۶۶.۴ درصد. این نمره‌ی Claude Opus 5.5 تو Terminal-Bench 4.0 هست — بنچمارکی که کار واقعی تو ترمینال رو میسنجه. Opus 5 تو همین تست ۵۲.۳ گرفته بود 🤖

Anthropic امروز (۳۱ شهریور) Opus 5.5 رو منتشر کرد. صفحه‌ی رسمیش رو خوندیم؛ این مقایسه‌ش با Opus 5 هست:

💰 قیمت
Opus 5: ورودی ۵ دلار، خروجی ۲۵ دلار (هر یک میلیون توکن)
Opus 5.5: ورودی ۴، خروجی ۲۰. یعنی ۲۰٪ ارزون‌تر. خود Anthropic میگه تو کارهای معمول تا ۴۰٪ کم‌هزینه‌تر درمیاد.

💻 کد و ایجنت
Terminal-Bench 4.0: از ۵۲.۳ رسیده به ۶۶.۴. حتی از Fable 5.1 (۵۵.۸) هم جلو زده، که یه رده بالاتره.
OSWorld 2.0، یعنی کار با کامپیوتر مثل آدم (کلیک، تایپ، جابه‌جایی بین برنامه‌ها): ۸۱.۸٪.

🔒 امنیت
مقاومتش در برابر prompt injection بیشتر شده؛ همون متن‌های مخفی تو صفحه‌ها که میخوان ایجنت رو گول بزنن.
یه نکته‌ی عجیب هم داره: درخواست‌های حساس امنیت سایبری به‌جای خودش میره سمت Opus 4.8. یعنی یه جاهایی شاید فکر کنی داری با 5.5 حرف میزنی، ولی جواب از مدل قدیمی‌تر میاد.

💡 نوشتن
نوشته‌هاش هم عوض شده: مهم‌ترین حرف رو اول میزنه، بعد میره سراغ جزئیات.

در دسترسه روی خود Claude، API، و AWS و Google Cloud و Azure.

راستش هنوز نمیدونیم این جهش تو کار روزمره هم همین‌قدره یا فقط رو چارت خوشگله. چند هفته باید باهاش کار کرد تا معلوم شه.

#Opus_5_5 #Claude #هوش_مصنوعی
@techno_clan