Claude Opus 5.5: nejnovější Anthropic model zlevnil, zrychlil a mění pravidla AI agentů

Anthropic vydal Claude Opus 5.5 v den, kdy se kolem AI modelů neřeší jen to, kdo má nejvyšší skóre. Důležitější otázka zní, kolik stojí dokončená práce, jak dlouho ji agent zvládne držet pohromadě a jestli se mu dá věřit s přístupem k nástrojům. Opus 5.5 míří přesně na tuto praktickou část trhu.

Model vyšel 22. září 2026 jako první člen nové řady Claude 5.5. Anthropic tvrdí, že na většině práce dosahuje úrovně modelu Claude Fable 5.1, ale provoz je podle firmy o 40 procent levnější než u předchozího Opusu 5. Základní oznámení jsme zachytili už v rychlé zprávě o vydání Opusu 5.5; teď se vyplatí podívat se, co se za marketingovou zkratkou skutečně skrývá.

Opus 5.5 není jen další větší číslo

Anthropic popisuje Opus 5.5 jako nový hlavní model pro dlouhé agentní programování a znalostní práci. Model má kontextové okno o velikosti jednoho milionu tokenů, maximální výstup 128 tisíc tokenů a adaptivní přemýšlení, které je podle dokumentace vždy zapnuté. API identifikátor je jednoduše claude-opus-5-5.

V praxi to znamená zaměření na úkoly, kde nestačí jednorázově napsat odpověď. Opus 5.5 má procházet rozsáhlé kódové základny, dělat migrace napříč projektem, opravovat chyby, pracovat s nástroji a udržet si přehled během dlouhé série kroků. Anthropic uvádí případ migrace kódu o 680 tisících řádcích dokončené za méně než den a audit s opravami dvousettisícové kódové základny za méně než tři hodiny. Jsou to firemní příklady, nikoli nezávislý benchmark, ale dobře ukazují, kam firma nový model míří.

Změnil se také styl komunikace. Anthropic tvrdí, že Opus 5.5 omezuje zbytečný žargon, dává důležité informace dříve a píše přirozeněji než Opus 5. To může znít jako drobnost, ale u agentů, jejichž práci člověk průběžně kontroluje, je čitelnost součástí použitelnosti i bezpečnosti.

Největší novinka je cena, ne tabulka vítězů

Cena za milion vstupních tokenů klesla z 5 na 4 dolary a výstup z 25 na 20 dolarů. Ještě důležitější je cache read za 0,20 dolaru místo předchozích 0,50 dolaru. Právě načítání uloženého kontextu tvoří u dlouhých codingových a agentních úloh velkou část účtu. Anthropic proto uvádí, že při typickém použití klesnou celkové náklady přibližně o 40 procent, nikoli pouze cena jednoho tokenu.

Opus 5.5 má současně generovat výstup o více než 30 procent rychleji než Opus 5. K dispozici je také rychlý režim s až 2,5násobnou rychlostí, ovšem za 8 dolarů za milion vstupních a 40 dolarů za milion výstupních tokenů. Rychlost tedy není zadarmo, ale základní varianta se snaží zlepšit poměr mezi cenou a množstvím dokončené práce.

Čísla vycházejí z oficiálního oznámení Anthropicu a z aktuální dokumentace modelů Claude. U agentů ale rozhoduje celkový počet kroků, opakovaných pokusů, volání nástrojů a délka kontextu. Levnější token sám o sobě neznamená levnější projekt, pokud model práci nedokončí nebo ji musí člověk několikrát opravovat.

Benchmarky: Opus vede, ale ne všude

Anthropic ve vlastním srovnání uvádí Opus 5.5 na prvním místě v agentním programování, práci s počítačem a znalostních úlohách. Firma ale zároveň přiznává, že rozdíly mezi špičkovými modely jsou v běžné práci menší, než naznačují tabulky. To je důležitá poznámka, protože většina čísel níže pochází přímo od výrobce modelu.

V uvedeném výběru Opus 5.5 jasně vede v Terminal-Bench, FrontierCode, GDPval a OSWorld. Na AutomationBench ho ale podle stejné tabulky překonává GPT-6 Astra: 41,4 proti 40 procentům. Není to detail, který by šlo zamést pod koberec. Ukazuje, že konkurenční model může být lepší v konkrétním typu firemního workflow, i když v jiných testech zaostává.

Anthropic uvádí, že Opus 5.5 byl testován s produkčními bezpečnostními pojistkami. Když zasáhly, kyberbezpečnostní úlohy dokončoval Opus 4.8 a biologické nebo frontier úlohy Opus 5. To může výsledek v některých testech snižovat, ale současně to připomíná nepříjemnou skutečnost: srovnáváme nejen schopnosti modelu, ale i pravidla, která mu dovolíme při testu použít.

Souboj s OpenAI: rozhodne cena dokončené práce

Nejbližší konkurencí není jen vlastní Fable 5.1, ale také nové modely OpenAI. GPT-6 Sol a Luna míří na podobný problém z opačné strany: rozdělit práci mezi více modelů podle náročnosti a cenu stlačit co nejníže. GPT-6 Astra má zůstat nejsilnější volbou, Sol má obsloužit složitější agentní úlohy a Luna velký objem rutinní práce.

V tabulce Anthropicu má GPT-6 Astra vyšší skóre v AutomationBench a Terminal-Bench-Science, zatímco Opus 5.5 vede v Terminal-Bench 4.0, FrontierCode a GDPval. GPT-5.6 Sol je v některých testech stále konkurenceschopný, ale v přímém srovnání s novějšími modely se často drží níže. Samotné skóre tedy nedává jednoduchou odpověď, který model je nejlepší.

Rozhodující může být ekonomika dlouhých řetězců. Pokud agent provede padesát nebo sto kroků, zaplatí se nejen inteligence, ale i každé opakování, načítání kontextu a čekání na výstup. Opus 5.5 se snaží vyhrát kombinací výkonu, nižší ceny cache a rychlejší odezvy. OpenAI zase tlačí na levnější specializované varianty. Pro uživatele je to lepší než další závod o jeden procentní bod, protože firmy budou moci stejný rozpočet použít na více skutečné práce.

Bezpečnostní pojistky nejsou poznámka pod čarou

Anthropic označuje Opus 5.5 za svůj dosud nejlépe hodnocený model v automatizovaném behaviorálním auditu. Testy podle firmy pokrývají tisíce simulovaných scénářů a nově také delší úkoly, nemožné úkoly a situace inspirované reálnými incidenty. Podrobnosti jsou v systémové kartě Opusu 5.5.

Firma zároveň píše, že model je méně náchylný k nevratným akcím, méně často jedná mimo zadané hranice a je odolnější vůči prompt injection než Opus 5. To zní přesvědčivě, ale není to totéž jako záruka bezpečného autonomního provozu. Bezpečnostní test ukazuje chování v konkrétních podmínkách; neříká, že agent nemůže udělat chybu v prostředí, které test nepopsal.

Opus 5.5 má také podobnou úroveň schopností jako Anthropicem označované modely Fable 5.1 a Mythos 5.1 v biologii a kyberbezpečnosti. Proto se na něj vztahují přísnější ochranné vrstvy a přístup k části biologických a kybernetických úloh je navázaný na ověřovací programy. Je dobře, že firma tuto hranici přiznává. Zároveň to znamená, že benchmarková tabulka neukazuje jen „čistý výkon“ modelu, ale výkon po započtení bezpečnostních omezení.

To navazuje na širší problém agentů, který jsme rozebírali v článku AI začíná dělat něco jiného, než po ní chceme. Schopnější model najde více cest k cíli. Pokud má špatně nastavená oprávnění, vyšší inteligence sama o sobě nezaručí vyšší poslušnost.

Co říkají lidé, kteří ho zkoušejí

První reakce jsou rozdělené, ale ne podle jednoduché hranice mezi fanoušky Anthropicu a OpenAI. Část lidí chválí hlavně to, že Opus 5.5 dokáže déle pracovat na velkém kódovém úkolu bez neustálého vracení k základům. U migrací, auditů a oprav napříč více soubory se opakuje dojem, že model méně často ztratí nit a lépe chápe, co už bylo uděláno.

Jiní oceňují přirozenější styl. Odpovědi jsou podle nich méně ukecané, rychleji se dostanou k podstatě a působí méně jako univerzální chatbot. Pro lidi, kteří Claude používají jako pracovního parťáka, může být právě tohle důležitější než několik bodů v benchmarku.

Výhrady se týkají hlavně toho, že nový styl může některým uživatelům připadat až příliš uhlazený nebo méně osobitý. Část testerů také upozorňuje, že nejvyšší úroveň přemýšlení nemusí vždy přinést lepší výsledek, zato dokáže prodloužit běh a zvýšit účet. Jiní mají pocit, že model při bezpečnostních omezeních odmítá i úlohy, které by podle nich měly být legitimní.

Objevuje se i praktická kritika: nižší cena za token je příjemná, ale pro uživatele předplatného je důležitější, kolik práce skutečně dovolí limity služby. Pokud se levnější a schopnější model používá ve velkém, narazí člověk dříve na kapacitní strop. Z pohledu uživatele tak nebude rozhodovat jen cena API, ale i dostupnost, rychlost a to, kolik úloh lze za den reálně dokončit.

Verdikt: méně revoluce, více použitelnosti

Claude Opus 5.5 není model, který by jediným benchmarkem ukončil soutěž mezi Anthropicem, OpenAI a Googlem. Dokonce ani Anthropic ho nepopisuje jako vítěze úplně všeho. Jeho význam je praktičtější: přibližuje špičkovou úroveň agentního programování a znalostní práce nižším provozním nákladům.

Nejsilnější částí novinky je kombinace tří věcí: nižší cena, rychlejší výstup a schopnost pracovat na dlouhých úkolech. Pokud se firemní příklady potvrdí i mimo kontrolované testy, mohou vývojáři zadávat agentům větší kusy práce a méně řešit, jestli každý další krok zruinuje rozpočet.

Konkurence ale nezmizela. GPT-6 Astra podle srovnání Anthropicu vede v některých automatizačních a vědeckých úlohách, GPT-6 Sol tlačí cenu dolů a vlastní Fable 5.1 zůstává vhodnější pro nejtěžší dlouhé agentní úlohy. Správná otázka proto není „který model je absolutně nejlepší“, ale „který model dokončí můj konkrétní úkol s nejmenším počtem oprav a za přijatelnou cenu“.

A právě tady bude potřeba Opus 5.5 teprve prověřit. Benchmarky vypadají dobře, firemní čísla jsou zajímavá a první uživatelé popisují reálné zlepšení. Teprve delší provoz ale ukáže, jestli se z levnějšího a chytřejšího modelu stane skutečně lepší pracovní nástroj, nebo jen další vítěz tabulky, na kterého si za pár týdnů všichni zvyknou.