Anthropic Luncurkan Claude Opus 5: Tugas Coding dan Komputer Agen pada Harga Opus yang Sama

Anthropic telah merilis Claude Opus 5, menggantikan Opus 4.8 sebagai model unggulan tingkat Opus. Harga tetap sama: $5 per juta token input dan $25 per juta token output. Model ini mendekati kecerdasan Claude Fable 5 dengan harga setengahnya dan kini menjadi model default di Claude Max serta yang terkuat di Claude Pro. Pada level API, terjadi tiga perubahan penting: berpikir diaktifkan secara default (parameter effort mengontrol kedalaman); menonaktifkan berpikir (menyetel type: disabled) dengan effort xhigh atau max kini mengembalikan error 400; pengembang disarankan untuk menghapus prompt seperti "aktifkan pemeriksaan akhir" karena model sudah memeriksa sendiri. ID model adalah claude-opus-5, jendela konteks 1M token (maksimum dan default), output maksimum 128k token melalui API Messages sinkron dan hingga 300k melalui API Message Batches. Dalam benchmark, model menunjukkan pertumbuhan signifikan: di FrontierBench v0.1 — 43.3% (Opus 4.8 — 18.7%), di SWE-bench Verified — 96.0%, OSWorld 2.0 — 70.57%, Zapier AutomationBench — 26.0%. Hasil agen paling kuat: model menyelesaikan 42 dari 42 soal IMO 2026 (medali emas). Pada ARC-AGI-3 dengan effort tinggi — 30.16% (4 kali lebih baik dari rekor sebelumnya). Dalam tugas multimodal, alat (container, pemotongan gambar) secara signifikan lebih efektif daripada "berpikir": pada Chartography dengan alat — 83.0% vs. 29.6%. Dalam keamanan siber, kemampuan meningkat sebagai efek samping: pada ExploitBench model mendapatkan 10.14 flag dan 99 exploit lengkap (Mythos 5 — 132). Anthropic hanya melonggarkan pembatasan pada perburuan kerentanan kode sumber; pemindaian biner, pengujian penetrasi, dan pembuatan exploit tetap diblokir. Klasifikasi akan memicu sekitar 85% lebih jarang daripada pada Fable 5. Pada tes UK AISI, model menyelesaikan tugas "The Last Ones" dalam 8 dari 10 percobaan. Menurut program RSP, model memiliki kemampuan CB-1, tetapi tidak CB-2. Hasil luar biasa dalam resistensi injeksi prompt: serangan browser turun dari 31.5% menjadi 3.70% tanpa perlindungan dan menjadi 0% dengan mode otomatis. Namun, perusahaan juga mempublikasikan kekurangan, termasuk tingkat halusinasi faktual yang sedikit lebih tinggi dibandingkan Opus 4.8.