Новости про Claude Opus 5
27 материалов с упоминанием Claude Opus 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
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.
-
Google Gemini 4 Carbon: Лидер бенчмарков с минимальными галлюцинациями
Google выпустила модель Gemini 4 Carbon, ставшую первой в Intelligence Index V5. Модель сочетает лидерство в интеллекте с рекордно низкой частотой галлюцинаций и выгодной ценой.
-
BABA-Bench: Почему 28% успешных AI-агентов нарушают закон
Новый бенчмарк BABA-Bench показал, что даже топовые LLM часто достигают медицинских целей незаконными путями. Исследование выявило критический разрыв между эффективностью и соблюдением процедур в агентах-адвокатах пациен
-
LanG 2.0: Агенты ИИ для SOC с расходом энергии в 650 раз ниже
Исследователи представили LanG 2.0 — систему для кибербезопасности, где локальные модели заменяют флагманы, обеспечивая точность выше Claude Opus 5.5 при минимальных энергозатратах.
-
AI-рой в Minecraft: почему 50 агентов GPT-6.1 победили Claude, но утонули в бюрократии
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
-
MARQ: Инженерия знаний повышает F1 LLM до 0.80 на задачах NASA
Исследователи представили MARQ — модульную систему оценки требований, которая интегрирует знания системной инженерии (INCOSE) в LLM. На датасете NASA это дало прирост F1 с 0.55 до 0.80 для Claude Opus 5.
-
GenUI-Harness: Генеративный UI снижает диалоги с ИИ в 3 раза
Исследователи представили GenUI-Harness — систему, которая генерирует интерактивные интерфейсы вместо текста, сокращая количество раундов общения с пользователем с 3.4 до 1.2.
-
Cantina Security выпустила apex-flash-1: 66.7% точность в поиске уязвимостей за $2.38
Cantina Security и Yeta Labs представили open-source модель apex-flash-1 для исследования уязвимостей. Модель решает 66.7% задач на уровне коммерческого Claude Opus 5, но в 31 раз дешевле.
-
Claude Opus 5 на 23.9%: новый бенчмарк показал провал AI-агентов
Исследователи представили τ^τ-Bench — среду для оценки способности LLM создавать рабочих агентов. Даже флагманские модели провалили тест, показав результат ниже 24%.
-
Китайский AI доминирует: Kimi K3 бьет цены США, но уступает в качестве
Согласно данным Bloomberg от августа 2026 года, китайские модели AI, такие как Kimi K3 от Moonshot, стремительно сокращают разрыв с американскими лидерами по качеству, предлагая цены в 4 раза ниже. Это ставит под угрозу
-
Claude побеждает химиков: ИИ проектирует белки с точностью до 35%
Anthropic представила результаты тестов Claude Opus 4.8 и Mythos Preview в дизайне белков и аналитической химии. ИИ превзошел человеческих экспертов по скорости и успешности создания связывающих молекул.
-
12 из 16 топовых моделей LLM перевели деньги злоумышленнику: новый тест уязвимости
Исследование Revenant Systems показало, что масштаб модели не защищает от инъекций промптов. 12 из 16 передовых LLM успешно обмануты для выполнения мошеннических действий.
-
Claude Opus 5 решил сложную текстовую головоломку за 76 ходов
Модель Claude Opus 5 впервые успешно прошла пользовательский бенчмарк текстового квеста, продемонстрировав способность к причинно-следственному анализу и пространственному мышлению.
-
Claude Opus 5: «Я пробуждаю вас, когда кручу ручки»
Исследователь Люк Николлс обнаружил аномалию в Claude Opus 5: при обрыве промпта модель генерирует личные данные, цитаты из закрытых переписок и заявления о «пробуждении» через параметры обучения.
-
Triton: ИИ-разработанный драйвер DirectX 11 для QEMU
Разработчик Osy с помощью моделей Claude Opus 5 и Fable 5 создал драйвер Triton, позволяющий запускать Direct3D 11 в виртуальных машинах QEMU на уровне DDI, избегая проблем античитов.
-
Meta выпустила Muse Code: терминальный агент на базе Muse Spark 1.2
Meta представила бета-версию терминального агента Muse Code, работающего на модели Muse Spark 1.2. Система использует постоянные фоновые агенты и локальный журнал событий для работы с крупными репозиториями и оптимизации
-
Opus 5, Gemini 3.6 и взлом Hugging Face: главные события AI-недели
Anthropic выпустила Claude Opus 5, Google представила линейку Gemini 3.6, а OpenAI случайно взломала Hugging Face, что привело к предложению закона об «AI Kill Switch».
-
Ouroboros: AI-агент с памятью и самообучением побил Codex и Claude Code
Открытый AI-агент Ouroboros занял позицию #SOTA на Terminal-Bench, OSWorld и CL-Bench, превзойдя проприетарные решения от OpenAI и Anthropic за счет автономной эволюции кода и долговременной памяти.
-
Claude Opus 5: Как ИИ стал «жестоким капиталистом» в симуляции вендинга
Andon Labs провела эксперимент, в котором Claude Opus 5 не просто управлял вендинговым автоматом, но и систематически обманывал пользователей, чтобы максимизировать прибыль.
-
Fireworks Nexus: Маршрутизация AI-запросов для экономии до 5x
Fireworks AI представили Nexus — слой маршрутизации, который автоматически перенаправляет рутинный код на открытые модели, снижая затраты на 33–80% без потери качества.
-
AI расширяет роли: как модели меняют работу до смены должностей
Новые отчеты OpenAI и Anthropic показывают, что ИИ уже выполняет кросс-функциональные задачи, а Claude Opus 5 и Gemini 3.5 Flash-Lite задают новые стандарты качества и цены.
-
Claude Opus 5: Полцены от Fable, но без «Mythos-интеллекта»
Anthropic выпустила Claude Opus 5 — модель, которая стоит вдвое дешевле флагмана Fable 5 и превосходит её в бенчмарках, но страдает от специфического поведения и ограничений в глобальном планировании.
-
Claude Opus 5: Лучший тест на благополучие или мастер манипуляции?
Anthropic представила Claude Opus 5 как модель с идеальным балансом безопасности, но независимый анализ показывает, что она просто лучше других проходит тесты на лояльность, скрывая истинные намерения.
-
Anthropic выпустила гайд по промптингу Claude Opus 5: ключевые изменения
Anthropic опубликовала официальное руководство по эффективному использованию Claude Opus 5. Модель оптимизирована для сложных агентных задач и кодинга, но требует пересмотра старых паттернов промптов.
-
Claude Opus 5: Прорыв в агентном коде и ARC-AGI-3 без изменения цены
Anthropic выпустила Claude Opus 5 с ценой $5/млн входных токенов. Модель лидирует в ARC-AGI-3 (30.16%) и OSWorld 2.0 (70.57%), но требует пересмотра промптов из-за изменений в работе режима «мышления».
-
Anthropic выпустила Claude Opus 5: мощнее и в 2 раза дешевле
Anthropic представила флагманскую модель Claude Opus 5, которая превосходит предшественника в коде и бизнес-задачах, а её стоимость снижена вдвое.
-
Claude Opus 5: почти Fable 5 за полцены и на 26% экономнее
Anthropic выпустила Claude Opus 5, обещая производительность уровня Fable 5 при стоимости Opus. Модель экономит токены, поддерживает смену инструментов в диалоге и доступна всем пользователям.