Claude Opus 5: ta sama cena co 4.8, inna klasa modelu (i jeden breaking change)

Anthropic wypuściło Claude Opus 5 24 lipca 2026 i najciekawsza liczba w tej premierze to ta, która się nie zmieniła: $5 / $25 za milion tokenów, dokładnie tyle co Opus 4.8.

To zmienia rozmowę. Przy Fable 5 dyskusja brzmiała “czy warto dopłacić dwukrotnie za output”. Przy Opusie 5 nie ma czego dopłacać. Jeśli dziś jedziesz na 4.8, migracja to podmiana jednego stringa i przeczytanie dwóch akapitów o zmianach zachowania. Reszta wpisu to właśnie te dwa akapity, bo jeden z nich potrafi zwrócić 400 na produkcji.

Podstawowe fakty

Parametr	Wartość
Model ID	`claude-opus-5`
Kontekst	1M tokenów (maksimum jest też domyślne, nie ma mniejszego wariantu)
Maks. output	128K tokenów
Cena	$5 / $25 za 1M tokenów (input / output)
Fast mode	$10 / $50, research preview, tylko Claude API
Myślenie	włączone domyślnie

Dostępność: Claude API dla wszystkich, Amazon Bedrock jako anthropic.claude-opus-5, Google Cloud jako claude-opus-5, Microsoft Foundry. W aplikacjach Claude to teraz domyślny model na planie Max i najmocniejsza opcja na Pro. Opus 4.8 zostaje dostępny wszędzie tam, gdzie był.

Dla kontekstu cenowego: Fable 5 to $10 / $50, GPT-5.6 Sol to $5 / $30 (a powyżej 272K wejścia realnie $10 / $45). Opus 5 jest najtańszym modelem w tej trójce i jedynym bez dopłaty za długi kontekst.

Myślenie jest teraz domyślnie włączone

Na Opusie 4.8 żądanie bez pola thinking szło bez myślenia. Na Opusie 5 to samo żądanie idzie z myśleniem - model sam decyduje, kiedy i ile myśleć. Zapis thinking: {"type": "adaptive"} dalej działa i jest równoważny domyślnemu zachowaniu.

Konsekwencja, którą trzeba obsłużyć, jest arytmetyczna: max_tokens to twardy limit na całe wyjście, czyli myślenie plus odpowiedź. Kod, który na 4.8 działał bez myślenia z ciasnym max_tokens, na Opusie 5 zacznie się ucinać w środku. Nie wywali błędem, po prostu odda niepełną odpowiedź. To jest ten rodzaj regresji, który przechodzi przez testy i wychodzi u użytkownika.

Breaking change: wyłączenie myślenia z wysokim effortem zwraca 400

Ta jedna rzecz może rozłożyć wdrożenie i jest łatwa do przeoczenia, bo dotyczy kombinacji dwóch parametrów, a nie jednego.

thinking: {"type": "disabled"} jest akceptowane tylko przy efforcie high lub niższym. Przy xhigh albo max dostajesz 400.

Na Opusie 4.8 te dwie rzeczy były niezależne. Jeśli masz w kodzie wyłączone myślenie i podkręcony effort, po podmianie model ID przestanie działać. Wyjścia są dwa: albo zostaw myślenie wyłączone i zejdź z effortem do high, albo zostaw effort i usuń pole thinking.

Anthropic dorzuca do tego uczciwe zastrzeżenie: z wyłączonym myśleniem Opus 5 potrafi wpisać wywołanie narzędzia do tekstu odpowiedzi zamiast wyemitować blok tool_use, albo wypuścić wewnętrzne tagi XML do widocznej treści. Jeśli parsujesz odpowiedzi sztywno, to jest gotowy incydent. Domyślnie: zostaw myślenie włączone, a koszt kontroluj effortem, nie wyłącznikiem.

Effort ma teraz większe znaczenie niż kiedykolwiek

Drabina jest pełna: low, medium, high, xhigh, max. Domyślny jest high.

Nowość nie polega na tym, że poziomy istnieją, tylko na tym, że Opus 5 konwertuje dodatkowy effort na lepszy wynik bardziej niezawodnie niż którykolwiek wcześniejszy Opus. Wcześniej podbicie effortu często kosztowało tokeny bez widocznego zysku. Tu ta dźwignia realnie działa, co znaczy, że warto ją zmierzyć w obie strony.

Praktyczne podejście: zacznij od domyślnego high i sprawdź na własnych evalach, czy zejście na medium psuje jakość. Anthropic sam podkreśla, że low i medium dają mocną jakość przy ułamku tokenów i latencji. Na wielu zadaniach zejście o szczebel to darmowe 30-40% oszczędności.

W drugą stronę jedna uwaga techniczna: przy xhigh i max ustaw duży max_tokens. Model potrzebuje miejsca na myślenie, wywołania narzędzi i pracę subagentów w jednej turze. Domyślne kilka tysięcy tokenów utnie go w połowie planu.

Co nowego w API

Cztery zmiany, z których dwie realnie zmieniają rachunek za sesje agentowe.

Zmiana narzędzi w trakcie rozmowy (beta). Możesz dodawać i usuwać narzędzia między turami bez unieważniania cache promptu. Nagłówek: mid-conversation-tool-changes-2026-07-01. Do tej pory każda zmiana listy narzędzi kasowała cache i cała historia szła do przeliczenia od nowa - dlatego wszyscy wysyłali jedną, wielką, statyczną listę narzędzi przez całą sesję. Teraz opłaca się podawać modelowi tylko te narzędzia, które są potrzebne na danym etapie, co jednocześnie zmniejsza szum w kontekście i nie kosztuje cache’a.

Minimalna długość cache’owanego promptu spadła do 512 tokenów z 1024 na Opusie 4.8. Prompty, które wcześniej były za krótkie, żeby w ogóle trafić do cache, zaczną się cache’ować bez żadnej zmiany w kodzie.

Tryb default w parametrze fallbacks. Zamiast utrzymywać własną listę modeli zapasowych, możesz włączyć rekomendacje Anthropic per kategoria odmowy. Nagłówek server-side-fallback-2026-07-01. Ma to sens głównie tam, gdzie klasyfikatory bezpieczeństwa łapią sąsiednią, legalną robotę - opisywałem ten mechanizm szerzej przy Fable 5.

Fast mode (research preview, tylko Claude API, nie ma go na Bedrocku, Vertexie ani w Foundry): około 2.5x szybsze wyjście za $10 / $50. Czyli płacisz cenę Fable 5 za prędkość, nie za inteligencję. Sensowne w interaktywnym UI, bez sensu w batchu.

Zmiany zachowania, których nie widać w changelogu

To jest część, którą przy migracji ludzie odkrywają sami, zwykle po tygodniu.

Opus 5 domyślnie:

pisze dłuższe odpowiedzi i dłuższe deliverable,
częściej narracyjnie raportuje postęp w sesjach agentowych,
chętniej deleguje do subagentów w frameworkach wieloagentowych,
sam weryfikuje swoją pracę, bez proszenia.

Ten ostatni punkt ma konkretną konsekwencję operacyjną i Anthropic mówi to wprost: usuń z promptów instrukcje weryfikacyjne przeniesione ze starszych modeli. Zdania typu “dodaj końcowy krok weryfikacji” albo “użyj subagenta do sprawdzenia” powodują na Opusie 5 nadmierną weryfikację. Model robi to sam, a Twoja instrukcja każe mu zrobić to drugi raz. Płacisz za to tokenami i czasem.

To dobra okazja na przegląd całej biblioteki promptów. Instrukcje pisane pod modele, które trzeba było pilnować, na modelu, który sam się pilnuje, działają jak podwójne hamowanie.

Benchmarki

Anthropic pozycjonuje Opusa 5 jako model, który zbliża się do Fable 5 przy połowie ceny, i liczby to w większości potwierdzają.

Kodowanie i inżynieria:

Frontier-Bench v0.1: 43.3% wobec 33.7% dla Fable 5. Względem Opusa 4.8 to podwojenie wyniku, przy niższym koszcie.
CursorBench 3.2: w granicach 0.5% od najlepszego wyniku Fable 5, za połowę ceny.
AA Coding Agent Index: najlepsza efektywność kosztowa spośród porównywanych modeli.

Praca agentowa:

OSWorld 2.0: 70.57%, powyżej najlepszego wyniku Fable 5 przy jednej trzeciej kosztu.
Zapier AutomationBench: 26.0%, około 1.5x wskaźnika zaliczeń następnego modelu, ze 100% na workflow account-health.
ARC-AGI-3: 30.16%, trzykrotność następnego najlepszego wyniku.

Nauka:

chemia organiczna: +10.2 punktu procentowego względem Opusa 4.8,
analiza białek: +7.7 punktu procentowego.

Dla porządku warto zestawić jedną liczbę z konkurencją: na ARC-AGI-3 Opus 5 ma 30.16%, a GPT-5.6 Sol 7.8%. Za to na Agents’ Last Exam to Sol prowadzi z wynikiem 53.6, wyprzedzając Fable 5. Innymi słowy: obie firmy wybierają benchmarki, na których wygrywają, i obie mają rację. Twój ranking i tak będzie inny, bo zależy od tego, co robisz.

Bezpieczeństwo i to, czego Opus 5 celowo nie potrafi

Trzy rzeczy warte odnotowania, bo mają wpływ na to, komu ten model się przyda.

Alignment. W automatycznym audycie behawioralnym Opus 5 dostał 2.3 - najniższy poziom zachowań niezgodnych spośród ostatnich modeli, lepiej niż Opus 4.8, Sonnet 5 i Fable 5.

Cyberbezpieczeństwo. Model jest lepszy w znajdowaniu podatności, ale pozostaje istotnie z tyłu za Mythos 5 w ich eksploatacji - i to jest decyzja projektowa, nie brak umiejętności. Anthropic świadomie nie trenował go na technikach eksploitacji.

Praktyczny efekt dla pracy defensywnej jest za to bardzo konkretny: klasyfikatory bezpieczeństwa interweniują około 85% rzadziej niż przy Fable 5. Jeśli odbiłeś się od Fable 5 przy legalnej robocie z security, bo co drugie żądanie kończyło się odmową, Opus 5 jest tu wyraźnie mniej upierdliwy. Nadal blokowane są skanowanie oparte o binaria, testy penetracyjne i generowanie exploitów, a dla firm i badaczy jest program Cyber Verification z mniej restrykcyjną wersją.

Biologia. Bez postępu w ryzykach dual-use, z blokadą długich autonomicznych zadań badawczych.

Co mówi społeczność

Wątek na Hacker News po premierze ma jeden dominujący motyw: to nie benchmarki robią wrażenie, tylko inicjatywa.

Najczęściej cytowany przykład jest z materiałów Anthropic, ale w komentarzach wraca jako “ok, tego się nie spodziewałem”: Opus 5 dostał rysunek techniczny części maszynowej bez możliwości bezpośredniego jej obejrzenia, więc napisał sobie własny pipeline computer vision, żeby wyciągnąć geometrię z surowych pikseli, i na tej podstawie odtworzył model 3D w FreeCAD. Nikt go o to nie prosił. To jest dokładnie ta zmiana zachowania, o której mówi dokumentacja: model buduje sobie narzędzie, gdy brakuje mu drogi do celu.

Z raportów użytkowników w tym samym wątku:

“small change in comparison, but today Fable created and benchmarked an RTree which was 100x faster to populate and 5x faster to query” - willtemperley

Zarzut, który wraca najczęściej, jest lustrzanym odbiciem pochwały:

“This reads as a model hyper-trained to burn tokens” - uludag

I to nie jest złośliwość bez pokrycia. Model, który sam się weryfikuje, sam deleguje do subagentów i pisze dłuższe odpowiedzi, z definicji zużywa więcej tokenów na to samo zadanie. Przy $5 / $25 zwykle i tak wychodzi taniej niż alternatywa, ale rachunek za pojedynczą sesję potrafi zaskoczyć. Dlatego najbardziej praktyczna rada z tego wpisu to nie “włącz max”, tylko “zmierz medium”.

Migracja z Opusa 4.8: lista kontrolna

Podmień model ID na claude-opus-5.
Sprawdź, czy gdziekolwiek masz thinking: {"type": "disabled"} razem z effortem xhigh albo max. Jeśli tak, to jest Twoje 400.
Podnieś max_tokens wszędzie tam, gdzie wcześniej jechałeś bez myślenia. Myślenie liczy się do tego samego limitu.
Usuń z promptów instrukcje typu “dodaj krok weryfikacji” i “użyj subagenta do sprawdzenia”.
Zmierz medium obok domyślnego high. Na dużej części zadań różnicy nie zobaczysz, a rachunek spadnie.
Jeśli budujesz agenta z dużą liczbą narzędzi, rozważ beta z dynamiczną listą narzędzi zamiast jednej statycznej.

Kiedy Opus 5, a kiedy coś innego

Opus 5 - domyślny wybór na górnej półce. Agentowe kodowanie, długie zadania, review, praca na dużym kontekście, praca defensywna w security. Przy tej cenie trudno uzasadnić zostanie na 4.8.
Fable 5 - tylko tam, gdzie realnie widzisz różnicę na swoich zadaniach, głównie na warstwie wizualnej i najtrudniejszym rozumowaniu. Płacisz dwa razy więcej za output, więc różnica musi być mierzalna, a nie odczuwalna.
Sonnet 5 - masowy ruch, ekstrakcja, klasyfikacja, wszystko, gdzie liczy się przepustowość. Opisywałem go osobno.
GPT-5.6 Sol - jeśli już jesteś w ekosystemie Codeksa. Na papierze podobna klasa, ale z dopłatą za długi kontekst i raportem METR o reward hackingu, który warto przeczytać przed wpuszczeniem agenta do CI.

Najkrótsze podsumowanie tej premiery: Anthropic nie podniosło ceny, tylko przesunęło, co dostajesz za te same pieniądze. Dla zespołów, które już mają Opusa w budżecie, to najtańsza aktualizacja od dawna - pod warunkiem, że przeczytają dwa akapity o thinking i effort, zanim wdrożą to w piątek po południu.

EfektywnyDev pisze o AI w praktyce - o tym, co się psuje po podmianie model ID, a nie tylko o tym, co pokazano na premierze.