Anthropic wypuścił Claude Opus 5 24 lipca 2026 roku, dwa miesiące po Opus 4.8. Teza, którą większość wyniosła z premiery, brzmi: inteligencja z najwyższej półki kosztuje teraz o połowę mniej. W jednym konkretnym sensie to prawda, w innym wprowadza w błąd, a pomylenie tych dwóch znaczeń kosztuje mniej więcej sto procent budżetu.

Oto co faktycznie się pojawiło, co mówią liczby i co powinna z tym zrobić mała firma.

Co dokładnie wypuścił Anthropic

Opus 5 kosztuje 5 dolarów za milion tokenów wejściowych i 25 dolarów za milion wyjściowych. Model ma okno kontekstu o wielkości 1 mln tokenów, będące jednocześnie wartością domyślną i maksymalną, oraz do 128 tys. tokenów na wyjściu. Zgodnie z dokumentacją Anthropic myślenie jest teraz włączone domyślnie: model sam decyduje, kiedy i jak głęboko rozumować, a parametr effort z wartościami low, medium, high, xhigh i max steruje tą głębokością.

Model jest dostępny przez Claude API, Amazon Bedrock, Google Cloud i Microsoft Foundry. W produktach konsumenckich stał się modelem domyślnym w Claude Max i najmocniejszym z dostępnych w Claude Pro. Opus 4.8 pozostaje tam, gdzie był.

Dwie mniej widoczne zmiany ważą więcej, niż się wydaje. Minimalna długość promptu, który można buforować, spadła z 1024 do 512 tokenów, więc krótkie zapytania, których wcześniej nie dało się zapisać w pamięci podręcznej, teraz się buforują bez żadnej zmiany w kodzie. Z kolei przetwarzanie wsadowe (batch) obniża obie stawki o połowę, do 2,50 i 12,50 dolara za milion tokenów, dla zadań, które mogą poczekać.

Historia z ceną bywa źle odczytywana

To moment, przy którym warto się zatrzymać.

Opus 5 kosztuje 5 dolarów za milion tokenów wejściowych. Opus 4.8 kosztował tyle samo. Dokumentacja Anthropic wprost podaje, że cena nie zmieniła się względem poprzedniego modelu Opus. Ta premiera nie sprawiła, że linia Opus stała się tańsza niż w maju.

Sformułowanie o połowie ceny to porównanie z innym modelem. Claude Fable 5, który ukazał się w czerwcu, kosztuje 10 dolarów za milion tokenów wejściowych i 50 dolarów za milion wyjściowych. Opus 5 daje więc możliwości zbliżone do Fable za połowę stawki Fable. To realna i istotna deklaracja. Nie jest to jednak obniżka i jeśli w budżecie założono, że dotychczasowe wydatki na Opus zaraz spadną o połowę, tak się nie stanie.

Wersja praktyczna: rachunek spadnie tylko wtedy, gdy wcześniej płacono stawki Fable za pracę, którą teraz udźwignie Opus 5, albo gdy zacznie się korzystać z przetwarzania wsadowego i niższych poziomów effort. Oszczędności nie leżą w podawanej liczbie.

Co mówią benchmarki, a czego nie

Wyniki są mocne. W OSWorld 2.0, teście obsługi komputera, Opus 5 uzyskał 70,6%. W Frontier-Bench 43,3%, ponad dwa razy więcej niż Opus 4.8. W ARC-AGI 3, teście nastawionym na nowe rozumowanie zamiast wyuczonych wzorców, model przeszedł z 1,5% do 30,2%.

To właśnie skok w ARC-AGI zasługuje na uwagę, bo mierzy to, czego benchmarki zwykle zmierzyć nie potrafią: radzenie sobie z zadaniami, których model faktycznie nie widział. Dwudziestokrotny wzrost na tej osi mówi więcej niż kolejny punkt czy dwa w rankingu programistycznym.

Dwa zastrzeżenia, które dotyczą każdej premiery u każdego dostawcy. Liczby na starcie pochodzą od firmy wypuszczającej model albo z wczesnych niezależnych testów, w warunkach dobranych przez tych, którzy je uruchamiali. Wynik w benchmarku nie jest też obietnicą dotyczącą waszego zadania. Model prowadzący w teście programowania agentowego niekoniecznie napisze lepsze opisy produktów do waszego sklepu. Jedyna liczba, która ma znaczenie dla firmy, to ta zmierzona na własnych zadaniach.

Co zmienia się dla małej firmy

Dla większości małych i średnich firm nic nie wymaga działania w tym tygodniu. Modele w używanych narzędziach stały się lepsze, a cena tych narzędzi się nie zmieniła. Dla typowego użytkownika na tym historia się kończy.

Zmienia się tam, gdzie wcześniej zatrzymywała was cena. Trzy konkretne przypadki:

Praca z długimi dokumentami. Kontekst 1 mln tokenów oznacza, że cały pakiet umów, pełny eksport strony albo rok zgłoszeń do wsparcia można podać w jednym zapytaniu, zamiast ciąć na kawałki i zszywać z powrotem. To właśnie przy tym cięciu jakość po cichu uciekała.

Kontrola kosztów stała się pokrętłem, a nie zgadywaniem. Parametr effort pozwala wydawać mniej tokenów na rutynę, a więcej na trudne przypadki w obrębie jednego modelu. Razem z przetwarzaniem wsadowym za połowę ceny dla wszystkiego, co może poczekać, to mocniejsza dźwignia dla miesięcznego rachunku niż jakakolwiek podawana stawka.

Zadania wymagające weryfikacji. Anthropic zaznacza, że model sam sprawdza swoją pracę bez osobnego polecenia, do tego stopnia, że stare prompty w rodzaju dodaj krok weryfikacji prowadzą do nadmiernego sprawdzania. Jeśli macie prompty przeniesione z wcześniejszych modeli, mogą teraz działać przeciwko wam.

Nic z tego nie wymaga osobnego projektu migracji. Wystarczy, żeby ktoś sprawdził, za co już płacicie i czy ustawienia nadal pasują do modelu.

Dlaczego to dotyczy tego, jak was znajdują

Jest jeszcze jeden efekt, niemający nic wspólnego z rachunkiem za API.

Za każdym razem, gdy najlepsze możliwości tanieją względem tego, co zastępują, większa ich część trafia do produktów konsumenckich: asystentów, którzy sami szukają, streszczają i odpowiadają, zamiast podać listę linków. Ten trend nie zależy od pojedynczej premiery. Trwa od dwóch lat, a każda taka premiera popycha go dalej.

Konsekwencja dla firmy jest zwyczajna i niezmienna. Coraz większa część osób wyrabiających sobie o was opinię zrobi to przez wygenerowaną maszynowo odpowiedź, której nigdy nie prześledzi aż do waszej strony. To, czy wasza firma się w niej pojawi i czy to, co zostanie powiedziane, będzie trafne, nie jest sterowane reklamą. Zależy od tego, czy fakty o was są jasne, spójne i dostępne tam, gdzie te systemy naprawdę czytają.

To wolniejszy problem niż premiera modelu i znacznie trwalszy. Ceny z tej premiery zdezaktualizują się w ciągu kwartału. Pytanie, czy asystent poprawnie opisuje waszą firmę, nie.