Компания Anthropic анонсировала выпуск своей новой крупной языковой модели — Claude Opus 5. Эта модель демонстрирует значительные улучшения в возможностях и превосходит модель Claude Fable 5 по ряду измеряемых показателей.
Возможности и сравнение моделей
Несмотря на то что Opus 5 обладает мощными аналитическими способностями и способен обнаруживать уязвимости в программном коде, он уступает модели Anthropic Mythos 5 в создании функционирующих эксплойтов. Однако благодаря этому, Anthropic смогла сделать Opus 5 доступным для более широкого круга пользователей.
Согласно пресс-релизу, опубликованному на официальном сайте Anthropic, модель уже доступна как подписчикам сервисов Claude Pro и Max, так и через API. Opus 5 продемонстрировала превосходство над всеми другими протестированными моделями в выполнении сложных многоступенчатых задач; ее результат оказался более чем в два раза выше, чем у предыдущей версии Opus 4.8.
Тестирование и научные достижения
В бенчмарке OSWorld 2.0, который оценивает взаимодействие с компьютерным интерфейсом, Opus 5 обошла лучший результат, достигнутый моделью Fable 5. Разработчики также отметили высокую степень самостоятельности модели. В рамках задачи FrontierBench, где ей предоставили изображение механической детали и попросили воссоздать ее в программе FreeCAD, но не позволили просматривать само изображение, Opus 5 самостоятельно разработала систему компьютерного зрения и извлекла геометрические характеристики детали из сырых пиксельных данных.
Кроме того, Opus 5 показала высокие результаты в области биологии и органической химии. Например, в тесте Organic Chemistry V2 она набрала 61,6 процента, опередив Mythos 5, которая показала 58,9 процента.
Независимое исследование в Австралии
Отдельно стоит отметить кросс-секционное исследование, проведенное Марио Сьерво из Университета Кертина совместно с коллегами из Австралии, Великобритании, Канады и Таиланда. Исследователи пришли к заключению, что студенты, проводящие более десяти часов в неделю за видеоиграми, чаще имеют повышенную массу тела, а также характеризуются худшим качеством рациона питания и сна.
В исследовании приняли участие 317 студентов австралийских вузов, средний возраст которых составил 20 лет, при этом 60,6 процентов участников были женщинами. Все респонденты заполнили анкеты, касающиеся физиологических и демографических данных, состояния здоровья, времени, затраченного на игры, уровня физической активности, стресса, качества сна и диеты. Статистический анализ данных выполнялся с использованием метода множественной линейной регрессии, с учетом таких факторов, как пол, этническая принадлежность, курение, потребление алкоголя, прием медикаментов, занятость и другие переменные. Результаты этой работы были опубликованы в журнале Nutrition.
