Mô hình mới của Anthropic ra mắt chỉ hai tháng sau bản tiền nhiệm, đạt điểm SWE-bench Verified 97%, cao nhất trong toàn bộ các hệ thống AI hiện có.
Anthropic vừa chính thức ra mắt Claude Opus 5 vào ngày 24/7, giữ nguyên mức giá 5 USD (khoảng 132.500 đồng) cho mỗi triệu token đầu vào và 25 USD (khoảng 662.500 đồng) cho mỗi triệu token đầu ra, bằng đúng giá của Opus 4.8. Điều khiến giới công nghệ chú ý là trên nhiều bài kiểm tra, Opus 5 vượt qua cả Fable 5, mô hình đắt gấp đôi và vẫn đang là sản phẩm cao cấp nhất của hãng.
Giao diện Claude.ai hiển thị Claude Opus 5 vừa được kích hoạt
Đây là lần ra mắt mô hình Opus nhanh thứ nhì trong lịch sử Anthropic, chỉ hai tháng sau khi Opus 4.8 trình làng ngày 28/5. Trước khi công bố chính thức, Opus 5 từng âm thầm xuất hiện dưới tên mã "Honeycomb" bên trong công cụ lập trình Cursor hồi đầu tháng 7 rồi bị gỡ chỉ sau vài giờ, khiến cộng đồng lập trình viên đồn đoán suốt hai tuần trước khi hãng công bố chính thức.
Trên bài kiểm tra SWE-bench Verified, thước đo phổ biến nhất để chấm điểm khả năng sửa lỗi phần mềm thực tế, Opus 5 đạt 97%, nhỉnh hơn GPT-5.6 Sol của OpenAI (96,2%) và chính Fable 5 (95%). Mô hình Kimi K3 của Trung Quốc, ra mắt cách đây không lâu, dừng ở 93,4%, còn Opus 4.8 chỉ đạt 88,6%. Trên bài kiểm tra ARC-AGI 3, chuyên đo khả năng giải vấn đề hoàn toàn mới chưa từng gặp, Opus 5 đạt điểm cao gấp ba lần mô hình đứng thứ nhì, trong khi Opus 4.8 gần như không ghi được điểm nào ở bài kiểm tra này.
Bảng so sánh điểm hiệu năng giữa Claude Opus 5, GPT-5.6 Sol, Claude Fable 5 và các đối thủ
Trên CursorBench, bài kiểm tra lập trình do chính Cursor xây dựng, Opus 5 đạt điểm chỉ kém đỉnh của Fable 5 chưa tới 0,5%, nhưng với chi phí bằng một nửa. Đồng sáng lập Cursor, Sualeh Asif, nhận xét Opus 5 mang lại trí tuệ gần bằng Fable 5 nhưng với tốc độ và giá của dòng Opus. Trên AutomationBench của Zapier, bài kiểm tra đo khả năng hoàn thành trọn vẹn một quy trình công việc doanh nghiệp, Opus 5 đạt tỷ lệ hoàn thành cao gấp khoảng 1,5 lần mô hình gần nhất với cùng mức chi phí. Giám đốc điều hành Zapier, Wade Foster, cho biết các mô hình trước đó đều không vượt qua được bài kiểm tra này, còn Opus 5 đạt tỷ lệ hoàn thành 100%.
Anthropic không giấu việc Fable 5 vẫn giữ lợi thế ở các tác vụ đòi hỏi làm việc liên tục trong thời gian dài và ở lĩnh vực bảo mật mạng. Theo công bố của hãng, Opus 5 có khả năng phát hiện lỗ hổng bảo mật gần ngang với Mythos 5, phiên bản nội bộ dành riêng cho các tổ chức được cấp phép, nhưng kém xa ở khâu biến lỗ hổng thành mã khai thác thực tế. Anthropic cho biết đây là giới hạn có chủ đích, không phải thiếu sót kỹ thuật, vì hãng chủ động không huấn luyện Opus 5 cho các tác vụ tấn công mạng.
Không phải mọi phản hồi đều tích cực tuyệt đối. Trong tập podcast đánh giá công nghệ How I AI, người dẫn chương trình Claire Vo mô tả Opus 5 là mô hình "thông minh nhưng phiền", với tính cách bà gọi là "neurotic" khi thử nghiệm thực tế, trong đó có một lần mô hình từ chối xử lý một xung đột merge trong lúc lập trình. Bà cũng nhắc tới vấn đề trả lời dài dòng, thứ mà cộng đồng lập trình viên gọi vui là "Claude Slop", cho rằng đây là điểm khiến trải nghiệm hằng ngày kém dễ chịu hơn so với những gì bảng điểm benchmark thể hiện.
Ở phía doanh nghiệp, phản hồi lại nghiêng về hiệu quả sử dụng token hơn là sức mạnh thô. Trưởng bộ phận nghiên cứu ứng dụng tại Harvey, công ty AI pháp lý, Niko Grupen, cho biết Opus 5 đạt hiệu năng tương đương chế độ suy luận tối đa của Opus 4.8 nhưng sinh ra ít hơn 26% token. Đại diện Fundamental Research Lab, Richard Pham, nói trên các tác vụ mô hình hóa tài chính khó, Opus 5 đạt độ chính xác cao hơn trung bình 9 điểm phần trăm, dùng ít hơn khoảng một phần ba số lượt thao tác và ít hơn 60% thời gian xử lý.
Claude Opus 5 hiện đã có sẵn trên mọi nền tảng của Anthropic, gồm Claude.ai, Claude API, Claude Code và Claude Cowork. Mô hình này trở thành lựa chọn mặc định mới trên gói Claude Max và là mô hình mạnh nhất trong gói Claude Pro. Người dùng cũng có thể bật chế độ Fast, chạy nhanh gấp khoảng 2,5 lần so với mặc định, với giá gấp đôi mức giá gốc.
