Claude Opus 5.5 — Anthropic-ის მოდელი, რომელიც დავალებას ბოლომდე მიჰყავს

Anthropic-ის Claude Opus 5.5 — ახალი Claude 5.5 ოჯახის პირველი მოდელი — წარმოდგენილია არა როგორც კოდის უფრო სწრაფი ავტოდასრულებელი, არამედ როგორც აგენტი, რომელსაც დავალების გატარება განვითარების მთელ ციკლზე შეუძლია: დიზაინის სპეციფიკაციიდან და დებაგინგიდან კოდის გენერაციამდე და ტესტირებამდე. The New Stack-ის ცნობით, აქცენტი სამუშაოს სწრაფ დაწყებაზე კი არა, მის დასრულებაზეა.

აგენტი, რომელიც ციკლს თავად ხურავს

ცვლილება, რომელსაც დეველოპერები აღწერენ, არქიტექტურულია. HasData-ის თანადამფუძნებელი სერგეი ერმაკოვიჩი ამბობს, რომ ტერმინალი „აღარ არის მხოლოდ ადგილი, სადაც დეველოპერი გენერირებულ კოდს აკრავს — ტერმინალი მოდელის სამუშაო სივრცის ნაწილი ხდება“. რადგან მოდელს ბრძანებების გაშვება, შეცდომების გაანალიზება, ფაილების შეცვლა და შედეგის გადამოწმება შეუძლია, ის ციკლს თავად ხურავს და დაუსრულებელ სამუშაოს ინჟინერს აღარ უბრუნებს. მისი თქმით, ამით პატარა, მაგრამ დასრულებული დავალებები ბევრად უფრო ღირებული ხდება: გაასწორე ერთი ჩავარდნილი ტესტი, გადაამოწმე და გადადი შემდეგზე.

მიგრაციები, აუდიტები და ფასი

Anthropic-ის მტკიცებით, Opus 5.5 განსაკუთრებით ძლიერია გრძელ, მასშტაბურ სამუშაოებში — მთელი კოდბაზის მიგრაციებსა და აუდიტებში. ერთ-ერთმა ადრეულმა ტესტერმა 200 000 სტრიქონიანი კოდბაზა სამ საათზე ნაკლებ დროში შეამოწმა და გაასწორა, მაშინ როცა Opus 5-ს 20 საათზე მეტი და 2,5-ჯერ მეტი ტოკენი დასჭირდა. შიდა ტესტში Opus 5.5-მა და Fable 5.1-მა HAProxy C-დან Rust-ზე გადაწერეს და რეგრესიული ტესტები გაიარეს; Opus 5.5-მა 12 საათის ნაცვლად 9,5 საათში დაასრულა. ფასია 4 დოლარი მილიონ შემავალ და 20 დოლარი მილიონ გამომავალ ტოკენზე — Opus 5-ზე 20%-ით ნაკლები, ქეშის წაკითხვა კი 60%-ით იაფია.

„დასრულებული“ არ ნიშნავს „სწორს“

The New Stack-თან საუბრისას პრაქტიკოსები შესაძლებლობებს დადებითად აფასებენ, თუმცა აფრთხილებენ, რომ ბოლო რგოლი ახლა გენერაცია კი არა, გადამოწმებაა. დამოუკიდებელი SRE და AI საიმედოობის არქიტექტორი აკაშ თაკური ამბობს, რომ ამ დონის მოდელები კარგად ყოფენ პროექტს დასრულებად ნაწილებად, მაგრამ „დასრულებული“ და „სწორი“ ერთი და იგივე არ არის: დასრულებულად მოჩვენებული დავალება ხშირად სწორედ ის არის, რაც გუნდს მოგვიანებით ძვირად დაუჯდება, ამიტომ მოგება ადამიანის ამოღება კი არა, მისი კოდის წერიდან გადამოწმებაზე გადაყვანაა. Abbyy-ის AI სტრატეგიის ვიცე-პრეზიდენტი მაქსიმ ვერმეირი ამბობს, რომ ავტოდასრულების ეპოქა დასრულდა და ახლა მოსალოდნელია, რომ მოდელმა მთელი Jira-ტიკეტი დახუროს.

გარანტიები და მოდელების მარშრუტიზაცია

Anthropic-ის თქმით, Opus 5.5 გამოშვებამდე შემოწმებულია გარე ორგანიზაციების, მათ შორის Frontier Design-ისა და METR-ის მიერ, და ყველაზე ძლიერი მოდელია მათ ყველაზე ყოვლისმომცველ შესაბამისობის ტესტში — გაუმჯობესებებით იმ ქცევებში, რომლებიც ბოლო კიბერუსაფრთხოების ინციდენტებს უკავშირდება. როცა დაცვის მექანიზმები ამოქმედდება, მოთხოვნები გამჭვირვალედ სხვა მოდელზე გადამისამართდება: კიბერუსაფრთხოების დავალებების უმეტესობა Opus 4.8-ზე გადადის, ბიოლოგიისა და ფრონტირული LLM-ების განვითარების მოთხოვნები კი Opus 5-ზე.