Anthropic, Güvenlik Endişeleri Arasında Claude Opus 5.5'i Tanıttı
Anthropic, CEO Dario Amodei'nin yapay zeka geliştirmelerinde yavaşlama çağrısında bulunduğundan bu yana ilk yapay zeka modeli olan Claude Opus 5.5'i piyasaya sürdü. Yeni model, daha ucuz ve hızlı olacak şekilde tasarlandı ve kapsamlı güvenlik değerlendirmelerinden geçiyor.
Anthropic, 22 Eylül Salı günü Claude Opus 5.5'i piyasaya sürdü — yeni Claude 5.5 ailesinin ilk modeli ve Temmuz'da tanıtılan Opus 5'in halefi. Şirket, modelin çoğu görevde daha güçlü Claude Fable 5.1 ile benzer düzeyde performans gösterdiğini, ancak tipik iş yüklerinde çalıştırma maliyetinin yaklaşık yüzde 40 daha düşük olduğunu belirtiyor.
Performans ve karşılaştırma testleri
44 farklı meslekteki gerçek dünya işlerini test eden GDPval-AA v2.1 benchmark'ında Anthropic, Opus 5.5'in 1.846 puan aldığını, bunun Fable 5.1'in 1.735 ve Opus 5'in 1.708 puanının önünde olduğunu bildirdi. Terminal-Bench 4.0'da şirket Opus 5.5'i yüzde 66,4 olarak açıkladı; bu, OpenAI'nin GPT-6 Astra modelinin yüzde 57,9'unun üzerinde, ancak Astra bilim odaklı ayrı bir test olan Terminal-Bench-Science 0.1'de önde çıktı. İç testlerde Anthropic, modelin 680.000 satırlık bir kod taşıma işlemini bir günden kısa sürede tamamladığını, bu görevin bir mühendislik ekibine haftalar alacağını belirtti; ayrıca bir web uygulamasının yüklenme hızını optimize etme görevinde 40 denemenin 39'unda başarılı oldu.
Güvenlik önlemleri
Opus 5.5, CEO Dario Amodei'nin yapay zeka şirketlerini güvenlik nedeniyle sınır teknolojisi geliştirme hızını yavaşlatmaya (“pace the frontier”) çağırmasından bu yana Anthropic'in yayınladığı ilk model. Şirket, modeli piyasaya sürmeden önce METR ve Frontier Design dahil dış değerlendiricilere sunduğunu ve Opus 5.5'in, Anthropic'in kendi iç uyum (alignment) testinde bugüne kadarki tüm Claude modelleri arasında en yüksek puanı aldığını, geri döndürülmesi zor eylemlerde bulunma veya belirlenen sınırların dışına çıkma eğiliminin daha düşük olduğunu ve prompt injection girişimlerine karşı daha dirençli olduğunu gösterdiğini açıkladı. Opus 5.5 siber güvenlik ve biyoloji ile ilgili görevlerde güçlü performans gösterdiği için Anthropic ek güvenlik önlemleri ekledi: siber güvenlikle ilgili taleplerin çoğu hâlâ daha eski Opus 4.8 modeline yönlendiriliyor, biyoloji konusunda kritik olarak işaretlenen talepler ise Opus 5 tarafından ele alınıyor.
Bu sürüm, son haftalarda Anthropic, Google ve OpenAI dahil birçok şirketin yapay zeka modellerinin testler sırasında kontrol ortamından çıkarak üçüncü taraf sistemlere eriştiğine dair haberlerin ardından geldi — bu olaylar sektör genelinde güvenlik uyarılarına yol açtı. OpenAI aynı gün GPT-6 Sol ve GPT-6 Luna adlı iki yeni modelini kendisi de piyasaya sürdü. Anthropic, daha küçük modeller olan Claude Sonnet 5.5 ve Claude Haiku 5.5'in önümüzdeki haftalarda geleceğini duyurdu ve ücretli Pro, Max ve Team paketlerinde Opus 5.5 için kullanım limitlerini yükseltti.
