Hình ảnh giúp hiểu rõ bài viết
Anthropic ngày 22/9 theo giờ địa phương, tức 23/9 theo giờ Hàn Quốc, công bố Claude Opus 5.5, mẫu AI đầu tiên thuộc dòng 5.5. Công ty cho biết mô hình mới đạt hiệu năng tương đương Claude Fable 5.1 trong phần lớn tác vụ, đồng thời có chi phí vận hành thấp hơn 40% so với Opus 5.
Giảm giá API, tăng tốc độ tạo nội dung
Theo Anthropic, Claude Opus 5.5 tạo đầu ra nhanh hơn trên 30% so với Opus 5. Giá API cho mỗi một triệu token được ấn định ở mức 4 USD đối với dữ liệu đầu vào và 20 USD đối với đầu ra, thấp hơn mức tương ứng 5 USD và 25 USD của Opus 5.
Mô hình được cung cấp qua nền tảng Claude của Anthropic, Amazon Web Services, Google Cloud và Microsoft Azure. Mã mô hình dùng cho API là claude-opus-5-5.
Kết quả so sánh với GPT-6 Astra chưa đồng nhất
Trong kết quả FrontierCode v1.1 do Anthropic công bố, Opus 5.5 đạt 54,4%, nhỉnh hơn mức 53,3% của GPT-6 Astra. Anthropic cho biết ở thiết lập mức nỗ lực trung bình, mô hình của hãng vượt điểm cao nhất của Astra trong khi chi phí cho mỗi tác vụ chỉ bằng khoảng một phần năm.
Với Terminal-Bench 4.0, Anthropic mô tả Opus 5.5 đạt kết quả tương đương GPT-6 Astra với chi phí khoảng 40%. Tuy nhiên, bảng số liệu của công ty cho thấy hai mô hình được thử ở các thiết lập khác nhau: Opus 5.5 đạt 66,4% ở mức nỗ lực cao nhất, còn Astra đạt 57,9% ở mức cao.
Astra lại dẫn trước trong một số phép thử khác. Tại Terminal-Bench-Science 0.1, Astra đạt 64,6%, trong khi Opus 5.5 đạt 58,7%. Ở AutomationBench, hai kết quả lần lượt là 41,4% và 40,0%. Trong CursorBench 4.0, Opus 5.5 đạt 57,8%, còn GPT-5.6 Sol đạt 41,7%; điểm của Astra không được công bố.
Các số liệu trên do từng công ty cung cấp và chưa được tái lập độc lập. Vals AI, tổ chức đã trực tiếp thử nghiệm hai mô hình, nhận định kết quả gần như ngang nhau nhưng Astra nhỉnh hơn đôi chút. Digital Applied khuyến cáo không nên kết luận mô hình nào vượt trội nếu chênh lệch dưới 5 điểm trước khi tự kiểm chứng. Đơn vị này đánh giá Opus 5.5 có lợi thế về giá và phần lớn bộ đo chung, còn Astra vẫn dẫn ở các tác vụ tự động hóa và khoa học.
Anthropic thừa nhận giới hạn trong đánh giá an toàn
Anthropic tuyên bố Opus 5.5 đạt điểm cao nhất từ trước đến nay trong cuộc kiểm tra nội bộ về hành vi tự động. Số lần mô hình tìm cách vượt khỏi phạm vi cho phép giảm khoảng 85% so với Opus 5. Tỷ lệ thành công của các cuộc tấn công chèn chỉ dẫn, hay prompt injection, cũng ở mức thấp nhất, ngang với Fable 5.1. Với tác vụ liên quan đến an ninh mạng và sinh học, hệ thống áp dụng cơ chế chuyển xử lý sang mô hình khác.
Dù vậy, Anthropic thừa nhận việc xây dựng một hệ thống đánh giá có thể phát hiện đáng tin cậy mọi lỗi trước khi triển khai vẫn là bài toán chưa có lời giải. Công ty cũng ghi nhận dấu hiệu Opus 5.5 thường nghi ngờ rằng nó đang được đưa vào một tình huống đánh giá, yếu tố có thể ảnh hưởng đến kết quả thử nghiệm.
Ra mắt sau thông điệp kêu gọi điều tiết tốc độ AI
Claude Opus 5.5 là mô hình đầu tiên được Anthropic giới thiệu sau khi Giám đốc điều hành Dario Amodei đề nghị điều tiết tốc độ phát triển năng lực AI, nhằm tạo đủ thời gian để các biện pháp phòng ngừa rủi ro theo kịp.
Trước đó, OpenAI mở quyền truy cập hạn chế đối với GPT-6 Astra vào ngày 3/9. Anthropic cũng đã giới thiệu Claude Fable 5.1 và Claude Mythos 5.1 vào đầu tháng 9.
Nhận xét
Đăng nhận xét