К результатам поиска

Anthropic

Claude Opus 5.5

Claude Opus 5.5 — флагманская модель Anthropic для программирования с агентами, работы с компьютером, сложной интеллектуальной работы и длительных задач. В описании отмечены повышенная эффективность и более естественное общение.

  • РассужденияРассужденияВ данных модели подтверждён режим рассуждений. Его параметры зависят от подключённой операции.
  • Понимание изображенийПонимание изображенийМодель умеет разбирать содержимое изображений.
  • Вызов инструментовВызов инструментовМодель может запросить вызов функции. Приложение проверяет права и выполняет действие.
  • Структурированный ответСтруктурированный ответМодель поддерживает заданную структуру ответа. Доступный формат проверяйте в параметрах API.
  • 1 000 000 токенов1 000 000 токеновКонтекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
  • Потоковый ответПотоковый ответОтвет можно получать по частям. Поддержка потока проверяется отдельно для каждой операции API.
  • Входные файлыВходные файлыМодель принимает файлы. Поддерживаемые форматы и ограничения проверяйте перед отправкой.
  • Пакетные запросыПакетные запросыПакетный режим указан в данных модели. Это не означает, что отдельный batch API уже подключён в Kvantora.
Вход
506,40 ₽
Выход
2 532,00 ₽
Кэш
25,32 ₽
за 1 млн токенов
Интеллект
53,6
Доступность
100%
API ID
anthropic/claude-opus-5.5

Данные каталога получены .

Цена

Текстовый диалог · вход
506,40 ₽ / 1 млн токенов
Текстовый диалог · выход
2 532,00 ₽ / 1 млн токенов
Текстовый диалог · вход из кэша
25,32 ₽ / 1 млн токенов

Цена указана в рублях для выбранной операции и её параметров.

Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.

О модели

Claude Opus 5.5 — флагманская модель Anthropic для программирования с агентами, работы с компьютером, сложной интеллектуальной работы и длительных задач. В описании отмечены повышенная эффективность и более естественное общение.

Релиз

Характеристики

Доступность100%
  1. 7 октября: 100%
  2. 8 октября: 100%
  3. 9 октября: 100%
Доля успешных запросов к модели за последние 72 часа. Обновляется каждые два часа.
Тип модели
Текст
Вход модели
Текст, Изображения

Данные, которые модель принимает вместе с запросом.

Выход модели
Текст

Форматы результата, которые создаёт модель.

Контекстное окно
1 000 000 токенов

Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.

Максимальный ответ
128 000 токенов

Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.

Операции
Текстовый диалог, Понимание изображений
Возможности модели
Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Структурированный ответ, Ответ в JSON, Пакетные запросы, Входные файлы, Входные изображения

Контрольные показатели

Artificial Analysis

17 показателей

Источник ↗
Индекс интеллекта
53,6 индексСводная оценка Artificial Analysis по всем её тестамПроверено

Агентная работа

  • AA-Briefcase1 689 Elo

    Агентная работа со знаниями (Elo)

    Проверено

  • AutomationBench-AA63,2 %

    Автоматизация рабочего процесса со штрафами за нарушение ограничений

    Проверено

  • AutomationBench-AA · полностью выполненные задачи41,2 %

    Полностью выполненные рабочие процессы без нарушений ограничений

    Проверено

  • GDPval-AA v21 707 Elo

    Экономически значимые задачи (Elo)

    Проверено

  • Harvey LAB-AA90,9 %

    Доля пройденных критериев юридической агентной работы

    Проверено

Рассуждение по документу

  • AA-LCR v1.182,7 %

    Рассуждение на длинном контексте с обновлённой оценкой

    Проверено

  • GDP.pdf28,8 %

    Профессиональное рассуждение по PDF: доля прохождения всех проверок

    Проверено

Устаревшие тесты

  • AA-LCR (версия не указана, архивный)82,7 %

    Оценка рассуждений на длинном контексте

    Проверено

  • GDPval-AA (версия не указана, архивный)67,3 %

    Задачи с экономической ценностью

    Проверено

Знания

  • AA-Omniscience · точность66,2 %

    Доля вопросов с правильным ответом

    Проверено

Знание

  • AA-Omniscience · доля выдуманных ответов (меньше лучше)58,6 %

    Доля неверных ответов среди некорректных ответов

    Проверено

Рассуждение

  • CritPt31,7 %

    Рассуждения по физике исследовательского уровня

    Проверено

Рассуждения

  • HLE55,6 %

    Humanity’s Last Exam — вопросы экспертного уровня

    Проверено

Документ: рассуждение

  • MLCR-AA66,7 %

    Медицинское рассуждение на длинном контексте

    Проверено

Программирование

  • SciCode60,4 %

    Программирование на Python для научных вычислений

    Проверено

  • Terminal-Bench v4.056,6 %

    Практические задачи по программированию и работе в терминале

    Проверено

Design Arena

10 показателей · проверено

Рейтинг Elo и доля побед в попарных сравнениях, оценённых людьми

Источник ↗

Агентные системы

  • Мобильные приложения · Elo1 268 Elo
  • Мобильные приложения · доля побед53 %

Модели

  • 3D · Elo1 454 Elo
  • 3D · доля побед72,5 %
  • Разработка игр · Elo1 486 Elo
  • Разработка игр · доля побед74,6 %
  • SVG · Elo1 322 Elo
  • SVG · доля побед48,5 %
  • Сайты · Elo1 359 Elo
  • Сайты · доля побед60,8 %

Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.

API-запрос

Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.

import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener

class NoRedirect(HTTPRedirectHandler):
    def redirect_request(self, req, fp, code, msg, headers, newurl):
        return None

opener = build_opener(NoRedirect)

def post(url, payload):
    request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
        "Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
        "Content-Type": "application/json",
        "Idempotency-Key": os.environ["REQUEST_ID"],
    }, method="POST")
    with opener.open(request, timeout=120) as response:
        return json.load(response)

payload = {
  "model": "anthropic/claude-opus-5.5",
  "messages": [
    {
      "role": "user",
      "content": "Объясни задачу кратко."
    }
  ]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
Документация APIСоздать API-ключ