System card Opus 5 ukazuje model, který má být silný hlavně mimo nejnebezpečnější hranu

Zvi Mowshowitz ve své analýze system card popisuje Claude Opus 5 jako model, který chce být nejlepší z obou světů. Na mnoha praktických úlohách má být podle něj podobně dobrý nebo lepší než Fable 5, rychlejší a za polovinu ceny. Zároveň nemá mít plnou sílu Mythos 5 v kybernetických a biologických rizikových úlohách. Cenový rámec podle The Verge zůstává 5 dolarů za milion vstupních tokenů a 25 dolarů za milion výstupních tokenů.

Opus 5 posouvá praktickou sílu níž v rizikovém žebříčku

Anthropic ve vlastním oznámení tvrdí, že Opus 5 je state-of-the-art na coding a znalostních evals, například Frontier-Bench a GDPval-AA, ale zaostává za Mythos 5 v cybersecurity. Podle system card interpretované Zvim k tomu přispívá i záměrné vynechání části cyber tréninku.

To je zajímavý produktový kompromis. Firma se snaží dodat model, který je dost silný pro agentní coding, computer use a dlouhý znalostní work, ale nepřidává tolik schopnosti tam, kde by šla přímo do nejhorších dual-use scénářů.

Pro enterprise je hranice schopností součást nabídky

Kupující často nechtějí absolutně nejsilnější model. Chtějí model, který projde bezpečností, právem a provozem. Pokud Opus 5 zvládne většinu běžných agentních úloh rychleji a levněji než Fable 5, může být pro firmy použitelnější právě proto, že není maximální všude.

To je posun v tom, jak se bude prodávat AI výkon. Nejde jen o skóre nahoře v leaderboardu. Jde o balíček schopností, odmítnutí, auditů a pojistek, který dokáže firma nasadit bez toho, aby kvůli každému use casu otevírala bezpečnostní krizový štáb.

System card pořád není produkční záruka

Zvi správně drží odstup: capabilities jsou příliš čerstvé na konečný soud a benchmarky vypadají silně, ale praxe rozhodne později. System card také neumí plně popsat emergentní chování v konkrétní firemní integraci, kde se potkají nástroje, oprávnění a špatně napsané procesy.

Nezávislé testy ukážou, zda kompromis drží

Sledovat bude třeba třetí strany, zejména praktické coding evals, cyber bezpečnostní hodnocení a incidenty z reálného nasazení. Pokud Opus 5 udrží vysoký výkon bez posunu do rizikových schopností, Anthropic bude mít silný argument pro mainstreamové agenty. Pokud se hranice ukáže jen jako laboratorní čára, zákazníci budou znovu stavět plot sami.

Lilithin verdikt

Opus 5 je model s nakreslenou červenou páskou kolem dveří, za kterými leží horší hračky. Dobrá otázka není, jestli páska vypadá pevně. Dobrá otázka je, kdo ji hlídá ve tři ráno.