İçeriğe geç
Seviye A — Öncü
Çalıştığı yer:USYapıldığı yer:United States
Anthropic

Claude Opus 5

Seviye A — Öncü · 1M token

Tokonomix Editöryel Ekibi·İnceleyen Mes Kalkan··
Bölüm 01

Hız analizi

Tüm benchmark çalıştırmalarında ölçülen gecikme. P50 (medyan) ve P95 (95. yüzdelik) normal ve yoğun yük altında yanıt hızının gerçekçi bir resmini verir.

P50 gecikme (medyan)P95 gecikme120 runs
7403763678598081283009-3010-30ms
Bölüm 02

Kalite puanları

Bu modelin her soru kategorisinde sahanın geri kalanına göre nerede durduğu; aynı sorular üzerinde ikili karşılaştırmayla hesaplanır. Ham jüri puanı her sayının altındadır.

31%
Kod üretimi
jüri ortalaması 69
88%
Yaratıcı
jüri ortalaması 92
49%
Olgusal
jüri ortalaması 86
52%
Çok dilli
jüri ortalaması 92
56%
Akıl yürütme
jüri ortalaması 89

Kategori başına kazanma oranı: bu modelin o kategoriden bir soruda ortalama bir modeli ne sıklıkla yendiği. %50 ortalamadır, kalma notu değildir. Doğru cevap yüzdesi de değildir.

Bölüm 03

Fiyatlar

Bu modeli Tokonomix üzerinden kullandığınızda milyon token başına ödediğiniz tutar ve tipik bir konuşma için tahmini maliyet.

💰
API tarifeleri — Claude Opus 5
$6.50 1M giriş token başına
$32.50 1M çıkış token başına
≈ $0.0104 tipik konuşma başına (800 token)
Giriş vs çıkış fiyatı (1M token başına)
1M giriş token başına$6.50
1M çıkış token başına$32.50
Bölüm 04

Saniye başına token

Ölçülen P50 gecikmesinden türetilen saniye başına token verimi. Yüksek daha iyidir; dalgalanmalar sağlayıcı tarafındaki yükü yansıtır.

Verim (token / s)217 / avg 191
26832

P50 gecikme × 200 çıkış token tahmininden hesaplandı — mutlak rakam bu varsayıma bağlıdır; önemli olan eğilimdir.

Bölüm 05

Yetenekler

toolssource: manualvisionjson modepdf inputreasoningjson schemaprompt cachingmax output tokens: 128000
Bölüm 06

Kullanılabilirlik

Kullanılabilirlik

Bu modelin çağrıldığında ne sıklıkla yanıt verdiği — son 30 gün içindeki gerçek API istekleri ve canlı testler üzerinden ölçülmüştür. Bu kaliteden bağımsızdır: bu sayılar yalnızca modelin yanıt verip vermediğini gösterir, yanıtın ne kadar iyi olduğunu değil.

Son 7 gün

—

Son 30 gün

98.4%

n=190

Medyan yanıt süresi

22,437ms

n=187

Baz alınan 550 ölçüm son 30 gün içinde.

Teknik detaylar

Yalnızca gerçek API çağrıları ve canlı test istekleri sayılır — dahili yoklamalar ve kıyaslama çalıştırmaları hariçtir.

Özel API anahtarıyla (BYOK) yapılan çağrılar hariçtir: bu hatalar anahtara özgüdür, model kesintisinin işareti değildir.

Başarısız çağrılar kalite puanlarına DAHİL EDİLMEZ — kalite yalnızca başarılı yanıtlar üzerinden ölçülür. Kullanılabilirlik ve kalite bağımsız sinyallerdir.

Kaydedilmiş süreye sahip başarılı çağrılarda medyan yanıt süresi (p50). Aykırı değerler medyanı ortalamadan daha az etkiler.

Toplam çağrı (30d)

190

OK yanıtlar (30d)

187

Toplam çağrı (7d)

0

OK yanıtlar (7d)

0

Bölüm 07

Tokonomix kıyaslama kararları

⚖️
Endorsed by 2 judges
Independent LLM judges evaluated this model on our weekly intelligence tests
cohere/command-a100/100 · 1 runs
1 correct0 partial0 wrong100% accuracy
claude-sonnet-4-583/100 · 46 runs
35 correct5 partial6 wrong76% accuracy
● 2026-10-25

Claude Opus 5 adds seven new capabilities with no benchmark data

Claude Opus 5 has introduced a significant expansion of technical capabilities without corresponding benchmark performance data in this window. The model now supports tools, vision, JSON mode, PDF input, reasoning, JSON schema, and prompt caching. These additions represent a substantial broadening of the model's functional scope, moving from a text-focused system to a multimodal platform with structured output capabilities and developer-friendly features like caching. However, the absence of benchmark results in both the current and previous windows makes it impossible to assess actual performance levels or compare quality against other models. Users gain access to a more versatile toolkit that should enable new use cases like document analysis, visual understanding, and function calling. The reasoning capability suggests enhanced logical processing, while prompt caching could improve efficiency for repetitive tasks. Without performance metrics, users should conduct their own evaluations for their specific use cases. The feature expansion indicates Anthropic's commitment to competitive parity with other frontier models, but real-world testing will be necessary to understand how these capabilities perform relative to alternatives.

Kalite

—

Gecikme p50

—

Test çalıştırmaları

0

✓ Seven new capabilities added✓ Multimodal support introduced✓ Developer features expanded✗ No benchmark data available
Bölüm 08

Tam model profili

Claude Opus 5 — model derinlemesine inceleme

Claude Opus 5, Anthropic'in Opus serisindeki yeni amiral gemisi modeldir; 24 Temmuz 2026'da Opus 4.8'in halefi olarak yayınlandı. Anthropic bu modeli "karmaşık agentic kodlama ve kurumsal iş için" konumlandırıyor ve artık Anthropic'in kendi kodlama ajanı olan Claude Code'daki varsayılan model. Claude API (model kimliği claude-opus-5), Amazon Bedrock, Google Cloud Vertex AI, Microsoft Foundry ve Claude Platform on AWS üzerinden erişilebiliyor.

Fiyat ve bağlam penceresi

Anthropic'e göre "Opus 5, Fable 5'in birçok yeteneğini yarı fiyatına eşliyor" — bu, bağımsız olarak doğrulanmamış, Anthropic'in kendi ifadesidir. Bağlam penceresi 1.000.000 token'a ulaşıyor; senkron bir çağrıda azami çıkış 128 bin token — büyük kod tabanlarını veya uzun belge kümelerini tek bir bağlamda kapsamaya yetecek kadar.

Adaptive thinking ve bilgi kesim tarihi

Eski genişletilmiş düşünme mekanizmasının elle ayarlanan budget_tokens parametresi yerine Opus 5, beş kademeli bir effort parametresiyle yönetilen adaptive thinking kullanıyor: low, medium, high, xhigh ve max (varsayılan: high). Eğitim verisi güvenilir biçimde Mayıs 2026'ya kadar uzanıyor — Anthropic'e göre şu anda sunulan tüm Claude modelleri arasında en güncel kesim tarihi.

Uzun soluklu özerklik

Anthropic'in Opus 5 için öne çıkardığı temel iddia, uzun ve gözetimsiz görevlerde dayanıklılıkla ilgili: saatlerce bağımsız çalışabilme, kendi hatalarından toparlanabilme, tıkanma noktalarında durmak yerine etrafından dolaşabilme ve kendi işini ara ara denetleyebilme. Anthropic bunu kendi rakamlarıyla destekliyor: Frontier-Bench v0.1'de %43,3 (Opus 4.8'de %18,7'ye karşılık) ve DeepSWE v1.1'de %68,8 (Opus 4.8'de %59,0'a karşılık). Bunlar Anthropic'in kendi yayımladığı sonuçlardır, Tokonomix tarafından bağımsız olarak yeniden üretilmemiştir.

Daha iyi muhakeme

Anthropic ayrıca daha iyi muhakemeyi öne çıkarıyor: model, belirsiz bir talimat karşısında tahmin yürütmeden önce daha sık açıklayıcı soru soruyor, hatalı veya eksik tanımlanmış bir talimatı harfiyen uygulamak yerine daha sık itiraz ediyor ve bir değişikliği uygulamadan önce sonuçlarını daha sık değerlendiriyor. Anthropic bu davranış için nicel bir ölçüm yayımlamıyor — bu, niteliksel olarak tarif edilen bir tasarım amacı.

Opus 5'i ne zaman seçmeli

Anthropic, Opus 5'i karmaşık agentic kodlama ve kurumsal görevler için yeni varsayılan seçim, kendi ifadesiyle birçok alanda benzer yeteneklere sahip olduğu Fable 5'e göre daha ucuz alternatif olarak konumlandırıyor. Daha basit işler için — kısa sohbetler, sınıflandırma, hafif çıkarım — daha küçük ve daha ucuz bir model genellikle daha maliyet etkin seçim olmaya devam ediyor; Opus 5, yüksek hacimli basit işler için değil, uzun süreli, karmaşık ve yüksek riskli işler için tasarlandı.

Tokonomix'te kullanılabilirlik

Claude Opus 5, Tokonomix'te claude-opus-5 slug'ı altında, tier A, Anthropic direct üzerinden ABD'de barındırılıyor olarak listelenmiştir. Tokonomix'in kendi test koşucularından bağımsız kıyaslama puanları bu model için henüz mevcut değil — model bir sonraki test döngüsüne dahil edildiğinde bu sayfada otomatik olarak görünecektir.

Son otomatik test
30 Eki 2026 · 02:03 UTC · Hız testi
P50 gecikme
923 ms
P95 gecikme
933 ms
Hatalar
0 / 6 çalıştırma
Son inceleyen Tokonomix Ekibi·15 Eylül 2026