Новости про Claude Opus 5.5

17 материалов с упоминанием Claude Opus 5.5: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.

• CWE-bench v2: Тест на кибербезопасность, где даже лидер ошибается в 19% случаев
  03 ноября 2026 г. · Hugging Face blog

  Collinear AI выпустили версию 2.0 бенчмарка CWE-bench. Тест из 100 задач на поиск уязвимостей в реальном коде показал, что даже топовые модели (Gemini, Claude) не справляются с «длинным хвостом» сложных атак.

• StateBench: Почему GPT-6 и Claude 5.5 проваливают тесты на память в длинных текстах
  03 ноября 2026 г. · Hugging Face blog

  Allen AI представил StateBench — бенчмарк, доказывающий, что даже топовые LLM теряют нить повествования в длинных документах, если нужно отслеживать сложные цепочки изменений состояния.

• AI-рой в Minecraft: почему 50 агентов GPT-6.1 победили Claude, но утонули в бюрократии
  01 ноября 2026 г. · Tom's Hardware

  Исследователи из Y Combinator и Olam Labs протестировали сотни AI-агентов в Minecraft. Выяснилось, что GPT-6.1 Sol превосходит Claude Opus 5.5 в командной работе, но оба семейства моделей страдают от парализующей бюрокра

• Opus 5.5 объясняет нейроны GPT-2-XL в 26 раз лучше GPT-4
  25 октября 2026 г. · LessWrong

  Новый эксперимент показывает, что Claude Opus 5.5 способен интерпретировать внутреннюю работу нейросетей с точностью до 19%, против жалких 0.3% у GPT-4. Это прорыв в области интерпретируемости ИИ.

• Малые LLM умеют двухшаговый вывод без CoT, если «мост» реален
  17 октября 2026 г. · LessWrong

  Исследование показало, что модели Qwen3.6-35B-A3B и Qwen3-8B способны к латентному двухшаговому рассуждению (two-hop reasoning) над полностью сгенерированными фактами, если связующее звено между ними — известный реальный

• CarrotParsnipBench: Как LLM лгут и распознают обман в игре
  17 октября 2026 г. · LessWrong

  Исследование 5500 партий выявило разрыв между способностью модели обманывать и её умением распознавать ложь. Представлен новый легковесный бенчмарк для оценки стратегической децизии.

• Claude Opus 5.5: 8 неочевидных сценариев использования
  16 октября 2026 г. · Habr

  Anthropic представила Opus 5.5, модель, способную генерировать сложные 3D-анимации, игры на Three.js и профессиональные интерфейсы за минуты. Разбираем реальные кейсы и экономию бюджета.

• Google Gemini 4 Argon: 1M токенов вывода и прорыв в длинном контексте
  15 октября 2026 г. · MarkTechPost

  Google DeepMind выпустила модель Gemini 4 Argon с лимитом вывода до 1 миллиона токенов. Новый sparse MoE-архитектура ориентирована на сложные задачи в коде, праве и финансах, предлагая агрессивное ценообразование на стар

• Nous Research представил Hermes Index: рейтинг ИИ-агентов по эффективности и стоимости
  14 октября 2026 г. · Nousresearch

  Лаборатория Nous Research запустила Hermes Index — первый открытый бенчмарк, оценивающий способности ИИ-агентов не только по качеству выполнения задач, но и по экономической эффективности. Лидером стал Claude Opus 5.5.

• Meta выпустила Muse Wonder: новый лидер в памяти, но проигрывает Claude в коде
  14 октября 2026 г. · MarkTechPost

  Meta представила модели Muse Wonder и Muse Wonder Full для агентов. Модель показала рекордные результаты в MemoryBench, однако уступила Claude Opus 5.5 в программировании. Доступ через API и подписку Muse Code.

• GPT, Gemini и Moshi: кто говорит естественнее? Новый бенчмарк разговорных AI
  13 октября 2026 г. · arXiv cs.CL

  Исследование NeurIPS 2026 оценило 6 голосовых моделей на 427 паузах в реальных диалогах. Выяснилось, что облачные API (GPT, Gemini) не умеют молчать, а полнодуплексные системы (Moshi) лучше помнят контекст.

• Mistral Large 4: 1 трлн параметров и лидерство в кибербезе
  06 октября 2026 г. · Mistral

  Mistral представила модель Le Chonk (ML4) с 1 триллионом параметров. Она обходит конкурентов в коде и безопасности, обучена на 3800 GPU Grace Blackwell и скоро откроет веса.

• Anthropic vs OpenAI: почему подписка Claude в 5 раз выгоднее ChatGPT
  06 октября 2026 г. · Semianalysis

  Аналитики SemiAnalysis провели детальный расчет стоимости использования моделей Claude Opus 5.5 и GPT-6.1 Sol. Выяснилось, что подписка Anthropic за $200 эквивалентна $11 700 API-трафика, тогда как аналогичная подписка O

• Claude Opus 5.5: Прорыв в цене и качестве, но с нюансами
  26 сентября 2026 г. · LessWrong

  Anthropic выпустила Claude Opus 5.5, позиционируя её как модель уровня Fable 5.1, но на 40% дешевле. Новые бенчмарки и цены меняют правила игры на рынке AI.

• GPT-6 Sol против Claude Opus 5.5: кто победил в бенчмарках?
  25 сентября 2026 г. · Towards AI pub

  OpenAI и Anthropic выпустили флагманские модели для кодинга. GPT-6 Sol дешевле, но Claude Opus 5.5 демонстрирует превосходство в сложных задачах.

• Claude Opus 5.5 в Microsoft Foundry: новый стандарт для агентов и кода
  24 сентября 2026 г. · Azure AI Blog

  Anthropic выпустила Claude Opus 5.5 для Microsoft Foundry. Модель оптимизирована для долгих сессий кодинга, работы с большими контекстами и автономных агентов с адаптивным мышлением.

• Claude Opus 5.5: Системная карта, риски и сравнение с Fable 5.1
  23 сентября 2026 г. · LessWrong

  Anthropic представила Claude Opus 5.5, позиционируя её как самую мощную модель на рынке, превосходящую Fable 5.1 по ряду метрик и дешевле предшественника. Разбор системной карты выявил новые подходы к тестированию и сохр