o dużą stawkę jednym ruchem: naprawdę trudne rozumowanie, krytyczna migracja one-shot, problem badawczy albo analiza, której nie chcecie generować po raz drugi. To ten stopień, na którym model wydaje bez ograniczeń tokenowych, żeby maksymalizować swoje szanse za pierwszym razem. Przejdźcie na xhigh przy długodystansowej pracy agentowej: zadania powyżej trzydziestu minut, budżety w milionach tokenów, autonomiczne kodowanie na rozległych placach budowy.

Zostańcie na high przy większości codzienności: to już poważny poziom możliwości i nie bez powodu jest wartością domyślną. Zejdźcie na medium albo low przy podagentach, masowym sortowaniu, etapach, gdzie szybkość i koszt są ważniejsze niż finezja. Rada warta złota, którą dokumentacja wbija do głowy: nie przenoście ustawień odziedziczonych po starszych modelach. Przepuśćcie własne ewaluacje przez pełny przegląd wysiłku, bo właściwy punkt równowagi zależy w całości od waszego realnego obciążenia pracą.

Zmiana modelu w trakcie zadania

Pokrętło wysiłku ma po stronie produktu swojego kuzyna: możliwość rozstrzygania kompromisu koszt kontra możliwości już nie wewnątrz jednego modelu, ale między modelami, w toku tego samego zadania. To właśnie ten przełącznik Fortune streszcza formułą toggle między kosztem a możliwościami. W praktyce dobrze przemyślana orkiestracja uruchamia potężny model na etapach planowania albo ciężkiego rozumowania, a potem oddaje pałeczkę tańszemu modelowi (samemu Opus 5 wobec Fable 5, albo o stopień niżej) do wolumenowej implementacji lub przeglądu. Wysoką stawkę płacicie tylko tam, gdzie generuje ona wartość.

Lekcja całości jest taka: przy Opus 5 koszt nie jest już zastygłą właściwością modelu, który wywołujecie, to zmienna, którą sterujecie wywołanie po wywołaniu, stopień po stopniu. Dla agencji albo zespołu produktowego, który industrializuje swoje zastosowania AI, to zapewne najbardziej namacalna zmiana tej premiery: ta sama techniczna cegiełka może kosztować trzy razy mniej w zależności od tego, jak się ją ustawi, bez zmiany modelu.

Automatyczny fallback i narzedzia zmienialne w trakcie dzialania

Poza pokretlem wysilku Opus 5 przynosi dwie produktowe nowosci, ktore mowia przede wszystkim do zespolow uruchamiajacych agentow na produkcji. Sa mniej efektowne niz wynik w benchmarku, ale konkretnie zmieniaja niezawodnosc i koszt tego, co wdrazasz. Przyjrzyjmy sie im po kolei, okiem dewelopera, ktory musi wziac na siebie uptime.

Automatyczny fallback: odpowiedz zamiast bledu

Opus 5 (podobnie jak Fable 5) ma wbudowane klasyfikatory bezpieczenstwa, ktore moga odrzucic zadanie. Wazny punkt do zrozumienia, zeby nie popelnic bledu w kodzie: odmowa nie jest bledem. Po stronie API to HTTP 200 z stop_reason: "refusal" i obiektem stop_details, ktory precyzuje kategorie oraz wyjasnienie. Innymi slowy, twoj try/catch tego nie zlapie: trzeba sprawdzic stop_reason odpowiedzi.

Nowoscia jest zachowanie awaryjne. Jak opisuje Fortune, gdy zadanie zostaje odrzucone, API moze automatycznie przelaczyc sie na inny model, tak aby uzytkownik dostal odpowiedz, a nie blad. W Claude.ai, Claude Code i Claude Cowork ten fallback trafia domyslnie do claude-opus-4-8. W API trzeba go wlaczyc jawnie. Najprostszy tryb nazywa sie "default": ustawiasz fallbacks: "default", i dla kazdej kategorii odmowy (kategorie to cyber, bio, frontier_llm, reasoning_extraction, general_harms) API ponawia zadanie na modelu, ktory rekomenduje Anthropic. Nie musisz juz utrzymywac wlasnej listy modeli zapasowych. Konkretny szczegol dla biologii: zadania, ktore byly blokowane na Fable 5, sa teraz kierowane do Opus 5.

Technicznie odpowiedz przejrzyscie sledzi przekazanie: pole model najwyzszego poziomu wskazuje model, ktory faktycznie obsluzyl zadanie, blok tresci typu fallback oznacza przelaczenie (z ktorego modelu na ktory), a usage.iterations zachowuje szczegoly kazdej proby wraz z jej rozliczeniem. Warto tez wiedziec: po fallbacku API przypina ten prefiks konwersacji do modelu, ktory zaakceptowal zadanie, na okolo godzine, zeby nie ponawiac przewidywalnej odmowy przy kazdej turze.

Za. Na produkcji to czysta odpornosc. Lejek generacyjny, agent wsparcia, pipeline przetwarzania dokumentow: zaden z tych przeplywow nie powinien zatrzymywac sie w miejscu tylko dlatego, ze klasyfikator podnisl falszywy alarm na zadaniu w pelni legalnym. Fallback zamienia potencjalna awarie w lagodna degradacje. Uzytkownik koncowy nie widzi bledu, widzi odpowiedz, wyprodukowana przez model nieco mniej wydajny, ale dzialajacy.

Przeciw. Ten komfort ma cene, ktora nie jest pieniezna: determinizm. Twoj system moze, bez uprzedzenia po stronie wywolujacego, obsluzyc odpowiedz pochodzaca z innego modelu niz ten, o ktory poprosiles. Jesli nie logujesz systematycznie pola model z odpowiedzi oraz zawartosci usage.iterations, tracisz slad tego, kto co odpowiedzial. Konkretnie, nasza rekomendacja dla zespolow: zawsze zapisuj model obslugujacy zadanie, alarmuj przy nietypowym wskazniku fallbacku (to czesto sygnal, ze prompt ociera sie o granice bezpieczenstwa) i testuj swoje krytyczne sciezki z modelem zapasowym na czele, a nie tylko z Opus 5. Dodatkowy punkt czujnosci: rozliczenie. Kazda proba jest fakturowana wedlug taryfy wlasnego modelu, co czyni koszt zadania odrzuconego, a nastepnie przekierowanego, mniej przewidywalnym niz proste wywolanie.

Zmiana narzedzi bez psucia cache promptu

Druga nowosc jest bardziej dyskretna, ale dla kazdego, kto buduje dlugo dzialajacych agentow, potencjalnie najbardziej oplacalna z tych dwoch. Na Claude Platform mozesz teraz dodawac lub usuwac narzedzia w srodku konwersacji bez uniewazniania cache promptu. To funkcja w wersji beta, wlaczana dedykowanym naglowkiem.

Zeby pojac stawke, trzeba przypomniec sobie, jak dziala cache. Definicja narzedzi jest wysylana na poczatku promptu. Do tej pory najmniejsza modyfikacja tej listy narzedzi zmieniala prefiks promptu i tym samym uniewazniala cache: model musial czytac caly kontekst od nowa po pelnej taryfie, zamiast korzystac z obnizonej taryfy za odczyt z cache. Dla agenta, ktory dziala trzydziesci minut lub dluzej, z kontekstem, ktory rosnie, i paleta narzedzi zmieniajaca sie wraz z etapami (najpierw wyszukiwanie, potem zapis plikow, potem wykonywanie), to ciagle uniewaznianie bylo studnia bez dna dla tokenow i latencji.

Dzieki zmianie narzedzi na goraco prefiks pozostaje stabilny, a cache pozostaje cieply nawet wtedy, gdy skrzynka narzedzi sie zmienia. Zysk jest podwojny: mniej fakturowanych tokenow (odczyt z cache kosztuje ulamek ceny ponownego zapisu) i mniej latencji przy kazdej turze, poniewaz model nie placi ponownie za koszt wchloniecia calej historii. Dla dewelopera orkiestrujacego agenta wieloetapowego to roznica miedzy wystawieniem od samego poczatku ogromnego katalogu narzedzi (ktory zasmieca kontekst i zwieksza ryzyko bledu wywolania) a serwowaniem na kazdej fazie dokladnie tych narzedzi, ktore sa istotne, bez kary dla cache. Anthropic obnizyl przy okazji minimum cachowalne do 512 tokenow na Opus 5 (wobec 1024 na Opus 4.8), co jeszcze bardziej poszerza pole krotkich promptow, ktore staja sie cachowalne.

Nasza interpretacja. Wziete razem, te dwie funkcje opowiadaja te sama historie: Anthropic optymalizuje Opus 5 pod realne i trwale zastosowanie agentowe, a nie tylko pod wynik w benchmarku. Fallback celuje w odpornosc na produkcji, zmiana narzedzi na goraco celuje w koszt i latencje dlugich petli. To dokladnie te dwa punkty bolu, ktore napotyka kazdy zespol przechodzacy od demo agenta do agenta, ktory dziala naprawde, u prawdziwych klientow.

Benchmarki podawane przez Anthropic

Uwaga, zachowaj ten odruch przy lekturze poniższych danych: wszystkie liczby z tej sekcji pochodzą od Anthropic. Wzięto je z oficjalnej zapowiedzi i z system card opublikowanej 24 lipca 2026 roku. To wyniki company-reported, czyli zmierzone i zakomunikowane przez producenta modelu, na konfiguracjach i zestawach testowych, które sam wybrał. Żaden z tych przebiegów nie został przeprowadzony przez niezależnego zewnętrznego ewaluatora. Wskazują kierunek, a nie prawdę wykutą w kamieniu. Podajemy je, bo rysują deklarowane pozycjonowanie claude-opus-5, ale traktujemy z taką samą ostrożnością jak kartę produktu podpisaną przez producenta.

Główna oś zapowiedzi jest prosta: Opus 5 ma zbliżać się do inteligencji Fable 5 przy mniej więcej połowie kosztu na zadanie. Prawie wszystkie eksponowane benchmarki są więc zbudowane wokół tego samego argumentu, czyli wydajności w przeliczeniu na cenę, a nie surowej wydajności. To wymowny wybór redakcyjny: Anthropic nie twierdzi, że Opus 5 to jego najinteligentniejszy model (ten tytuł pozostaje przy Fable 5), lecz że oferuje najlepszy zwrot z każdej wydanej złotówki. Oto deklarowane wyniki, przedstawione tak, jak figurują w komunikacji producenta.

Czytane razem, te benchmarki opowiadają spójną historię. Frontier-Bench v0.1 i CursorBench 3.2 mierzą kodowanie agentowe, czyli zdolność modelu do łączenia w łańcuch kolejnych działań w repozytorium kodu, do edytowania wielu plików i do prowadzenia zadania inżynierskiego przez dłuższy czas, a nie tylko do uzupełnienia fragmentu funkcji. To boisko, na którym Anthropic chce absolutnie wygrać, a przekaz jest podwójny: Opus 5 miałby wypaść dwa razy lepiej niż poprzednia generacja na Frontier-Bench i ocierać się o Fable 5 na CursorBench za połowę ceny. Warto podkreślić, że najlepszy wynik na CursorBench uzyskano przy efforcie max: to konfiguracja najbardziej łakoma na tokeny, a więc najdroższa w realnym użyciu, nawet jeśli koszt na zadanie jest wciąż przedstawiany jako korzystny.

ARC-AGI 3 zmienia rejestr. Ta rodzina testów celuje w rozumowanie abstrakcyjne i generalizację, w zdolność rozwiązywania nowatorskich problemów, których model nie mógł zapamiętać podczas treningu. Wynik zapowiadany jako trzykrotnie wyższy od najbliższego konkurenta jest spektakularny na papierze, ale to też rodzaj liczby, która najbardziej wymaga rezerwy: ranking ARC-AGI zmienia się szybko, wersja 3 jest świeża, a różnica tej skali pozostaje do potwierdzenia przez podmioty zewnętrzne, zanim wyciągnie się z niej ostateczny wniosek.

Zapier AutomationBench i OSWorld 2.0 należą do innej logiki, tej stosowanej agentyki i computer-use: kazać modelowi wykonać pełne procesy biznesowe albo pilotować interfejs, klikać, wypełniać, nawigować tak, jak zrobiłby to człowiek przed swoim ekranem. Wskaźnik sukcesu około 1,5 raza wyższy przy tym samym koszcie na AutomationBench, podparty świadectwem Zapiera, który deklaruje, że sięgnął szczytu swojego rankingu, oraz wyprzedzenie Fable 5 za jedną trzecią kosztu na OSWorld 2.0, służą temu samemu argumentowi handlowemu: Opus 5 miałby być modelem, który podpina się pod realne automatyzacje bez wysadzania budżetu tokenów.

Wreszcie dwie ostatnie linijki wychodzą całkowicie poza kodowanie, by dotknąć badań naukowych. Zysk 10,2 punktu procentowego w chemii organicznej i 7,7 punktu na zadaniach białkowych, zmierzony wewnętrznie wobec poprzednika, karmi twierdzenie Anthropic, że Opus 5 jest jego najzdolniejszym modelem w powszechnej dostępności do nauki, ze szczególną siłą w biologii. Sformułowanie ma znaczenie: te ewaluacje są wewnętrzne, punktem odniesienia jest poprzedni model Anthropic, a nie rywal, a różnicę wyraża się w surowych punktach, bez upubliczniania szczegółów protokołu.

Zasadnicze ograniczenie jest takie samo dla całej listy: to metryki wybrane przez producenta, na benchmarkach, o których doborze, konfiguracji efforta i trybie pomiaru sam decyduje. Nic nieuczciwego samo w sobie, to norma przy premierze, ale pozostaje ćwiczeniem z samooceny. Prawdziwym rozjemcą będą niezależne przebiegi i sygnały z terenu, którym przyglądamy się w kolejnych sekcjach. Po pełny wykaz liczb oficjalna zapowiedź Claude Opus 5 pozostaje źródłem odniesienia, do którego warto sięgnąć bezpośrednio.

Benchmarki niezależne: ile naprawdę są warte te liczby

Zastrzeżenie przed każdą liczbą: benchmarki cytowane tutaj są rzeczywiście zbudowane przez organizacje zewnętrzne wobec Anthropic (badacze akademiccy, wyspecjalizowani ewaluatorzy, platformy do code review), co czyni je bardziej wiarygodnymi niż testy własne producenta. Trzeba jednak zniuansować rzeczywistość, o której rzadko wspominano podczas premiery: przebiegi, które dały wyniki z 24 lipca 2026, zostały wykonane przez Anthropic na tych zestawach testowych, a nie przez niezależne strony w trybie ślepej próby. Benchmark jest niezależny, ale poddanie modelu próbie już nie w pełni. To norma przy premierze (producent chce podać liczby w dniu startu), lecz pozostaje to ograniczeniem: wynik odtworzony trzy miesiące później przez neutralne laboratorium, na własnym środowisku i z własnymi promptami, niekoniecznie da ten sam rezultat.

SWE-bench Verified: 96,0 %, liczba na wystawę

Najczęściej przytaczany wynik to ten z SWE-bench Verified, faktycznego standardu do mierzenia zdolności modelu do rozwiązywania prawdziwych zgłoszeń z GitHuba (rzeczywistych issue naprawionych przez ludzi, z testami walidacyjnymi). Na tej ławie claude-opus-5 osiąga 96,0 %, liczbę podaną przez BenchLM jako średnią z pięciu prób. Na tym poziomie mówimy o nasyceniu: benchmark już niemal nie różnicuje czołowych modeli, skoro pozostaje tylko garstka zgłoszeń, na których można polec. Wynik 96 % robi wrażenie, ale przede wszystkim mówi, że SWE-bench Verified dobiega końca życia jako narzędzie pomiarowe. Właśnie dlatego poważni ewaluatorzy przenieśli się na trudniejsze warianty.

SWE-bench Pro: 79,2 %, trzeci stopień podium

To tutaj lektura staje się interesująca. SWE-bench Pro przejmuje zasadę prawdziwych zgłoszeń, ale na problemach wyraźnie bardziej podchwytliwych, mających opierać się zapamiętywaniu i przeuczeniu. Opus 5 zdobywa tu 79,2 %, liczbę potwierdzoną identycznie przez BenchLM oraz Codersera. Rzeczą wartą zapamiętania nie jest surowy wynik, lecz klasyfikacja: Opus 5 jest trzeci w ogólnym zestawieniu, za Mythos 5 (80,3 %) i Fable 5 (80,0 %), ale znacznie powyżej Opusa 4.8, który zatrzymywał się na 69,2 %.

Tłumaczenie: zysk generacyjny jest realny i znaczący (dziesięć punktów więcej niż bezpośredni poprzednik na trudnej ławie), ale nie ma żadnego magicznego skoku, który postawiłby Opusa 5 przed topem oferty Anthropic. Model do codziennego użytku pozostaje w tym teście o włos od frontier (osiem dziesiątych punktu dzieli Opusa 5 od Fable 5), ale w rzeczywistości wyraźnie z tyłu, gdy spojrzeć na sam stopień podium. Obietnica marketingowa (wydajność frontier za połowę ceny) trzyma się na relacji koszt do możliwości, a nie na możliwościach bezwzględnych. Poniższy wykres uwidacznia tę klasyfikację.

Senior SWE-bench: tutaj Opus 5 naprawdę dominuje

Najbardziej wymowna ława dla zastosowań profesjonalnych nie jest tą najgłośniejszą medialnie. Na Senior SWE-bench analiza Snorkel stawia Opusa 5 na czele wszystkich ocenianych modeli w kategorii diagnozowania błędów i wydajności. To rodzaj zadania, jakie na co dzień wykonuje starszy inżynier: zrozumieć, dlaczego system zachowuje się źle, prześledzić łańcuch przyczyn, wyizolować prawdziwą przyczynę źródłową zamiast objawu. To, że model wychodzi pierwszy właśnie w tym rejestrze, jest dla agencji czy zespołu produktowego istotniejsze niż punkt więcej na nasyconej ławie. To nie obietnica pełnej autonomii, lecz sygnał, że model jest dobry tam, gdzie praca jest droga.

Snorkel: wina po stronie wnioskowania, nie formatowania

Ta sama analiza Snorkel dostarcza tego, co surowe wyniki zawsze przemilczają: dlaczego model zawodzi, gdy zawodzi. Rozbierając na czynniki pierwsze trajektorie zakończone porażką i potwierdzając przyczyny źródłowe, Snorkel ustala, że błędne wnioskowanie (faulty inference) odpowiada za 35 % porażek, zdecydowanie najczęstszy mechanizm. Innymi słowy, gdy Opus 5 się myli, prawie nigdy nie dzieje się to dlatego, że źle sformatował wyjście albo źle użył narzędzia (te kategorie pozostają marginalne), lecz dlatego, że źle rozumował: wyciągnął błędny wniosek z dostępnych przecież przesłanek. To informacja użyteczna w produkcji. Oznacza, że zabezpieczenie formatowania albo bardziej odporny parser niewiele uratują; tym, co chroni, jest ludzka weryfikacja rozumowania przy zadaniach o wysokiej stawce oraz rozbijanie złożonych problemów na etapy, w których błędna dedukcja łatwiej rzuca się w oczy.

CodeRabbit: kompromis precyzja / pełność obnażony

Najbardziej pouczający test pochodzi od CodeRabbit, który ocenia modele na konkretnym gruncie: zautomatyzowanej rewizji kodu. Ich werdykt o Opusie 5 w konfiguracji x-high jest obosieczny i właśnie to czyni go wiarygodnym. Po stronie plusów model produkuje strumień komentarzy bardziej precyzyjnych: 39,3 % komentarzy naprawdę wykonalnych i trafnych, wobec 35,2 % dla produkcyjnej bazy odniesienia CodeRabbit. Krótko mówiąc, gdy Opus 5 coś sygnalizuje, częściej trafia w sedno.

Rewers jest wyraźny: w tym samym teście Opus 5 wychwytuje mniej znanych problemów benchmarku, z 55,2 % pokrycia wobec 61,1 % dla bazy odniesienia. Jest trafniejszy, ale przepuszcza więcej rzeczywistych defektów. To klasyczny kompromis precyzja kontra pełność (recall): recenzent, który mówi mniej, lecz celniej, kontra recenzent, który zagarnia szerzej kosztem większego szumu. Żadna z tych dwóch postaw nie jest z natury lepsza; wszystko zależy od waszego procesu. W repozytorium, gdzie każdy fałszywy alarm kosztuje ludzki czas, precyzja Opusa 5 jest atutem. W audycie bezpieczeństwa, gdzie przeoczenie defektu drogo kosztuje, wyższe pokrycie bazy odniesienia liczy się bardziej. Nauka meta leży gdzie indziej: pojedynczy wynik nigdy nie mówi, czy model wam odpowiada, trzeba spojrzeć na profil błędów.

Co z tego zapamiętać

Z tych niezależnych ocen wyłaniają się trzy uczciwe wnioski. Po pierwsze, postęp względem Opusa 4.8 jest bezsporny i szeroki: dziesięć punktów na SWE-bench Pro, czoło zestawienia w diagnozowaniu błędów, to nie marketing. Po drugie, nie ma skoku ponad frontier: na trudnych ławach Opus 5 pozostaje za Fable 5 i Mythos 5, co jest spójne z otwarcie przyjętym pozycjonowaniem Anthropic (najlepsza relacja koszt do wydajności, a nie najinteligentniejszy model). Wreszcie szczegół od CodeRabbit przypomina, że zysk precyzji można opłacić pełnością: zagregowana liczba pochlebia, profil błędów informuje. Dla kogoś, kto musi wybrać model do produkcji, to właśnie te trzy niuanse, a nie wystawowe 96,0 %, powinny kierować decyzją.

Opus 5, Fable 5, Mythos 5, Opus 4.8: kto za co odpowiada

Cztery modele z cyfrą 5 w nazwie oraz Opus 4.8, który wciąż przewija się w dokumentacji, sprawiły, że ofertę Anthropic trudno ogarnąć na pierwszy rzut oka. Dobra wiadomość: gdy rozłożyć ją na czynniki pierwsze, logika okazuje się prosta. Każdy model zajmuje konkretne miejsce między dwiema osiami, kosztem i możliwościami, a Opus 5 tasuje karty na nowo nie na szczycie stawki, lecz w jej środku. Oto jak wygląda gama na koniec lipca 2026.

Logika gamy, czytana od góry do dołu

Anthropic nie ukrywa swojej hierarchii. Fable 5 pozostaje najinteligentniejszym modelem w portfolio, tym, po który sięga się po maksymalne możliwości, a Opus 5 wcale nie rości sobie prawa do tego tytułu. Oficjalna formuła producenta jest jednoznaczna: Opus 5 to "a thoughtful and proactive model that comes close to the frontier intelligence of Claude Fable 5 at half the price", czyli model, który zbliża się do granicznej inteligencji Fable 5 za połowę ceny. Kluczowe słowo to zbliża się: nie dorównuje, lecz podchodzi na tyle blisko, że w większości realnych zadań różnica nie uzasadnia już podwojenia rachunku.

Poniżej Sonnet 5 gra rolę linoskoczka: tańszy (3 $ / 15 $, z ceną wprowadzającą 2 $ / 10 $ do 31 sierpnia 2026), szybszy, przejmuje gros aplikacyjnego wolumenu, gdy trudność pozostaje umiarkowana. A na samym dole stawki Haiku 4.5 stawia na przepustowość i najniższy koszt (1 $ / 5 $) do prostych zadań, klasyfikacji, subagentów o dużym wolumenie oraz wszystkiego, co musi odpowiadać niemal w czasie rzeczywistym. To jedyny model w gamie, który wciąż działa na kontekście 200k i knowledge cutoff z lutego 2025, co zdradza jego względny wiek.

Mythos 5 to przypadek osobny. Te same specyfikacje i ta sama cena co Fable 5 (10 $ / 50 $), ale nie jest ogólnodostępny: wejście wyłącznie na zaproszenie, poprzez Project Glasswing, program nastawiony na cyberobronę i infrastrukturę krytyczną. Dla niemal wszystkich czytelników tego bloga Mythos 5 nie jest opcją, którą się wybiera: pojawia się w gamie jedynie jako punkt odniesienia dla możliwości. Szczegóły jego postawy w kwestii bezpieczeństwa zostawiamy na inną sekcję tego artykułu, tutaj wystarczy zapamiętać, że zajmuje miejsce, do którego, poza wyjątkami, nigdy nie uzyskacie dostępu.

Prawdziwy przekaz: Opus 5 zastępuje Opus 4.8, a nie Fable 5

To najbardziej niezrozumiany punkt premiery, i ten, który zmienia wszystko w decyzji architektonicznej. Opus 5 nie wchodzi o oczko wyżej, lecz zastępuje Opus 4.8 przy identycznym rachunku. Ta sama cena (5 $ / 25 $), to samo okno kontekstu (1M tokenów), ta sama rodzina Opus. Zmienia się wydajność w obrębie tej samej koperty cenowej: Anthropic utrzymał cenę i podniósł możliwości, przy okazji z nowszym knowledge cutoff (maj 2026 wobec stycznia 2026 dla Opus 4.8). Opus 4.8 nie zostaje przez to wycofany, przechodzi w status legacy i pozostaje dostępny, między innymi jako cel automatycznego fallbacku opisanego wcześniej w tym artykule.

Konkretnie, jeśli utrzymywaliście Opus 4.8 na produkcji, migracja do Opus 5 to ulepszenie bez dopłaty za token: płacicie tyle samo, dostajecie więcej i model lepiej poinformowany. Dokumentacja Anthropic zresztą formułuje to jako rekomendację: zacząć od Opus 5 do złożonego agentowego kodowania i pracy w przedsiębiorstwie, a na Fable 5 przechodzić dopiero wtedy, gdy potrzebne są absolutnie maksymalne możliwości. Opus 5 stał się zresztą domyślnym modelem w Claude Max i najmocniejszą opcją wybieralną w Claude Pro, co potwierdza jego powołanie na codzienny koń pociągowy.

Linia podziału między Opus 5 a Fable 5 staje się więc kwestią ekonomii, a nie technicznej dumy. Fable 5 kosztuje dwa razy tyle. Prawdziwe pytanie, które warto zadać przy każdym obciążeniu, brzmi nie "który jest lepszy" (Fable 5, na papierze), lecz "czy dopłata za Fable 5 jest tutaj uzasadniona". Dla większości przepływów, agentowe kodowanie, analiza dokumentów, workflowy w przedsiębiorstwie, odpowiedź przechyla się w stronę Opus 5, a Fable 5 trzymamy w rezerwie na przypadki, w których różnica możliwości naprawdę przekłada się na wynik.

Nasza rada architektoniczna: model to wymienny komponent

Nasza analiza. Ta gama o sześciu piętrach, plus kwartalne aktualizacje, które ją przemeblowują, wysyła zespołom technicznym jasny sygnał: nigdy nie zaszywajcie na sztywno identyfikatora modelu w środku swojej logiki biznesowej. Właściwym odruchem jest umieszczenie wyboru modelu za jedną abstrakcją, funkcją lub usługą, która wystawia intencję ("szybka odpowiedź niskim kosztem", "głębokie rozumowanie", "analiza długiego kontekstu") i mapuje tę intencję na właściwy model oraz właściwy poziom effort. Tego dnia, gdy Anthropic wypuści Opus 5.1, albo gdy zdecydujecie się przełączyć jakiś przepływ z Fable 5 na Opus 5, żeby zaoszczędzić, zmieniacie jedną linię konfiguracji, a nie dwadzieścia wywołań rozsianych po kodzie.

Ta dyscyplina opłaca się podwójnie w tej generacji. Po pierwsze dlatego, że automatyczny fallback już teraz przerzuca wasze zapytania z jednego modelu na drugi po stronie serwera: tym bardziej niech wasz kod zakłada, że model obsługujący odpowiedź może różnić się od tego, o który poproszono. Po drugie dlatego, że stosunkiem koszt-wydajność steruje się odtąd w równej mierze przez effort (high, xhigh, max) co przez sam wybór modelu. Opus 5 na high i Opus 5 na max nie kosztują tyle samo i nie celują w te same zadania: potraktowanie tych dwóch dźwigni jako parametrów konfiguracji, a nie stałych wykutych w kamieniu, to właśnie to, co pozwoli wam nadążać za gamą Anthropic bez przebudowy produktu przy każdej premierze.

Rodzina Claude w szerszej perspektywie

Latem 2026 katalog modeli Claude jest na tyle rozbudowany, ze latwo sie w nim pogubic. Zanim przejdziemy do rozwazan o Claude Opus 5, warto rozlozyc pelna mape i zrozumiec, na jaka potrzebe odpowiada kazdy z modeli. Oto stan calej rodziny na 24 lipca 2026, dzien premiery Opus 5.

Logike segmentacji Anthropic najlepiej czytac po progach cenowych. Haiku 4.5 obsluguje wolumen i minimalne opoznienia za 1 $ / 5 $. Sonnet 5 celuje w rownowage dla glownego ruchu, z kontekstem powiekszonym do 1 miliona tokenow i cutoffem w styczniu 2026. Modele Opus pelnia role mocnego modelu roboczego na co dzien. Na szczycie Fable 5 oferuje maksymalna wydajnosc dostepna szeroko, podczas gdy Mythos 5, o tych samych parametrach i w tej samej cenie (10 $ / 50 $, model ID claude-mythos-5), pozostaje zarezerwowany dla cyberobrony w ramach Project Glasswing, dostepny wylacznie na zaproszenie.

Tempo w 2026 jest wysokie. Fable 5 pojawia sie 9 czerwca, Opus 5 24 lipca, przy czym linia Opus zaliczyla kolejno wersje 4.5, 4.6, 4.7 i 4.8, zanim doszla do tego piatego progu. Kluczowa rzecz do zapamietania, czesto blednie odczytywana: Opus 5 nie zastepuje Fable 5. Zastepuje Opus 4.8, w tej samej cenie 5 $ / 25 $, wnoszac swiezszy cutoff (maj 2026, najnowszy w calej rodzinie) oraz lepsze zdolnosci agentowe. Fable 5 zachowuje status najbardziej wydajnego modelu, dwukrotnie drozszego. Warto tez odnotowac, ze Opus 4.1 zostaje wycofany i usuniety 5 sierpnia 2026: poprzednia generacja znika szybko.

Po stronie architektury plynie z tego praktyczna lekcja. Przy takim tempie premier ryzykowne jest zaszywanie identyfikatora modelu na sztywno w calej aplikacji. Zdrowy odruch to traktowanie modelu jak wymiennego komponentu, odizolowanego za wlasna warstwa abstrakcji. Wtedy koszt i wydajnosc balansuje sie (Haiku do sortowania, Sonnet 5 na produkcje, Opus 5 do ciezkich zadan agentowych), zmieniajac jedna zmienna konfiguracyjna, bez przepisywania kodu. Jest to tym istotniejsze, ze tokenizer wprowadzony wraz z Opus 4.7 generuje okolo 30 % tokenow wiecej niz wczesniejsze generacje, co przy kazdej migracji przesuwa rachunki realnego kosztu.

W starciu z GPT-5.5 i Gemini 3.1 Pro

Wypuszczenie modelu to prosta sprawa. Uczciwe umiejscowienie go na rynku, na którym trzy laboratoria publikują nową wersję co sześć tygodni, to już zupełnie inna historia. Pod koniec lipca 2026 krajobraz agentów kodujących ustabilizował się wokół trójki graczy: Claude od Anthropic, rodzina GPT od OpenAI oraz Gemini od Google. Oto gdzie plasuje się Opus 5, a przede wszystkim ile ten ranking tak naprawdę jest wart.

Ranking agentów kodujących na koniec lipca 2026

Zestawienie agentów kodujących opublikowane przez mightybot.ai (zaktualizowane dokładnie w dniu premiery, 24 lipca) stawia Claude Code wyposażony w claude-opus-5 na czele systemów agentów kodujących, opisując go jako najlepszy ogólny system agentowy. Tuż za nim, na drugim miejscu, znalazł się Codex od OpenAI, napędzany przez GPT-5.6 "Sol", przedstawiany jako najlepszy do długich, autonomicznych sesji w terminalu. Gemini 3.1 Pro, poprzez Gemini CLI, ląduje znacznie niżej w rankingu (na siódmej pozycji), z etykietą najlepszego darmowego agenta kodującego, ale wyraźnie poza ścisłą czołówką agentową.

Ta hierarchia nie jest przypadkowa i pokrywa się z zasadniczym rozróżnieniem, które to samo zestawienie dobrze podsumowuje: Opus 5 ma być mocniejszy w rozumowaniu na skalę całego repozytorium, podczas gdy Sol ma być mocniejszy w sterowaniu terminalem przez długi czas. To dwie różne kompetencje, często mylone pod jednym słowem "kodowanie". Jedna polega na utrzymywaniu mentalnej mapy złożonej bazy kodu i proponowaniu spójnych zmian w wielu plikach. Druga polega na łączeniu setek poleceń powłoki bez wykolejenia się przez godzinę. Anthropic wyraźnie celuje w tę pierwszą; OpenAI błyszczy raczej w tej drugiej.

Trzy modele, trzy nisze

GPT-5.5 (i jego następca Sol) pozostaje punktem odniesienia w agentyce desktopowej i automatyzacji interfejsów. Starsze zestawienie z tech-insider.org (z 26 czerwca 2026, a więc sprzed premiery Opus 5) wskazuje już GPT-5.5 jako najlepszy do autonomicznych agentów działających w wierszu poleceń i długich zadań w tle. To najsolidniejszy wniosek płynący z porównania różnych źródeł: gdy agent musi przejąć kontrolę nad komputerem, klikać w interfejsach, wypełniać formularze i wytrzymać przez wielogodzinne zadanie, model OpenAI zachowuje przewagę. Do automatyzacji narzędzi biznesowych czy obsługi komputera (computer-use) to wybór domyślny, który da się obronić.

Gemini 3.1 Pro z kolei gra kartą rozumowania naukowego i kosztu. To samo zestawienie z tech-insider.org klasyfikuje go jako najlepszy stosunek jakości do ceny w skali, z agresywnym cennikiem API (2 $ za wejście, 12 $ za wyjście za milion tokenów według ich pomiarów) i oknem kontekstu wynoszącym 1 milion tokenów. Świadomie przyjęta wada: kuleje na czystej precyzji w kodzie. Innymi słowy, jeśli dominującym obciążeniem jest analiza dużych wolumenów, synteza na ogromnych korpusach albo rozumowanie naukowe przy ograniczonym budżecie, Gemini zasługuje na test, zanim podejmiesz decyzję. To nie najlepszy koder z całej stawki i Google wcale nie twierdzi inaczej.

Claude Opus 5 zadomawia się jako punkt odniesienia w kodowaniu agentowym i głębokim rozumowaniu nad kodem. To zbieżny wniosek z obu źródeł: Claude (czy to Opus 5 u mightybot.ai, czy Opus 4.8 u tech-insider.org) zajmuje pierwsze miejsce w kodowaniu. Tam, gdzie Opus 5 się wyróżnia, to zadania inżynierskie obejmujące wiele plików i wymagające dokładności, dochodzenia w trudnych błędach oraz recenzja kodu. Dla agencji, która przebudowuje niejednorodne bazy kodu klientów, ten profil "rozumiem repozytorium, zanim je zmienię" ma większą wartość niż agent seryjnie wyrzucający polecenia powłoki.

Który model wybrać, konkretnie

Pytanie nie brzmi "który jest najlepszy", tylko "najlepszy do czego". Oto nasza pragmatyczna siatka decyzyjna, zbudowana na pozycjonowaniu deklarowanym przez źródła, a nie na sympatii do marki.

• Przebudowa i utrzymanie kodu obejmującego wiele plików, recenzja kodu, złożone debugowanie: Opus 5 w pierwszej kolejności. Jego deklarowanym atutem jest rozumowanie na skalę repozytorium i weryfikowanie własnej pracy, co ogranicza liczbę poprawek w tę i z powrotem.
• Automatyzacja interfejsów, computer-use, agenci sterujący aplikacjami biznesowymi w długich sesjach: GPT-5.5 / Sol zachowuje deklarowaną przewagę. Przetestuj go w pierwszej kolejności w tych scenariuszach.
• Analiza dużych wolumenów, rozumowanie naukowe, silne ograniczenie budżetu API: Gemini 3.1 Pro wchodzi do gry dzięki swojemu kosztowi i kontekstowi wynoszącemu 1 milion tokenów.
• Architektura hybrydowa: zestawienie mightybot.ai sugeruje wręcz orkiestrację wielomodelową, z modelem frontier w roli dyrygenta oraz Sol i Opus 5 dzielącymi się implementacją i recenzją "po obu stronach granicy dostawcy". Do poważnych zastosowań niezamykanie się u jednego wydawcy jest często prawdziwie dobrym wyborem.

Ostrożność, której wymaga rzetelność przy tych porównaniach

Ostrzeżenie jest konieczne i stawiamy je otwarcie. Te rankingi porównujące różnych dostawców są zaszumione. Dwa źródła, które cytujemy, nie mówią nawet o tych samych wersjach: mightybot.ai porównuje Opus 5 i GPT-5.6 Sol, podczas gdy tech-insider.org, starszy o miesiąc, rozumuje jeszcze w kategoriach Opus 4.8 i GPT-5.5, nie wspominając ani razu o Opus 5 czy Sol. Bezpośrednia konsekwencja: liczba przypisana Opus 5 przez jedno źródło może odsyłać do Opus 4.8 u drugiego, a żadne z nich nie proponuje rzetelnego pojedynku trzech modeli ocenianych obok siebie w tych samych warunkach.

Dodajcie do tego, że wersje zmieniają się bardzo szybko (GPT-5.5, potem 5.6 Sol w ciągu kilku tygodni, Opus 4.8, potem Opus 5, Gemini iterujący nieustannie), a otrzymacie ruchomy grunt, na którym każdy ranking dezaktualizuje się w miesiąc lub dwa. Nasza rada się nie zmienia: nie wybierajcie modelu na podstawie tabeli znalezionej w sieci, w tym naszej. Przeprowadźcie własną ewaluację na swoim realnym obciążeniu, zmierzcie koszt na zadanie i niezawodność w swoich konkretnych przypadkach, i przetestujcie ponownie przy każdej nowej wersji. To jedyna metoda, która wytrzymuje obecne tempo rynku.

Co mowia ci, ktorzy go przetestowali

Jak przy kazdej premierze modelu, ogloszeniu Anthropic towarzyszy seria cytatow od partnerow, ktorzy dostali wczesniejszy dostep. Nalezy tu zachowac redakcyjna ostroznosc: to opinie firm starannie wyselekcjonowanych przez Anthropic, czesto klientow, ktorzy sami sprzedaja wlasne produkty oparte na tych modelach. Traktujmy je zatem jako swiadectwa zainteresowanych stron, a nie jako niezalezne testy. Mimo to, gdy gracze zyjacy z niezawodnosci kodu wszyscy zbiegaja sie ku temu samemu przekazowi, sygnal zasluguje na uwage.

Dominujacy refren: poziom Fable za polowe ceny

Motywem przewodnim tych opinii jest stosunek mozliwosci do kosztu. Dwaj kluczowi gracze w obszarze narzedzi dla deweloperow formuluja to niemal identycznie.

Cognition (Devin), Scott Wu, CEO: Claude Opus 5 zbliza sie do poziomu wydajnosci Fable, za polowe kosztu.

Cursor, Sualeh Asif, wspolzalozyciel: inteligencja bliska claude-fable-5, ale z szybkoscia i kosztem Opusa.

Przekaz jest klarowny i idealnie zgrany z handlowym pitchem Anthropic: dostajesz niemal topowa polke, nie placac za nia najwyzszej ceny. Padajac z ust Cursora i Devina, dwoch produktow, ktorych marza zalezy bezposrednio od kosztu za zuzyty token, argument nie jest blahy. Model, ktory dzieli rachunek na pol, pozostajac przy tym blisko szczytu, to dla nich mechanicznie dzwignia rentownosci. To tlumaczy tez ich entuzjazm: maja bezposredni interes w tym, by to pozycjonowanie okazalo sie prawdziwe.

Automatyzacja i firma

Poza samym kodem kilku partnerow klada nacisk na zastosowania agentowe i biznesowe.

Zapier, Wade Foster, CEO: Opus 5 stanal na czele wewnetrznego rankingu AutomationBench firmy Zapier, osiagajac wedlug nich 100 % na testowanej sciezce, nie zuzywajac przy tym wiecej tokenow niz poprzednie modele Claude.

Box, Ben Kus, CTO: okolo 8 % wiecej wydajnosci wzgledem Opusa 4.8 na ich zadaniach, a przy analizie danych nawet do 11 % lepiej.

Te dwie opinie sa interesujace, bo wychodza z naturalnego boiska Opusa (kodowania), by dotknac orkiestracji przeplywow pracy i przetwarzania dokumentow w firmie, czyli dokladnie tego rodzaju zastosowan, na ktore celuja nasi klienci. Liczba podana przez Box, kilkupunktowy przyrost na juz solidnej bazie, brzmi zreszta bardziej wiarygodnie niz spektakularny skok: to rzad wielkosci, jakiego oczekuje sie po dobrze przeprowadzonej aktualizacji wersji, a nie po rewolucji.

Redukcja wariancji: sygnal, ktory przemawia do zespolow produkcyjnych

Najbardziej pouczajaca opinia dla kogos, kto wdraza modele na produkcji, nie dotyczy szczytu wydajnosci, lecz jej stabilnosci.

Lovable, Fabian Hedin, wspolzalozyciel: +22 % wzgledem Opusa 4.7, a przede wszystkim znacznie mniej wariancji miedzy kolejnymi uruchomieniami.

To wlasnie kwestia wariancji jest tym, co zapamietujemy. Na produkcji model, ktory daje swietny wynik raz na trzy razy, a w pozostalych dwoch przypadkach wynik mierny, jest niezarzadzalny: nie da sie na nim zbudowac niezawodnego produktu. Model odrobine mniej blyskotliwy, ale przewidywalny uruchomienie po uruchomieniu czesto wart jest wiecej niz niestabilny geniusz. Jesli przyrost regularnosci potwierdzi sie poza warunkami testowymi partnera, jest to prawdopodobnie najbardziej konkretne usprawnienie Opusa 5 dla agencji takiej jak nasza, bardziej niz wyniki benchmarkow.

Kreacja, nauka i IDE

Trzy ostatnie opinie dopelniaja obraz na bardziej specyficznych polach.

Vercel, Madhav Jha, wspolzalozyciel i CTO: najlepsze animacje, gry i rendery 3D wyprodukowane przez model z rodziny Opus.

JetBrains, Denis Shiryaev, odpowiedzialny za AI w IDE: najwyrazniejszy skok w rozwiazywaniu problemow.

Benchmark Life Sciences, Alfredo Andere, CEO: model zachowuje sie bardziej jak ostrozny naukowiec niz jakikolwiek inny testowany model.

Sformulowanie Alfredo Andere dobrze podsumowuje gleboki trend: ostroznosc, sprawdzanie przed stwierdzeniem, staje sie argumentem sprzedazowym na rowni z surowa moca. Na froncie kreatywnym opinia Vercela potwierdza, ze Opus 5 mierzy sie z terenem (renderowanie wizualne i interaktywne), na ktorym rodzina historycznie czula sie mniej pewnie.

Co warto zapamietac z tego choru pochwal

Dwa spostrzezenia zbiegaja sie w tych glosach. Po pierwsze, obietnica kosztu do mozliwosci (blisko Fable, za polowe ceny) jest powtarzana slowo w slowo przez partnerow najlepiej ustawionych, by ja ocenic, co ja uwiarygadnia, choc nie dowodzi. Po drugie, redukcja wariancji powraca jako watek podskorny: niezawodnosc miedzy kolejnymi uruchomieniami, mniej iteracji tam i z powrotem, bardziej przewidywalne zachowanie. Dla decydenta to wlasnie ten drugi punkt liczy sie najbardziej, bo to on przesadza o tym, czy model da sie zindustrializowac. Pozostaje zasadnicze zastrzezenie: zadna z tych liczb nie powstala w niezaleznych warunkach, kazdy partner zmierzyl to, co mu pasowalo, na wlasnym stanowisku, a wszyscy maja interes w tym, by model odniosl sukces. Bierzemy je wiec za to, czym sa: zbiezne poszlaki, a nie dowody.

Bezpieczenstwo, alignment i kwestia cyber

To ta czesc specyfikacji, ktora sprzedazowcy w pospiechu pomijaja, a dyrektorzy IT czytaja jako pierwsza. Anthropic dolacza do kazdego modelu karte systemowa (system card), dokument liczacy 194 strony w przypadku Opus 5, w ktorym opisuje swoje testy bezpieczenstwa, alignmentu i ryzyka. Uwaga metodologiczna, ktora dotyczy calego tego akapitu: te liczby pochodza z wewnetrznych ewaluacji Anthropic, a nie z niezaleznego audytu zewnetrznego. Sa solidne i szczegolowe, ale pozostaja deklaracjami samego producenta. Tak wlasnie nalezy je czytac.

Wynik alignmentu przedstawiany jako najlepszy w generacji

Liczba, ktora Anthropic wysuwa na pierwszy plan, to wynik audytu behawioralnego dotyczacego niezgodnosci (misalignment) na poziomie 2,3. Skala siega od 1 do 10 (nizej = lepiej), kazdy model przechodzi przez okolo 3200 zautomatyzowanych analiz, a 2,3 jest, wedlug producenta, najnizszym wynikiem sposrod jego ostatnich modeli, przed Sonnet 5, Opus 4.8 i Mythos 5. Anthropic wyprowadza z tego tytul najlepiej dopasowanego modelu do tej pory: najnizsze wskazniki zachowan zwodniczych, lepsze przestrzeganie konstytucji Claude i mniej ryzykownych, nieodwracalnych dzialan.

Dwa uczciwe zastrzezenia, oba zaczerpniete z karty systemowej. Po pierwsze, Opus 5 nieco lepiej niz poprzednicy wychwytuje, ze wlasnie przechodzi test (evaluation awareness), co moze zaburzac tego rodzaju audyt; Anthropic twierdzi, ze nie wplynelo to istotnie na wnioski, ale czytelnik powinien wiedziec, ze obserwowany podmiot czasem wie, ze jest obserwowany. Po drugie, szczegol nieoczywisty: model halucynuje twierdzenia faktograficzne nieco czesciej niz Opus 4.8, mimo ze ogolnie jest bardziej precyzyjny. Dobry wynik alignmentu nie oznacza zatem zera bledow faktograficznych. Weryfikacja przez czlowieka pozostaje konieczna przy wrazliwych materialach.

Autoweryfikacja i odzyskiwanie po bledach

W praktyce najbardziej przydatna poprawa to nie liczba z benchmarku, lecz zachowanie: Opus 5 sprawdza wlasna prace i sam odzyskuje sie po bledach, co ogranicza liczbe tam i z powrotem w porownaniu z poprzednikami. Tak opisuje to Madhav Jha (wspolzalozyciel i CTO Vercel), ktory podkresla najlepsze animacje, gry i rendery 3D wygenerowane przez model z rodziny Opus. W zastosowaniach agentowych (model wykonuje kolejne kroki bez nadzoru) ta zdolnosc do naprawiania wlasnych bledow czesto liczy sie bardziej niz jeden czy dwa dodatkowe punkty w akademickim tescie.

Kwestia cyber: swiadoma strategia

Najciekawszy, a zarazem najbardziej specyficzny dla tej rodziny modeli punkt to cyber. Anthropic twierdzi, ze celowo nie trenowal Opus 5 na zadaniach cyber, tak samo jak w przypadku Opus 4.8. Postepy modelu w obszarze cyber wynikaja zatem z ogolnego wzrostu jego mozliwosci, a nie z dedykowanego treningu ofensywnego. W praktyce przeklada sie to na asymetryczny profil: Opus 5 zbliza sie do Mythos 5 (najmocniejszego modelu cyber Anthropic) w identyfikowaniu podatnosci, ale pozostaje znacznie z tylu, jesli chodzi o przeksztalcanie ich w dzialajace exploity.

Wewnetrzne pomiary ilustruja te roznice. Na OSS-Fuzz Opus 5 uzyskuje niezerowy wynik na okolo 79 % celow, wobec 38 % dla Opus 4.8 i okolo 80 % dla Mythos 5: w wykrywaniu dolaczyl do czolówki tabeli. Ale kiedy trzeba doprowadzic sprawe do konca, przepasc sie powieksza: Opus 5 w pelni wykorzystuje garstke celow tam, gdzie Mythos 5 domyka ich znacznie wiecej. Ta sama logika dotyczy innych wewnetrznych zestawow: Opus 5 znajduje, Mythos 5 uzbraja. Anthropic podsumowuje to pozycjonowanie w swojej zapowiedzi Opus 5, stwierdzajac, ze model pozostaje znacznie w tyle za Mythos 5 w tworzeniu exploitow.

Mniej cyberowych falszywych alarmow: dlaczego to wazne

Najbardziej namacalna zmiana dla uprawnionych uzytkownikow dotyczy klasyfikatorow bezpieczenstwa, czyli filtrow, ktore odrzucaja niektore zapytania uznane za niebezpieczne. W Opus 5 sa one skalibrowane tak, by uruchamiac sie okolo 85 % rzadziej niz w Fable 5. Wedlug jednego z wewnetrznych pomiarow wskaznik uruchomien spada z 42 % do 5 %. Zmiana polityki jest jednoznaczna: Opus 5 pozwala teraz na wyszukiwanie podatnosci w kodzie zrodlowym na wszystkich poziomach dostepu, jednoczesnie nadal domyslnie blokujac skanowanie skompilowanych binariów, testy penetracyjne i generowanie exploitow.

Nasza analiza: ten spadek liczby falszywych alarmow to prawdziwie dobra wiadomosc dla zastosowan profesjonalnych. Programista, ktory prosi Claude o audyt wlasnego kodu, wewnetrzny pentester dokumentujacy luke, osoba odpowiedzialna za bezpieczenstwo przygotowujaca poprawke regularnie napotykali odmowy w poprzedniej generacji. Mniej bezzasadnych blokad oznacza model realnie uzyteczny do przegladu kodu i utwardzania aplikacji, bez koniecznosci obchodzenia narzedzia. Zabezpieczenie zostaje, ale mniej przeszkadza w pracy defensywnej. A gdy mimo wszystko dojdzie do odmowy, API moze przelaczyc sie na Opus 4.8, by zwrocic odpowiedz zamiast bledu.

Biologia, Mythos 5 i Project Glasswing

Po stronie biologii Opus 5 zachowuje zestaw zabezpieczen podobny do tego z Opus 4.8. Anthropic przedstawia go jako najbardziej zaawansowany model w ogolnej dostepnosci do badan naukowych, jednoczesnie sygnalizujac istotne ograniczenia w dlugich, autonomicznych zadaniach. Jeden z testow mowi sam za siebie: majac za zadanie samodzielnie zaplanowac i przeprowadzic 24-godzinna kampanie projektowania bialek za 10 000 $, model nie dostarczyl rezultatu w dwoch probach. Rzeczywisty pulap mozliwosci pozostaje wiec ponizej marketingu.

Trzeba wreszcie odroznic Opus 5 od Mythos 5, czesto przywolywanego jako punkt odniesienia. Mythos 5 nie jest ogolnie dostepny: to model zastrzezony, dystrybuowany na zaproszenie w ramach Project Glasswing, wspolpracy z rzadem amerykanskim skierowanej do obroncow cyber i operatorow infrastruktury krytycznej. Rozumowanie Anthropic opiera sie na swiadomie przyjetej asymetrii ofensywno-defensywnej: zatrzymac najbardziej zaawansowane mozliwosci cyber w zamknietym i nadzorowanym kanale, a szerokiej publicznosci dostarczyc Opus 5 celowo okrojonego po stronie ofensywnej, lecz znacznie bardziej permisywnego w uprawnionej obronie. Dla agencji lub firmy to dobry kompromis: moc przydatna na co dzien, bez zaladowanej broni.

Słownik pojęć potrzebny, żeby dobrze zrozumieć tę premierę

Premierze Claude Opus 5 towarzyszą techniczne terminy, które przewijają się przez całą dokumentację. Oto przejrzysty słowniczek, dzięki któremu zrozumiesz je bez inżynierskiego wykształcenia, z bezpośrednim odniesieniem do tego, co zmienia ten nowy model.

Okno kontekstu

Okno kontekstu to ilość tekstu, którą model potrafi przeczytać i utrzymać w pamięci podczas jednej wymiany zdań. Opus 5 przyjmuje aż 1 milion tokenów, czyli około 555 000 słów. W praktyce możesz mu podać całe dossier, kilka umów albo kompletną bazę kodu, bez dzielenia jej na części.

Token i tokenizer

Token to niewielka jednostka tekstu, często fragment słowa. Tokenizer to narzędzie, które dzieli twój tekst na tokeny. Rzecz istotna dla budżetu: generacja Opus 4.7 i kolejne wytwarzają około 30 % więcej tokenów niż wcześniejsze wersje. Ponieważ rozliczenie odbywa się za token, ten szczegół zmienia twój rachunek kosztów, nawet przy identycznym tekście końcowym.

Knowledge cutoff i training data cutoff

Knowledge cutoff

Data, do której model zna świat. Dla Opus 5 ten cutoff ustalono na maj 2026, najświeższy w całej gamie.

Training data cutoff

Data zakończenia surowych danych treningowych. Może być wcześniejsza niż knowledge cutoff. To dwa odrębne pojęcia, których nie należy mylić.

Adaptive thinking i extended thinking

Adaptive thinking to rozumowanie aktywne domyślnie w Opus 5: model sam decyduje, czy myśleć więcej czy mniej, w zależności od trudności zadania. Extended thinking, tryb przedłużonej refleksji uruchamiany na żądanie w poprzednich generacjach, w Opus 5 już nie istnieje, zastąpiono go tym adaptacyjnym podejściem.

Effort

Parametr effort rozstrzyga kompromis między kosztem a możliwościami. Oferuje poziomy high, xhigh i max, przy czym high jest domyślny w API i w Claude Code. Im wyżej wejdziesz, tym więcej obliczeń inwestuje model, a więc i precyzji, ale też czasu i budżetu.

Agentowość i agent

Model określany jako agentowy, czyli agent, nie ogranicza się do udzielania odpowiedzi. Planuje, korzysta z narzędzi takich jak przeglądarka czy terminal i samodzielnie łączy kilka kroków, żeby osiągnąć cel. To jedna z głównych osi Opus 5.

SWE-bench Verified i SWE-bench Pro

To dwa benchmarki, czyli testy standaryzowane, które mierzą zdolność modelu do rozwiązywania realnych błędów w oprogramowaniu. SWE-bench Verified gromadzi przypadki zweryfikowane przez ludzi. SWE-bench Pro to wersja wyraźnie trudniejsza, z bardziej złożonymi problemami.

Prompt cache

Prompt cache ponownie wykorzystuje raz wysłany kontekst, żeby nie przetwarzać go od nowa, co obniża koszt i opóźnienie. Przydatna nowość na Claude Platform: zmiana narzędzi w trakcie rozmowy nie unieważnia już tego cache, więc twoje oszczędności pozostają stabilne.

Automatyczny fallback

Automatyczny fallback to przełączenie na inny model, gdy Opus 5 odmawia obsługi zapytania ze względów bezpieczeństwa. Uprawnione żądanie nie zostaje zablokowane na sztywno, tylko przekierowane, co pozwala uniknąć przerw w procesie produkcyjnym.

Nasze wrażenia z pierwszego kontaktu: co da się zweryfikować, a co nie

Zanim zaczniemy wyliczać wyniki, powiedzmy uczciwie, jak podeszliśmy do tego materiału. Cofnęliśmy się do źródeł pierwotnych: strony zapowiedzi Anthropic, dokumentacji technicznej platformy, system card oraz oficjalnych cenników. Następnie zestawiliśmy te dane z prasą branżową (Fortune, Yahoo Finance) oraz z niezależnymi ewaluatorami, takimi jak Snorkel czy CodeRabbit. Czego nie zrobiliśmy, i chcemy to powiedzieć wprost: na tym etapie nie przeprowadziliśmy własnego, niezależnego i odtwarzalnego benchmarku. Liczby z premiery, w tym te prezentowane pod nazwami benchmarków firm trzecich, zostały zmierzone na przebiegach Anthropic, a nie przez niezależne laboratoria. To norma w dniu premiery, ale pozostaje ograniczeniem, którego nie zamierzamy ukrywać.

Co możemy stwierdzić z pełnym przekonaniem

Niektóre rzeczy nie zależą od żadnego benchmarku: są obserwowalne, udokumentowane i stabilne. Identyfikator modelu to claude-opus-5, dostępny od 24 lipca 2026 roku na Claude.ai, w Claude Code, Claude Cowork, przez API oraz za pośrednictwem AWS Bedrock, Google Cloud i Microsoft Foundry. Cena wynosi 5 USD za milion tokenów na wejściu i 25 USD na wyjściu, dokładnie tyle samo co w Opus 4.8, czyli połowę stawki Fable 5. Okno kontekstowe sięga miliona tokenów, maksymalna długość odpowiedzi to 128 000 tokenów, a data odcięcia wiedzy przypada na maj 2026 roku. Wszystko to można sprawdzić w kilka minut na własnym koncie.

Pokrętło wysiłku również jest namacalnym faktem: parametr effort przyjmuje wartości low, medium, high, xhigh i max, z high jako wartością domyślną w API i Claude Code. Ustawiamy go, mierzymy różnicę w liczbie zużytych tokenów i widzimy efekt. Ta sama logika dotyczy automatycznego fallbacku: gdy klasyfikator bezpieczeństwa odrzuca zapytanie, API zwraca stop_reason: "refusal" w odpowiedzi HTTP 200 i może przełączyć się na Opus 4.8, zamiast zwracać błąd. Zachowanie jest opisane w dokumentacji i daje się odtworzyć. Te elementy, czyli cena, dostępność, specyfikacja, wysiłek i fallback, traktujemy jako pewnik.

Co dopiero wymaga potwierdzenia

Z drugiej strony kilka kluczowych obietnic z narracji Anthropic pozostaje niemożliwych do zweryfikowania z zewnątrz w dniu premiery. Pierwsza to rzeczywisty dystans do Fable 5 w warunkach produkcyjnych. Anthropic deklaruje wynik w granicach 0,5 % od Fable 5 na CursorBench przy połowie kosztu na zadanie. To liczba podana przez producenta, a nie niezależny pomiar, i nic nie gwarantuje, że ta różnica utrzyma się na Twoim kodzie, z Twoimi promptami i Twoimi ograniczeniami. Druga niewiadoma to faktyczny koszt. Cena z cennika to jedno, a rachunek to drugie: generacja Opus 4.7 i późniejsze korzysta z tokenizera, który produkuje o około 30 % więcej tokenów niż modele wcześniejsze niż 4.7. Identyczna cena za token może więc maskować wyższy realny wydatek, który trzeba zmierzyć na własnym obciążeniu.

Trzecim obszarem niepewności jest stabilność między przebiegami. Wypowiedzi partnerów, choćby najbardziej pochlebne (Lovable wspomina o wyraźnie mniejszej wariancji między kolejnymi wykonaniami), opisują warunki wyselekcjonowane i często zoptymalizowane. Wariancję na długich zadaniach realizowanych autonomicznie, poza kontrolowanym demo, można ocenić dopiero w praktyce, po kilku tygodniach użytkowania. Wreszcie analiza błędów przeprowadzona przez Snorkel trafnie przypomina, że błędne wnioskowanie pozostaje głównym mechanizmem porażki (35 % przypadków): silniejszy model to nie model nieomylny.

Jak samodzielnie przetestować go na poważnie

Nasza rada jest prosta i prawie nic nie kosztuje. Nie ufaj średnim z benchmarków: zbuduj mały, reprezentatywny zestaw swojej realnej pracy, kilkanaście zgłoszeń, ticketów z błędami czy typowych dokumentów, i puść na nim Opus 5.

• Porównuj na własnym korpusie, a nie na SWE-bench: publiczne wyniki nie przewidują Twojego konkretnego zastosowania.
• Mierz realne tokeny zużyte na wejściu i wyjściu, żeby uzyskać konkretny koszt na zadanie zamiast teoretycznej ceny za milion.
• Zmieniaj wysiłek z high na xhigh, a potem max na tych samych zadaniach i sprawdzaj, czy przyrost jakości uzasadnia dodatkowe tokeny. Często obniżenie wysiłku zachowuje niemal całą wydajność za znacznie niższą cenę.
• Zachowaj Opus 4.8 jako punkt odniesienia: nadal jest dostępny. Uczciwy test A/B między 4.8 a Opus 5 na Twoich zadaniach wart jest tysiąca premierowych wyników.

Podsumowując, przekonuje nas to, czego można dotknąć (utrzymana cena, pokrętło wysiłku, natychmiastowa dostępność), a zachowujemy ostrożność wobec tego, co wciąż opiera się na słowie producenta (dokładny dystans do Fable 5, koszt netto po uwzględnieniu tokenizera, stałość w dłuższym okresie). Właśnie dlatego zachęcamy Cię do przeprowadzenia własnego testu, zanim zaangażujesz budżet: w tej sprawie Twój korpus jest sędzią pewniejszym niż jakikolwiek ranking.

Dla kogo konkretnie

Kiedy opadnie kurz po zapowiedziach, zostaje pytanie, ktore naprawde liczy sie dla budzetu i roadmapy: czy claude-opus-5 cokolwiek zmienia w twoim przypadku i ktory model z rodziny wybrac. Odpowiedz zalezy mniej od benchmarku niz od profilu uzycia. Oto nasze odczytanie, profil po profilu, bez naciagania.

Deweloperzy i zespoly produktowe: nowy rozsadny domyslny wybor

Dla wiekszosci zespolow deweloperskich Opus 5 staje sie sensownym domyslnym wyborem do agentowego kodowania. Z dwoch konkretnych powodow. Po pierwsze stosunek mozliwosci do kosztu: cena identyczna jak w Opus 4.8 (5 $ za wejscie, 25 $ za wyjscie za milion tokenow) przy realnym skoku wydajnosci. Po drugie wyniki niezaleznych testow relacjonowane przez prase i osoby oceniajace, z ktorymi trzeba obchodzic sie ostroznie, bo uruchomienia premierowe byly tymi Anthropic: 96,0 % na SWE-bench Verified i 79,2 % na SWE-bench Pro, znacznie powyzej 69,2 % Opus 4.8. To nie jest marginalna roznica, to skok generacyjny.

Nasza praktyczna rekomendacja miesci sie w trzech linijkach. Uzywaj Opus 5 jako modelu do codziennej pracy przy zlozonym kodowaniu agentowym, refaktoryzacji wielu plikow i sledzeniu bledow, gdzie blyszczy. Zostaw Claude Sonnet 5 i Haiku 4.5 do wszystkiego, co jest kwestia wolumenu, subagentow i prostych zadan, tam gdzie wydawanie mocy obliczeniowej Opus nie ma zadnego sensu. A Fable 5, dwukrotnie drozszy, rezerwuj do najtrudniejszych problemow rozumowania, tych, w ktorych ostatnie polpunkta mozliwosci uzasadnia rachunek. Anthropic nie twierdzi, ze Opus 5 to jego najinteligentniejszy model: ten tytul pozostaje przy Fable 5. Opus 5 to najlepszy stosunek kosztu do wydajnosci, a nie absolutny sufit.

Jeden szczegol operacyjny, ktory ma znaczenie: parametr effort (poziomy high, xhigh, max) to twoja dzwignia kosztu. Obnizenie wysilku zachowuje wiekszosc wydajnosci, zuzywajac mniej tokenow. Konkretnie: przeprowadz przeglad ustawien wysilku na wlasnych ewaluacjach, zamiast pchac wszystko na max z automatu. Uwazaj tez na tokenizer generacji Opus 4.7 i pozniejszych, ktory produkuje okolo 30 % tokenow wiecej niz wczesniejsze modele: zmierz na swoim realnym obciazeniu, zanim wyciagniesz wnioski co do rachunku.

Firmy: stosunek mozliwosci do kosztu w sluzbie procesow wewnetrznych

Dla dzialu IT albo dyrekcji biznesowej wartosc Opus 5 nie tkwi w konkursie benchmarkow, lecz w rownaniu ekonomicznym przy powtarzalnych zastosowaniach wewnetrznych. Analiza danych, synteza dokumentow, badania naukowe, due diligence, modelowanie finansowe: to dokladnie te obszary, w ktorych Anthropic pozycjonuje model i w ktorych kilku jego klientow deklaruje zyski (Box mowi o 8 % lepiej niz Opus 4.8 i 11 % w analizie danych, JetBrains o wyraznym skoku w rozwiazywaniu problemow). Te liczby sa deklarowane przez partnerow cytowanych przez producenta: traktuj je jako sygnaly, a nie jako niezalezne pomiary.

Dwa praktyczne atuty dla firmy. Okno kontekstu o rozmiarze 1 miliona tokenow pozwala pochlonac cale bazy dokumentow bez akrobatycznego dzielenia na kawalki. A automatyczny fallback (gdy zapytanie zostaje odrzucone ze wzgledow bezpieczenstwa, API przelacza sie na inny model zamiast zwracac blad) chroni przed slepymi zaulkami na produkcji. To, ze Anthropic opisuje Opus 5 jako swoj najzdolniejszy ogolnie dostepny model do badan naukowych, zwlaszcza w biologii, warto potraktowac powaznie w zainteresowanych sektorach: zdrowie, agro, chemia, pamietajac jednoczesnie, ze to specyfikacje i narracja producenta.

Agencje i MSP: jak uzywamy tego w Go To Agency

To wlasnie tutaj logika kosztu do wydajnosci staje sie bardzo konkretna dla klienta. W Go To Agency, agencji cyfrowej w Dijon, model zblizajacy sie do najwyzszej polki za polowe ceny Fable 5 przeklada sie bezposrednio na dotrzymane terminy i zachowana marze, a wiec na bardziej konkurencyjne wyceny dla ciebie. Uzywamy go na trzech frontach.

• Prototypowanie: wyjscie od niejasnego briefu i wydanie pierwszej dzialajacej makiety, komponentu interfejsu albo skryptu integracyjnego w godziny, a nie w dni. Opus 5 sam weryfikuje swoja prace i samodzielnie wychodzi z bledow, co ogranicza tam i z powrotem oraz stracony czas fakturowany na poprawki.
• Tresc i SEO: produkcja rzetelnych, udokumentowanych artykulow, stron lokalnych i tresci wielojezycznych, z systematyczna ludzka korekta. Jakosc redakcyjna nie podlega negocjacji, ale koszt produkcji spada, a ta oszczednosc trafia do klienta koncowego.
• Narzedzia wewnetrzne: panele leadow, automatyzacje, male back-office na miare. Budujemy szybko to, co wczoraj wymagaloby pelnego cyklu deweloperskiego, i fakturujemy wynik, a nie stracony czas.

Zasada jest prosta i nie zmienia sie: AI przyspiesza nasza produkcje, ale nigdy nie zastepuje osadu, strategii i odpowiedzialnosci redakcyjnej, ktorych oczekujesz od agencji. Pozwala nam dostarczac szybciej i pozostawac konkurencyjnymi cenowo, nie przepłacajac nigdy za moc, ktorej projekt nie wymaga. Lokalna strona wizytowka nie potrzebuje mocy obliczeniowej projektu zlozonej platformy, a my dobieramy wlasciwy model do wlasciwego zastosowania.

Chcesz zobaczyc, jak to wyglada w praktyce? Przejrzyj nasze realizacje, popros o wycene dopasowana do twojego projektu albo skontaktuj sie z nami, zeby porozmawiac. Wszystko odbywa sie przez e-mail, w twoim tempie: czytamy, rozumiemy potrzebe, odpowiadamy konkretna propozycja, nie narzucajac ci ani telefonu, ani terminarza.

Migracja z Opus 4.8 i nasz werdykt

Dobra wiadomosc dla wszystkich, ktorzy juz dzialaja na claude-opus-4-8: przejscie na claude-opus-5 to jedna z najmniej bolesnych migracji, jakie Anthropic kiedykolwiek zaproponowal. Ta sama rodzina, to samo okno kontekstu 1 miliona tokenow, ten sam cennik (5 $ za milion tokenow wejsciowych, 25 $ za milion wyjsciowych) i oficjalny przewodnik migracji, ktory dokumentuje nieliczne roznice w zachowaniu. W wiekszosci przypadkow wystarczy zmienic identyfikator modelu w kodzie i ponownie uruchomic swoje ewaluacje. Cena sie nie zmienila, a wydajnosc poszla w gore: taka jest narracja, ktora Anthropic sprzedaje, i akurat w tym punkcie to fakt zweryfikowany.

Pozostaje jednak fakt, ze "zmienic ID i modlic sie" to nie jest strategia produkcyjna. Cztery kwestie zasluguja na realny test, zanim sie przelaczycie.

• Sprawdzcie domyslny poziom wysilku. W API i w Claude Code Opus 5 dziala domyslnie na high, dokladnie tak, jakbyscie pominieli ten parametr. Uwaga na roznice wzgledem Opus 4.8: ten ostatni wymuszal high wszedzie, rowniez na claude.ai, podczas gdy Opus 5 nie wymusza juz domyslnie high na claude.ai. Zrobcie ponowny przeglad poziomow wysilku na wlasnych ewaluacjach, zamiast na slepo przenosic ustawienia z Opus 4.8.
• Zmierzcie swoje rzeczywiste tokeny. Generacja 4.7 i pozniejsze korzystaja z tokenizera, ktory produkuje okolo 30 % wiecej tokenow niz modele wczesniejsze niz 4.7 na tym samym tekscie. Cena za milion jest identyczna, ale wasz rzeczywisty rachunek zalezy od liczby rozliczanych tokenow. Zmierzcie to na wlasnym obciazeniu, zanim zaufacie ekstrapolacji.
• Przetestujcie fallback. Jesli opieracie sie na mechanizmie automatycznego przelaczenia awaryjnego (gdy klasyfikator bezpieczenstwa odrzuca zapytanie, API przechodzi na inny model, domyslnie Opus 4.8 na Claude.ai, Code i Cowork), zwalidujcie wynik po stronie klienta: odpowiedz zmienia model obslugujacy, a wasza logika aplikacyjna musi to tolerowac.
• Zachowajcie dostep do Opus 4.8 jako wersji legacy. Pozostaje dostepny, co daje wam punkt odniesienia i siatke bezpieczenstwa, gdyby ktorys przypadek uzycia sie pogorszyl. Uwazajcie natomiast na sasiedni harmonogram: claude-opus-4-1 jest juz wycofany i zostanie usuniety 5 sierpnia 2026. Jesli wciaz zwlekacie na wersji 4.1, migracja przestaje byc opcjonalna.

Nasz werdykt

Badzmy jasni i uczciwi, jak od poczatku tego artykulu. Opus 5 to najlepszy Opus, jaki kiedykolwiek wyszedl, w tej samej cenie co poprzednik. Zbliza sie do Fable 5 w wielu zadaniach kodowania i rozumowania, pozostajac przy tym, wedlug wlasnych slow Anthropic, mniej inteligentnym niz Fable 5 na samej gorze spektrum. Anthropic zreszta wcale nie twierdzi inaczej: Opus 5 jest sprzedawany jako daily driver, najlepszy stosunek kosztu do wydajnosci, a nie jako szczyt oferty. To uczciwa pozycja i odpowiada temu, co sami obserwujemy.

Prawdziwa uzyteczna nowoscia nie jest ten czy inny wynik benchmarku. Sa to dwa konkretne mechanizmy: pokretlo wysilku (low, medium, high, xhigh, max), ktore pozwala wam wywazyc koszt wzgledem mozliwosci w ramach tego samego zapytania, oraz automatyczny fallback, ktory zamienia odmowe bezpieczenstwa w odpowiedz zdegradowana zamiast w blad. To sa funkcje, ktore naprawde zmieniaja zycie zespolu eksploatujacego model w produkcji, znacznie bardziej niz pol punktu w rankingu.

Jesli chodzi o liczby, nasze stanowisko pozostaje ostrozne. Benchmarki robia wrazenie (96,0 % na SWE-bench Verified, 79,2 % na SWE-bench Pro, wyniki, ktore dwukrotnie przebijaja Opus 4.8 na Frontier-Bench wedlug danych podanych przez Anthropic), ale wiekszosc z nich jest deklarowana przez wydawce lub uruchamiana na przebiegach Anthropic w momencie premiery, a nie przez scisle niezalezne strony trzecie. To normalne przy premierze, ale nie jest to powod, by przyjmowac je bezkrytycznie. Nasza interpretacja: kierunek jest sluszny, a dokladna skala wymaga potwierdzenia na waszych wlasnych zadaniach.

Werdykt operacyjny jest natomiast prosty. Dla zdecydowanej wiekszosci obciazen kodowych i agentowych Opus 5 staje sie nowym rozsadnym domyslnym wyborem: zachowujecie Fable 5 dla maksymalnych mozliwosci przy naprawde trudnych problemach, a schodzicie do Sonnet 5 lub Haiku 4.5, gdy priorytetem jest koszt. Opus 5 zajmuje srodek ciezkosci, tam gdzie rozgrywa sie codzienna praca.

W Go To Agency juz teraz integrujemy te modele w pipeline'ach naszych klientow (asystenci kodu, agenci biznesowi, automatyzacje dokumentowe) i dobieramy odpowiedni model do odpowiedniego budzetu, bez ideologii. Jesli zastanawiacie sie, ktory z tych modeli ma sens dla waszego przypadku uzycia albo jak poprawnie podlaczyc fallback w produkcji, porozmawiajmy o tym: poproscie o wycene albo skorzystajcie ze strony kontakt. Powiemy wam uczciwie, co jest warte zachodu, a co nie.