Claude Opus 5.5: Mẫu chủ lực mới của Anthropic rẻ hơn, nhanh hơn

Anthropic vừa ra mắt Claude Opus 5.5, với câu chuyện xoay quanh kinh tế và an toàn. Chi phí vận hành mô hình giảm 40% so với Opus 5 (vốn ra mắt với cùng mức giá như các phiên bản tiền nhiệm Opus 4.6, 4.7, và 4.8), tạo đầu ra nhanh hơn hơn 30%, và đạt điểm cao nhất Anthropic từng đo được trên bộ kiểm tra căn chỉnh nội bộ. Về hiệu năng, nó tiệm cận Claude Fable 5.1 trên hầu hết tác vụ, nhưng với chi phí chỉ bằng một phần nhỏ.

Chúng tôi đã dự đoán có bản phát hành trong tuần này và theo dõi tin tức sát sao. Đây là lần phát hành đầu tiên kể từ khi CEO Anthropic, Dario Amodei, công khai kêu gọi "kiềm nhịp biên giới" (pace the frontier), ý nói giữ cho công việc an toàn đi trước các bước tiến về năng lực thay vì chạy đua tung ra mô hình mạnh nhất có thể. Thoạt nhìn, việc phát hành mô hình mới một tuần sau lời kêu gọi làm chậm AI có thể trông mâu thuẫn, đạo đức giả, hoặc thiếu nhất quán. Nhưng có lẽ không hẳn như vậy. Opus 5.5 không nói về trí tuệ thô. Nó nói về hiệu năng tương đương nhưng rẻ hơn và căn chỉnh chặt chẽ hơn.

Chỉ vài giờ sau, OpenAI đáp trả bằng các mẫu Sol và Luna mới. Đọc thêm trong hướng dẫn GPT-6 Sol và Luna và so sánh thực tế giữa GPT-6 Sol và Claude Opus 5.5 của chúng tôi.

Claude Opus 5.5 là gì?

Claude Opus 5.5 là bản phát hành đầu tiên trong thế hệ "5.5" mới của Anthropic. Nó hiện đứng đầu danh mục mô hình của Anthropic. Các phiên bản Sonnet và Haiku dự kiến sẽ theo sau trong vài ngày hoặc vài tuần tới. 

Opus 5.5 được xây dựng cho cùng loại công việc đòi hỏi cao mà các mẫu Opus vốn hướng tới: các phiên chạy mã mang tính tác nhân kéo dài, nghiên cứu và phân tích phức tạp, và các quy trình nhiều bước cần duy trì ổn định trong nhiều giờ mà không chệch hướng.

Điểm khác biệt lần này: Opus 5.5 là phiên bản gọn nhẹ, hiệu quả hơn của những gì Opus 5 đã làm được, tức là thực hiện công việc tương đương với ít token hơn cho mỗi tác vụ, đây chính là nguồn gốc của phần lớn lợi ích về chi phí và tốc độ.

Có gì mới ở Claude Opus 5.5?

Hãy bắt đầu với chi phí vì đây mới là điểm đáng chú ý nhất.

Giảm giá đáng kể và nhanh hơn

Đọc bộ nhớ đệm (cache reads) — mà Anthropic cho biết chiếm phần lớn chi phí tác nhân và mã — giảm 60%, từ $0,50 xuống $0,20 mỗi triệu token. Token đầu vào và đầu ra cũng giảm 20%, và mô hình tạo đầu ra nhanh hơn hơn 30% so với Opus 5. Cũng trong lần phát hành này nhưng ít được nhấn mạnh hơn: Anthropic đang nới lỏng giới hạn sử dụng năm giờ cho các gói Pro, Max và Team, đồng thời cung cấp cho người đăng ký một lần đặt lại giới hạn tốc độ có thể tích lũy để dùng sau.

Hiệu năng thể hiện rõ nhất trên các công việc dài, lộn xộn

Anthropic cho biết các cải thiện lớn nhất xuất hiện trên các tác vụ thực tế, quy mô lớn thay vì các bài kiểm tra ngắn. Một người thử nghiệm sớm được cho là đã hoàn tất di trú 680.000 dòng mã trong chưa đầy một ngày — công việc mà nếu không sẽ mất hàng tuần của một nhóm kỹ sư.

Trong một thử nghiệm nội bộ yêu cầu Opus 5.5 cắt giảm thời gian tải trên mọi trang của một ứng dụng web, mô hình thành công 39 trên 40 lần, cho thấy tính nhất quán cũng rất cao.

Giao tiếp tốt hơn

Anthropic nhấn mạnh phong cách viết như một cách khắc phục một trong những phàn nàn phổ biến nhất về Opus 5: dài dòng và nhiều biệt ngữ. Opus 5.5 được mô tả là bắt đầu bằng thông tin quan trọng nhất, ít dùng cách diễn đạt mang tính cá nhân, và bám sát phong cách biên tập được yêu cầu. Bản phát hành có ví dụ giải thích lỗi đặt cạnh nhau, và phiên bản Opus 5.5 ngắn gọn hơn thấy rõ và đưa nguyên nhân gốc lên trước thay vì dẫn dắt dài dòng.

Kết quả điểm chuẩn của Claude Opus 5.5

Dưới đây là cách Opus 5.5 so với Fable 5.1, Opus 5, và các đối thủ, theo công bố của chính Anthropic.

Một vài điểm nổi bật. Opus 5.5 vượt Fable 5.1 trên mọi bài kiểm tra ở đây, điều này đáng chú ý vì Anthropic đã quảng bá 5.5 là "hiệu năng cấp Fable, rẻ hơn" thay vì nâng cấp trực tiếp. Tôi nghĩ Anthropic không nhấn mạnh việc này vì họ muốn bảo vệ cấu trúc phân hạng. Ý tôi là: Anthropic bán Fable với giá cao như đỉnh của dòng sản phẩm. Nếu Opus 5.5 được biết đến nhiều là đánh bại Fable — thì đó là câu hỏi khó cho bất kỳ ai đang trả giá Fable.

Riêng về lập trình tác nhân, khoảng cách so với Opus 5 là lớn trên cả ba bộ điểm chuẩn. Mức tăng ở CursorBench là cải thiện lớn nhất trên một bài kiểm tra đơn lẻ trong bảng.

Các ngoại lệ cũng đáng để lưu ý. GPT-6 Astra nhỉnh hơn Opus 5.5 ở cả AutomationBench (quy trình kinh doanh) và Terminal-Bench-Science (nghiên cứu khoa học tác nhân), và ở bài thứ hai là với cách biệt khá rõ. Vậy có thể nói Opus 5.5 vẫn thua kém ở một số tác vụ quy trình thực tế và nghiên cứu khoa học.

Còn chuyện "kiềm nhịp biên giới" thì sao?

Bề ngoài đúng là trông kỳ lạ lúc đầu. Vài ngày sau khi Amodei kêu gọi làm chậm tiến trình AI, Anthropic lại tung mẫu chủ lực mới. 

Một cách nhìn hoài nghi là "kiềm nhịp biên giới" chưa bao giờ thực sự vì an toàn. Dễ kêu gọi ngành chậm lại hơn khi bạn đang dẫn đầu, và xét theo doanh thu, Anthropic đang dẫn đầu.  

Nhưng theo một diễn giải khác, "kiềm nhịp biên giới" có thể chưa bao giờ là lập luận chống phát hành mô hình, mà là lập luận về loại mô hình bạn sẽ phát hành. Theo cách hiểu đó, Opus 5.5 phù hợp với thông điệp.

Anthropic nói Opus 5.5 hoạt động xấp xỉ mức của Fable 5.1, một mô hình vốn đã tồn tại. Trần năng lực không tăng. Điều thay đổi là cùng cấp độ công việc giờ rẻ hơn 40% và chạy nhanh hơn hơn 30%. Nó cũng có điểm căn chỉnh nội bộ tốt hơn.

Giá của Claude Opus 5.5

Chế độ Nhanh — chạy đến 2,5x tốc độ — khả dụng trong Claude Code và Claude Platform với giá $8 mỗi triệu token đầu vào và $40 mỗi triệu token đầu ra.

Tôi đã tạo một biểu đồ để chúng ta thấy giá Claude Opus theo thời gian. Chi phí đã giảm dần theo thời gian. 

Những gì chúng ta biết về cách các biện pháp bảo vệ mới hoạt động

Dưới đây là những gì chúng tôi biết từ ghi chú phát hành:

Opus 5.5 nhận cùng lớp biện pháp bảo vệ mà Anthropic áp dụng cho Fable 5.1 ở ba lĩnh vực được gắn cờ: an ninh mạng, sinh học và chưng cất (distillation).

Anthropic không nêu chi tiết cơ chế phát hiện, nhưng kết quả là một bước sàng lọc chạy trên yêu cầu đến: nếu có gì đó trong prompt bị gắn cờ thuộc một trong ba danh mục đó, thay vì gửi yêu cầu tới Opus 5.5, nó sẽ được chuyển hướng trước khi trả lời. Ví dụ, prompt bị gắn cờ an ninh mạng sẽ hạ xuống Opus 4.8 cũ hơn, trong khi prompt liên quan sinh học sẽ được nâng lên Opus 5. Vậy biện pháp bảo vệ không phải là bộ lọc trên đầu ra — đó là quyết định định tuyến được đưa ra trước khi bắt đầu sinh, và mô hình tiếp nhận yêu cầu phụ thuộc vào danh mục đã kích hoạt cờ.

Anthropic cũng nhờ các tổ chức bên ngoài là METR và Frontier Design đánh giá mô hình trước khi phát hành (chi tiết về các tổ chức này ở phần Câu hỏi thường gặp), mang lại sự kiểm chứng độc lập cho các tuyên bố về an toàn thay vì chỉ lời của Anthropic.

Khả dụng của Claude Opus 5.5

Claude Opus 5.5 hiện đã hoạt động trên các nền tảng của Anthropic cũng như Amazon Web Services, Google Cloud và Microsoft Azure. Nhà phát triển trên Claude Platform có thể truy cập trực tiếp với chuỗi mô hình claude-opus-5-5.

Kết luận

Claude Opus 5.5 là một chiến thắng cho người dùng. Nó rẻ hơn, nhanh hơn và an toàn hơn người tiền nhiệm.

Góc độ an toàn mới là câu chuyện thú vị hơn về dài hạn. Ngay sau những bài phát biểu "kiềm nhịp biên giới" của Amodei, bề ngoài có thể đã xấu — một mẫu chủ lực mới chỉ một tuần sau lời kêu gọi công khai làm chậm lại. Nhưng lần phát hành này, dù chủ ý hay không, đã khéo léo cân bằng: không nâng trần năng lực, và Opus 5.5 đi kèm cùng lớp biện pháp bảo vệ vốn dành cho Fable, cùng tỷ lệ thấp hơn có ý nghĩa về nỗ lực thoát khỏi sandbox trong thử nghiệm. Tôi không rõ đó có phải là "kiềm nhịp biên giới" trên thực tế hay chỉ là thời điểm tốt. Nhưng tối thiểu nó cũng nhất quán với lập luận mà Amodei đưa ra.