Ulasan Claude Opus 5

Anthropic merilis Claude Opus 5 pada 24 Juli 2026 dengan posisi yang ambisius: kemampuan mendekati Claude Fable 5 dengan separuh harga API. Pertanyaan pentingnya bukan peringkat saat peluncuran, melainkan apakah model ini menyelesaikan lebih banyak pekerjaan nyata per dolar dibandingkan Opus 4.8 atau Sonnet 5.

Keputusan kami adalah ya untuk pekerjaan yang sulit dan memakan waktu lama. Opus 5 adalah peningkatan yang masuk akal dari Opus 4.8 karena harga token standar tidak berubah, sementara pengkodean publik dan evaluasi kerja profesional menunjukkan peningkatan kualitas yang besar. Ini kurang menarik untuk pengeditan singkat, ekstraksi, klasifikasi, atau obrolan bervolume tinggi, sedangkan Sonnet 5 tetap lebih murah dan biasanya cukup cepat.

Ulasan Claude Opus 5: jawaban singkatnya

Beban kerja Anda	Titik awal terbaik	Mengapa
Fitur multi-file, debugging yang sulit, atau agen berjalan lama	Opus 5 dengan usaha keras	Keseimbangan terbaik antara kemampuan dan pembelanjaan; naikkan ke xhigh hanya jika evaluasi Anda membenarkannya
Pengodean rutin, dukungan, ekstraksi, atau tugas bervolume tinggi	Sonnet 5	Harga token lebih rendah dan latensi komparatif lebih cepat
Integrasi Opus 4.8 saat ini	Uji dan pindah ke Opus 5	Harga standar yang sama, hasil publik yang lebih kuat; perubahan perilaku masih memerlukan uji regresi
Kemampuan maksimal dengan biaya sekunder	Bandingkan Opus 5 dengan Fable 5	Fable memiliki plafon iklan yang lebih tinggi, namun Opus berharga setengahnya dan mendekati atau unggul dalam beberapa tugas publik

Peningkatan terbesar bukanlah pembuatan kode sekali pakai. Hal ini tetap berorientasi pada tugas yang panjang: menemukan akar permasalahan alih-alih memperbaiki gejala, menggunakan alat hingga hasilnya diverifikasi, dan menyelesaikan tugas tanpa meninggalkan placeholder.

Apa yang berubah dari Opus 4.8

Spesifikasi	Claude Opus 5
ID model API	claude-opus-5
Jendela konteks	1 juta token, baik default maupun maksimum
Output sinkron maksimum	Token 128,000
Pemutusan pengetahuan yang dapat diandalkan	Mei 2026
Harga standar API	$5 / juta token masukan; $25 / juta token keluaran
Cache cepat	$6.25 / juta untuk penulisan 5-menit; $10 untuk penulisan jam 1; $0.50 untuk sebuah pukulan
Berpikir	Pemikiran adaptif diaktifkan secara default
Tingkat upaya	low, medium, high, xhigh, dan max; standarnya adalah high

Batasan judul cocok dengan Opus 4.8, tetapi perilaku pengoperasiannya tidak. Opus 5 mengaktifkan pemikiran secara default, menskalakan lebih andal ketika upaya meningkat, dan menurunkan permintaan minimum yang dapat di-cache dari token 1,024 ke 512. Ini juga mendukung perubahan alat pertengahan percakapan beta, sehingga agen dapat menambah atau menghapus alat tanpa membuat cache prompt yang ada menjadi tidak valid.

Mode cepat tersedia sebagai pratinjau penelitian pada Claude API. Anthropic mengatakan bahwa ini berjalan sekitar 2.5 kali kecepatan standar, tetapi juga menggandakan harga dasar menjadi input $10 dan output $50 per juta token. Ini adalah pembelian latensi, bukan diskon.

Tolok ukur: hasil yang kuat dengan catatan kaki yang penting

Frontier-Bench mengunggulkan Opus 5 dengan selisih yang lebar

Papan peringkat Frontier-Bench v0.1 publik mencantumkan Opus 5 dengan agen mini-SWE pada resolusi 43.53% +/- 1.65%. Tabel yang sama mencantumkan Fable 5 di 33.78% dan Opus 4.8 di 21.08%. Dengan kata lain, hasil Opus 5 yang diposting adalah sekitar dua kali hasil Opus 4.8 dan kira-kira sepuluh poin persentase di atas Fable 5.

Hal ini bermakna, namun ini bukanlah hasil laboratorium yang netral. Catatan kaki Anthropic menyatakan bahwa ini adalah proses internal pada backend GKE, dengan rata-rata lebih dari lima upaya per tugas. Opus 4.8 juga berfungsi sebagai cadangan ketika pengklasifikasi keselamatan menolak permintaan Opus 5 atau Fable 5. Tolok ukur tersebut mendukung klaim bahwa Opus 5 jauh lebih baik dalam pekerjaan keras agen; hal ini tidak membuktikan bahwa setiap repositori akan mengalami peningkatan yang sama.

GDPval-AA memberikan sinyal independen terkuat

GDPval-AA v2 Analisis Buatan mengevaluasi tugas kerja nyata 220 di seluruh pekerjaan 44. Model beroperasi dalam loop agen dengan alat shell dan web, kemudian menghasilkan dokumen, spreadsheet, slide, diagram, dan hasil lainnya. Perbandingan berpasangan buta menghasilkan skor Elo.

Upaya dan model	GDPval-AA v2 Elo	Interval 95% ditunjukkan oleh papan peringkat
Karya 5, max	1861	-25 / +25
Karya 5, xhigh	1827	-24 / +24
Fable 5, max	1747	-17 / +17
Karya 5, high	1741	-23 / +23
GPT-5.6 Sol, max	1735	-17 / +17
Karya 5, medium	1632	-22 / +22
Sonnet 5, max	1603	-17 / +17
Karya 4.8, max	1593	-16 / +16
Karya 5, low	1454	-20 / +20

Ada dua kesimpulan yang penting. Pertama, Opus 5 di max dan xhigh memimpin papan peringkat independen ini dengan selisih yang jelas. Kedua, upaya ini tidak bersifat kosmetik: selisih antara low dan max adalah 407 poin Elo. Secara default high, Opus 5, Fable 5, dan GPT-5.6 Sol memiliki interval yang tumpang tindih, jadi pemesanan enam poin tidak boleh dijual sebagai kemenangan yang menentukan.

Anthropic juga melaporkan bahwa Opus 5 di max berada dalam 0.5% dari Fable Skor puncak CursorBench 5 dengan setengah biaya per tugas, tiga kali lipat skor terbaik berikutnya pada ARC-AGI 3, dan mengalahkan Fable Hasil OSWorld 2.0 terbaik dari 5 hanya dengan sepertiga biayanya. Ini merupakan sinyal arah yang berguna, namun sinyal tersebut berasal dari materi peluncuran dan bukan dari peluncuran independen, jadi kami mempertimbangkannya dengan lebih ringan dibandingkan GDPval-AA.

Dimana Opus 5 tampak seperti peningkatan nyata

Pengkodean cakrawala panjang. Panduan petunjuk Anthropic menyatakan bahwa model ini paling kuat pada fitur multi-file, pemfaktoran ulang yang lebih besar, dan pekerjaan menyeluruh. Hasil Frontier-Bench mendukung posisi tersebut. Keuntungan praktisnya adalah lebih sedikit potongan-potongan yang ditinggalkan dan lebih sedikit campur tangan manusia di tengah-tengah suatu tugas.

Debugging dan peninjauan kode. Pengguna awal melaporkan analisis akar penyebab yang lebih baik dan lebih sedikit perbaikan yang hanya terjadi di permukaan. Anthropic juga mengatakan penarikan ulasan tetap berguna dengan upaya yang lebih rendah. Tim tetap harus mengukur positif palsu pada kumpulan tinjauan kode mereka sendiri, karena testimoni peluncuran bukanlah pengganti presisi dan perolehan lokal.

Pekerjaan visual dan dokumen. Opus 5 diposisikan lebih kuat pada bagan, diagram, replikasi frontend, spreadsheet, dan dek slide. Keuntungannya harus paling besar ketika agen dapat memeriksa hasil yang diberikan dan melakukan iterasi, bukan ketika agen hanya mengeluarkan kode atau markup satu kali.

Verifikasi mandiri. Model lebih sering memeriksa fungsinya tanpa diminta. Hal ini membantu dalam tugas-tugas terbuka, namun instruksi duplikat seperti "periksa ulang semuanya" dapat menyebabkan verifikasi berlebihan, menghabiskan lebih banyak token, dan mendelegasikan terlalu banyak.

Peningkatannya lebih kecil pada pengeditan satu file dengan uji penerimaan yang tepat. Model yang lebih murah dapat menyelesaikan tugas-tugas tersebut sebelum alasan Opus 5 yang lebih dalam memiliki peluang untuk membayar sendiri.

Penetapan harga Claude Opus 5 dalam tugas nyata

Untuk tugas yang mengirimkan token masukan 100,000 yang tidak di-cache dan menerima token keluaran 10,000, aritmatika harga daftar standar terlihat seperti ini:

Model	Harga standar masukan/keluaran	Contoh biaya tugas
Claude Fable 5	$10 / $50 per juta	$1.50
Claude Opus 5	$5 / $25 per juta	$0.75
Claude Opus 4.8	$5 / $25 per juta	$0.75
Claude Sonnet 5	$2 / $10 per juta	$0.30

Anthropic menjadikan harga peluncuran Sonnet 5 $2 / $10 permanen pada bulan 10 Agustus 2026; kenaikan $3 / $15 yang direncanakan sebelumnya tidak akan terjadi. Harga di atas belum termasuk biaya alat dan harga gateway apa pun.

Jendela 1-juta token bukanlah kapasitas bebas. Mengisinya sekali akan dikenakan biaya input $5 sebelum jawabannya. Membaca jutaan token cache yang sama membutuhkan biaya $0.50, sehingga cache yang cepat mengubah keekonomian repositori berulang atau pekerjaan basis pengetahuan secara dramatis. Biaya penulisan cache 5-menit adalah $6.25 per juta token dan biaya penulisan cache 1-jam adalah $10.

Harga token juga tidak sama dengan harga tugas. Upaya yang lebih tinggi dapat menambah token pemikiran dan panggilan alat, sementara model yang lebih kuat dapat menyelesaikannya dalam jumlah putaran yang lebih sedikit. Tolok ukur biaya penyelesaian tugas Anda, bukan hanya kartu tarif. Halaman model Claude Opus 5 saat ini menunjukkan tarif gateway langsung OmniaKey secara terpisah dari harga standar Anthropic.

Siapa yang harus meningkatkan

Pengguna Opus 4.8: meningkatkan versi setelah uji regresi terfokus. Harga standar dan batas konteks tidak berubah, sehingga ada sedikit alasan ekonomi untuk tetap menggunakan 4.8 ketika Opus 5 meningkatkan tingkat penyelesaian Anda sendiri. Tetap sematkan 4.8 hingga Anda menguji panjang output, perilaku berpikir, panggilan alat, dan latensi.

Pengguna Sonnet 5: jangan pindahkan setiap permintaan. Pertahankan Sonnet untuk pergantian rutin dan tingkatkan bug yang ambigu, pekerjaan arsitektur, pemfaktoran ulang yang besar, atau kegagalan yang mahal ke Opus 5. Kebijakan perutean tersebut biasanya memberikan nilai lebih daripada memilih satu model untuk semuanya.

Pengguna Fable 5: uji Opus 5 terlebih dahulu pada pekerjaan produksi yang sensitif terhadap biaya. Fable tetap menjadi model Anthropic dengan kemampuan tertinggi yang tersedia secara umum, namun bukti publik menunjukkan banyak alur kerja di mana Opus 5 mendekati, setara, atau lebih baik dengan setengah harga token. Bayar premi Fable hanya jika rangkaian evaluasi Anda membuktikan bahwa hal itu penting.

Tim keamanan: perlakukan cerita tolok ukur umum dengan hati-hati. Anthropic sengaja tidak melatih Opus 5 sebagai model cyber ofensifnya, dan tetap berada di belakang Mythos 5 dalam pengembangan eksploitasi. Menemukan kerentanan kode sumber dan mengembangkan eksploitasi yang berfungsi adalah tugas yang berbeda.

Perangkap migrasi untuk diuji sebelum beralih

1. Ubah ID model yang tepat dari claude-opus-4-8 menjadi claude-opus-5. ID Claude 5 yang tidak memiliki tanggal adalah snapshot yang disematkan, bukan alias bergerak secara diam-diam.
2. Kunjungi kembali max_tokens. Berpikir diaktifkan secara default, dan batasnya mencakup pemikiran ditambah keluaran yang terlihat.
3. Jangan gabungkan thinking: {"type": "disabled"} dengan xhigh atau max; API mengembalikan HTTP 400. Tetap aktifkan pemikiran dan kurangi upaya ketika biaya menjadi perhatian.
4. Jangan berharap upaya yang lebih rendah untuk mempersingkat jawaban yang terlihat dengan andal. Meminta keluaran ringkas secara terpisah.
5. Hapus instruksi bawaan yang memaksa verifikasi atau subagen tambahan. Opus 5 sudah melakukan keduanya dengan lebih mudah dibandingkan Opus 4.8.
6. Jalankan upaya menyapu tugas Anda sendiri. Anthropic merekomendasikan untuk memulai dari high default, berpindah ke xhigh untuk pekerjaan agen yang menuntut, dan menggunakan low atau medium yang mengutamakan kualitas.

Peluncuran produksi yang masuk akal membandingkan tugas tetap yang sama yang ditetapkan di medium, high, dan xhigh; mencatat keberhasilan, waktu koreksi manusia, latensi, masukan, cache, keluaran, dan biaya panggilan alat; lalu merutekan berdasarkan kelas tugas. Sebuah transkrip yang mengesankan bukanlah suatu evaluasi.

Keputusan akhir

Claude Opus 5 adalah pilihan default terkuat dalam jajaran Anthropic untuk pengembang yang permasalahan mahalnya panjang, ambigu, dan memerlukan banyak alat. Hal ini memberi pengguna Opus 4.8 peningkatan kualitas publikasi yang substansial dengan harga standar yang sama, dan membuat kinerja tingkat Fable lebih terjangkau pada beberapa beban kerja penting.

Ini bukan standar universal. Sonnet 5 tetap menjadi pilihan ekonomi yang lebih baik untuk pekerjaan rutin, upaya max dapat menghapus penghematan melalui penggunaan token, dan bukti pada hari peluncuran masih dipertimbangkan dalam evaluasi Anthropic sendiri. Mulai dari high, ukur biaya tugas yang diselesaikan, dan tingkatkan secara selektif.

Untuk keputusan perutean yang lebih luas, panduan pemilihan model Claude Code memetakan Sonnet, Opus, Fable, dan Haiku ke pekerjaan sehari-hari, eskalasi, dan peran subagen.

Pertanyaan yang sering diajukan

Apakah Claude Opus 5 lebih baik daripada Opus 4.8?

Ya berdasarkan bukti publik yang tersedia. Frontier-Bench mencantumkan resolusi 43.53% untuk Opus 5 versus 21.08% untuk Opus 4.8, dan GDPval-AA mencantumkan 1861 Elo untuk Opus 5 di max versus 1593 untuk Opus 4.8 dan max. Harga token standar API tidak berubah. Perintah dan pemanfaatan agen Anda masih memerlukan uji regresi.

Apakah Claude Opus 5 lebih baik daripada Sonnet 5?

Opus 5 lebih kuat untuk penalaran yang sulit dan pekerjaan agen yang lama; Sonnet 5 lebih murah dan cepat untuk beban kerja rutin. Gunakan perutean tingkat tugas daripada membayar tarif Opus untuk setiap permintaan. perbandingan langsung Opus 5 vs Sonnet 5 menambahkan batas yang cocok, contoh biaya, dan sinyal eskalasi yang eksplisit.

Berapa biaya Claude Opus 5?

Harga API standar Anthropic adalah $5 per juta token masukan dan $25 per juta token keluaran. Cache hit adalah $0.50 per juta token. Mode cepat memerlukan input $10 dan output $50 per juta.

Apakah Claude Opus 5 memiliki jendela konteks 1M?

Ya. Jendela 1-juta token adalah default dan maksimum, dengan token keluaran sinkron hingga 128,000. Batas klien atau gateway masih bisa lebih rendah.

Tingkat upaya apa yang harus saya gunakan?

Mulai dengan high. Gunakan medium ketika evaluasi Anda menunjukkan kualitas yang sebanding dengan biaya lebih rendah, xhigh untuk pengkodean yang menuntut atau agen yang sudah berjalan lama, dan max hanya ketika pengeluaran token yang tidak dibatasi menghasilkan nilai yang terukur.

Sumber diperiksa

• Memperkenalkan Claude Opus 5
• Apa yang baru di Claude Opus 5
• Ikhtisar model Claude
• Harga Anthropic API
• Mendorong Claude Opus 5
• Panduan upaya
• Papan peringkat Frontier-Bench v0.1
• Analisis Buatan GDPval-AA v2
• Kartu Sistem Claude Opus 5