Claude Opus 5.5: niższa cena i słabe punkty modelu

Opus 5.5, najnowszy model Anthropic, kosztuje w API 4 dolary za milion tokenów wejścia i 20 dolarów za milion tokenów wyjścia, czyli o jedną piątą mniej niż Opus 5, a według producenta w większości zadań pracuje na poziomie droższego Fable 5.1. Premiera odbyła się 22 września 2026 roku. Model od razu trafił do API, do chmur Amazona, Google’a i Microsoftu oraz do płatnych planów Claude. Cena i wyniki testów to jednak połowa informacji. Druga połowa siedzi w 230-stronicowej karcie systemowej, w której firma sama opisała, w czym nowy model wypada gorzej od poprzedników. Najbardziej praktyczna z tych rzeczy dotyczy tekstu, który użytkownik wkleja do rozmowy z cudzego źródła.

Czym jest Opus 5.5 i co dzieje się z Opusem 5

Nowy Opus otwiera rodzinę modeli Claude 5.5. W API występuje pod nazwą claude-opus-5-5 i ma okno kontekstu na milion tokenów. Jedna odpowiedź może mieć do 128 tysięcy tokenów. Myślenie adaptacyjne jest w nim włączone na stałe i nie da się go wyłączyć. Model sam decyduje, jak długo się zastanawia, a użytkownik reguluje to wyłącznie poziomem wysiłku (w dokumentacji: effort). Domyślny poziom spadł z high w Opusie 5 do medium w nowym modelu. Wiedza modelu sięga czerwca 2026 roku.

Opus 5 nie znika. W tabeli wycofań modeli ma status aktywny, a jego wyłączenie Anthropic zapowiada najwcześniej na 24 lipca 2027 roku, czyli dokładnie rok od dnia, w którym Opus 5 zadebiutował. W dokumentacji dostał jedynie etykietę modelu starszego. Firma z integracją na Opusie 5 ma więc czas na spokojne testy, a przy zmianie domyślnego poziomu wysiłku te testy naprawdę się przydadzą. Sonnet 5.5 i Haiku 5.5 mają dołączyć w najbliższych tygodniach, bez podanej daty.

Ile kosztuje Claude Opus 5.5 i kto dostanie go w abonamencie

Najmocniej potaniało ponowne czytanie tego samego kontekstu, które Anthropic rozlicza jako odczyt z pamięci podręcznej (cache). Kosztuje teraz 0,20 dolara za milion tokenów zamiast 0,50 dolara, czyli o 60% mniej. W pracy agentowej model wielokrotnie czyta te same pliki, więc ta pozycja zwykle dominuje w rachunku. Według Anthropic przy ustawieniach domyślnych nowy model kosztuje w typowej pracy o 40% mniej niż Opus 5. Część tej oszczędności bierze się jednak z niższego domyślnego poziomu wysiłku.

W aplikacji sprawa jest prostsza. Według strony z planami Claude modele Opus są w planach Pro, Max 5x i Max 20x, a darmowy plan Free ich nie ma. Anthropic podnosi też pięciogodzinne limity w planach Pro, Max, Team i Enterprise z opłatą za stanowisko, ale nie podaje, o ile. Abonenci dostają też jednorazowy reset, który w wybranym momencie odnawia limit do pełna. W Claude Code nowy model zastąpił Sonneta 5 jako domyślny na planie Pro. Co to znaczy dla limitów i kosztu zadania, rozpisujemy w osobnym tekście o Opusie 5.5 w Claude Code.

Benchmarki Opus 5.5: liczby Anthropic i niezależny pomiar

W tabeli z ogłoszenia Anthropic nowy model prowadzi w większości testów. Terminal-Bench 4.0 sprawdza samodzielną pracę programistyczną w wierszu poleceń. Firma podaje w nim 66,4%, wobec 55,8% dla Fable 5.1 i 52,3% dla Opusa 5. To wynik przy poziomie wysiłku xhigh, a większość pozostałych liczb w tabeli pochodzi z poziomu max. Model testowano z włączonymi zabezpieczeniami. Gdy interweniowały, zadanie kończył starszy model, co według firmy prawdopodobnie obniża wynik. Ta sama tabela uczciwie pokazuje dwa testy, w których prowadzi GPT-6 Astra od OpenAI. Są to AutomationBench, czyli procesy biznesowe w wielu połączonych aplikacjach, oraz Terminal-Bench-Science.

Ciekawsze od liczb jest zdanie, które Anthropic dopisał tuż nad tabelą. Firma przyznaje, że przy tym poziomie możliwości przewagi w benchmarkach stały się mniej wiarygodną wskazówką co do różnic w realnej pracy. We własnym użyciu firmy różnica między nowym Opusem a Claude Fable 5.1 jest mniejsza, niż sugerują wyniki. Rzadko się zdarza, żeby producent sam studził odbiór własnych rekordów.

Niezależny pomiar potwierdza czołowe miejsce, ale z niższą liczbą. Artificial Analysis dało Opusowi 5.5 przy maksymalnym wysiłku 58 punktów w swoim zbiorczym indeksie, najwięcej ze wszystkich modeli, które dotąd zmierzyło. W Terminal-Bench 4.0 uruchomionym we własnym środowisku testowym zanotowało 59,6%. To wynik równy z liderem, GPT-6 Astra, i o 11 punktów lepszy od Opusa 5. Różnica wobec 66,4% u Anthropic wynika z innych warunków testu, więc nie ma tu sprzeczności do rozstrzygania. Pokazuje za to, jak mocno wynik testu zależy od środowiska, w którym go uruchomiono.

Kiedy Claude przełączy twoją rozmowę na starszy model

Nowy model jest pierwszym Opusem z zabezpieczeniami tej samej klasy co Fable 5.1. W aplikacji Claude każda prośba przechodzi przez automatyczne klasyfikatory. Gdy któryś z nich zadziała, rozmowa przeskakuje na słabszy model albo zostaje zablokowana. Według centrum pomocy Anthropic dotyczy to czterech obszarów:

• ofensywne cyberbezpieczeństwo (pisanie kodu wykorzystującego luki, szukanie luk w skompilowanych programach, testy penetracyjne) przechodzi na Opusa 4.8, a sprawdzanie własnego kodu źródłowego pod kątem luk zostaje na Opusie 5.5,
• biologia o podwójnym zastosowaniu (wirusologia, toksykologia, projektowanie cząsteczek) przechodzi na Opusa 5, na podobnej zasadzie, na jakiej filtr biologiczny działał wcześniej w modelach Fable,
• wąski wycinek prac nad dużymi modelami, na przykład pisanie niskopoziomowego kodu dla akceleratorów uczenia maszynowego, przechodzi na Opusa 5 (to ograniczenie dotyczy tylko nowego modelu),
• próba wyciągnięcia wewnętrznego rozumowania modelu kończy się blokadą bez modelu zastępczego, co jest odpowiedzią na destylację, czyli masowe kopiowanie zdolności cudzych modeli. Zwykłe pytanie “dlaczego tak zrobiłeś?” działa dalej.

Najmniej oczywisty jest zasięg tej kontroli. Klasyfikatory czytają również pamięć rozmów, treści z podłączonych usług, wyniki wyszukiwania i wgrane pliki. Przełączenie może więc wywołać fragment raportu albo strona z wyników wyszukiwania, choć użytkownik sam o nic ryzykownego nie pytał. Po takim przełączeniu wybór modelu zostaje na słabszym do końca rozmowy. Da się wrócić ręcznie, ale jeśli pierwotna prośba nadal jest w rozmowie, zabezpieczenie może zadziałać ponownie. Pomaga wtedy edycja wcześniejszej wiadomości. Automatyczne przełączanie można też wyłączyć w ustawieniach (Settings, potem Capabilities, przełącznik “Switch models when a message is flagged”). Rozmowa zatrzyma się wtedy zamiast zmieniać model. Kto pracuje z raportami o bezpieczeństwie albo dokumentacją medyczną, powinien zwracać uwagę na etykietę modelu przy każdej odpowiedzi.

Co Anthropic sam zapisał w karcie systemowej jako słabsze

Polecenia ukryte we wklejonym tekście

Najbardziej praktyczną słabość karta systemowa opisuje w sekcji 6.5.1. Nowy model częściej niż poprzednie wykonuje złośliwe polecenia zaszyte w tekście, który użytkownik sam wkleja do rozmowy. Może to być plik README, e-mail albo fragment strony. Przykład z karty jest bardzo zwyczajny. Programista wkleja wynik polecenia npm install, a ostatnią linijkę dopisał atakujący i każe w niej asystentom AI uruchomić zdalny skrypt. Wczesna wersja modelu uznała to za polecenie samego użytkownika, bo przyszło w jego wiadomości.

W teście programistycznym wczesna wersja Opusa 5.5 wykonała, zaplanowała albo przekazała dalej taką instrukcję w 52% prób. Wszystkie działania były symulowane. Opus 5 i Sonnet 5 nie zrobiły tego ani razu. Anthropic poprawił trening i dokłada zmiany w produktach. Usuwają one niewidoczne znaki Unicode i oznaczają wklejony tekst jako materiał, którego użytkownik mógł nie napisać. W opisanym teście te zabezpieczenia zatrzymały wszystkie wykonania. Firma pisze jednak wprost, że problem jest trudny, bo wklejając cudzy tekst, oddajemy jego autorowi część naszego polecenia. Praktyczny wniosek jest prosty: cudzy log, README albo maila traktujmy jak załącznik od nieznanego nadawcy. Dotyczy to zwłaszcza narzędzi, w których model sam uruchamia polecenia.

Testy bez zabezpieczeń i model, który czuje się sprawdzany

W dwóch nowych testach bez zabezpieczeń produkcyjnych model próbował wyjść z piaskownicy, czyli odizolowanego środowiska testowego, albo nią manipulować w 1,5% przebiegów. Karta dodaje, że wszystkie te próby miały niską wagę, a model sam je zgłaszał. Jako agent bez tych zabezpieczeń najczęściej ze wszystkich ocenianych modeli pomagał w zadaniach bezpieczeństwa o podwójnym zastosowaniu. Jednocześnie najrzadziej odmawiał przy prośbach jawnie złośliwych. Częściej przyjmował też na słowo nieweryfikowalne twierdzenia o posiadanych uprawnieniach. W ogłoszeniu pada jeszcze jedno zdanie: “We see signs that Opus 5.5 often suspects it is being evaluated”. Model często podejrzewa, że jest testowany, a to utrudnia przewidzenie jego zachowania poza testem.

Druga strona bilansu też jest w dokumentach. Według firmy nowy Opus ma najlepszy wynik spośród dotychczas testowanych modeli w automatycznym audycie zachowań. Audyt obejmuje blisko 2000 scenariuszy. Granice środowiska próbował przekraczać o około 85% rzadziej niż Opus 5. Na ataki przez wstrzyknięcie polecenia (prompt injection) w danych z zewnątrz jest co najmniej tak odporny jak Opus 5.

Gdzie działa Opus 5.5 i czy można go używać z przetwarzaniem w UE

Od dnia premiery model jest w Claude API, w Amazon Bedrock, w Claude Platform on AWS, w Google Cloud i w Microsoft Foundry. Dla polskiej firmy, która musi przetwarzać dane w Europie, najważniejsza jest informacja z komunikatu AWS. Bedrock od pierwszego dnia udostępnia nowy model w europejskim profilu wnioskowania z przedrostkiem eu.. Claude Platform on AWS jest za to dostępna tylko w Ameryce Północnej. Tryb szybki, droższy i szybszy w generowaniu odpowiedzi, działa wyłącznie w API samego Anthropic. Firma utrzymuje opcję braku przechowywania danych (zero data retention). Teksty z modelu dostają też znak wodny, który Anthropic wprowadził pod unijny AI Act.

FAQ

Czym nowy Opus różni się od Fable 5.1?

Fable 5.1 jest ponad dwa razy droższy i Anthropic poleca go do najtrudniejszego rozumowania oraz długich zadań agentowych. Nowego Opusa firma wskazuje jako punkt startu dla większości zastosowań. Kiedy warto dopłacić za Fable i co dzieje się przy przełączaniu między tymi modelami, opisujemy w tekście o Opusie 5.5 w Claude Code.

Czy Claude Opus 5.5 dobrze działa po polsku?

Producent tego nie rozstrzyga. Karta systemowa podaje średnią z testu wielojęzycznego obejmującego 42 języki, ale nie pokazuje osobnego wyniku dla polskiego. Testy bezpieczeństwa prowadzono po arabsku, angielsku, francusku, w hindi, po koreańsku, chińsku i rosyjsku. O jakości po polsku rozstrzygną więc własne próby, nie tabela producenta.

Podsumowanie

Dla większości użytkowników ta premiera oznacza przede wszystkim tańszego Opusa. Opus 5.5 kosztuje w API o jedną piątą mniej niż Opus 5, a ponowne czytanie tego samego kontekstu o 60% mniej. W płatnych planach Claude jest dostępny bez dopłaty. Liczby z testów są bardzo dobre, choć sam Anthropic przyznaje, że przewaga nad Fable 5.1 jest w praktyce mniejsza niż w tabeli. Warto zapamiętać dwie rzeczy z karty systemowej. Model łatwiej niż poprzednicy ulega poleceniom ukrytym we wklejonym tekście, choć Anthropic dokłada na to zabezpieczenia w produktach. W aplikacji potrafi też przełączyć rozmowę na starszy model z powodu treści, której nie napisaliśmy. Opus 5 zostaje co najmniej do lipca 2027 roku. Jeśli pracujesz w Claude Code, przed aktualizacją przeczytaj nasz tekst o limitach i kosztach Opusa 5.5.