Claude Opus 5 od środka. Co trzeba przestawić w promptach i w kodzie

Podstawa techniczna: 5 USD za milion tokenów wejściowych, 25 USD za milion wyjściowych, okno kontekstu 1M tokenów (jednocześnie domyślne i maksymalne, bez mniejszego wariantu), do 128k tokenów wyjścia na żądanie. Model jest dostępny na Claude API, Amazon Bedrock, Google Cloud i Microsoft Foundry. Pełny profil: Claude w katalogu AI. Poniżej: miejsca, w których sama podmiana identyfikatora modelu nie wystarcza.

Thinking włączony domyślnie

To zmiana, o którą rozbije się najwięcej wdrożeń.

Na Opus 4.8 zapytanie bez pola thinking szło bez rozumowania. Trzeba było jawnie ustawić thinking: {"type": "adaptive"}, żeby model zaczął myśleć. Na Opus 5 jest odwrotnie: to samo zapytanie, ten sam kod, uruchamia thinking. Model sam decyduje, kiedy i jak długo myśli w danej turze.

Konsekwencja dotyczy max_tokens. Ten limit obejmuje łącznie rozumowanie i tekst odpowiedzi. Jeżeli w kodzie masz max_tokens=4096, bo tyle wystarczało na odpowiedź bez thinking, teraz część tego budżetu zjada rozumowanie. Efekt: ucięte odpowiedzi w miejscach, gdzie wcześniej wszystko się mieściło.

Wyłączyć thinking nadal można, ale z ograniczeniem. thinking: {"type": "disabled"} przy poziomie effort xhigh albo max zwraca błąd 400. To zmiana łamiąca kompatybilność, egzekwowana per request. Jeśli masz gdzieś taką kombinację, dostaniesz twardy błąd, nie ciche pominięcie.

{
  "model": "claude-opus-5",
  "max_tokens": 8192,
  "thinking": {"type": "disabled"},
  "output_config": {"effort": "high"}
}

Effort: co naprawdę kontroluje

Parametr effort przyjmuje pięć wartości: low, medium, high, xhigh, max. Bez nagłówka beta. Domyślną jest high i przekazanie "high" daje dokładnie ten sam efekt, co pominięcie parametru.

Rekomendacje Anthropic dla Opus 5:

• xhigh na start dla kodowania i pracy agentowej
• high dla pozostałych zadań wymagających inteligencji
• low i medium znacznie mocniejsze niż na wcześniejszych Opusach, do stosowania szeroko jako główna dźwignia kosztu i czasu odpowiedzi
• max tam, gdzie zadanie uzasadnia nielimitowane wydatkowanie tokenów

Zdanie o low i medium jest ważniejsze, niż wygląda. Na Opus 4.7 i 4.8 obniżenie effort było kompromisem, na który schodziło się z konieczności budżetowej. Na Opus 5 te poziomy trzymają jakość na zadaniach, na których wcześniej trzeba było płacić za high. Anthropic mówi wprost: jeśli przeniosłeś ustawienia effort ze starszego modelu, przepuść je jeszcze raz przez własne ewaluacje zamiast zakładać, że są aktualne.

Przy xhigh i max ustaw duży max_tokens. Rekomendowany punkt wyjścia to 64k, potem strojenie pod własny ruch.

Effort działa na wszystkie tokeny odpowiedzi, nie tylko na rozumowanie. Obejmuje też wywołania narzędzi. Niższy effort oznacza mniej wywołań, łączenie operacji, wejście od razu w działanie bez preambuły. Wyższy - więcej wywołań, plan przed akcją, obszerniejsze podsumowania zmian. Dla agenta z rozbudowanym zestawem narzędzi to bezpośrednio przekłada się na liczbę tur w pętli.

Effort nie skraca odpowiedzi

Osobna sprawa, bo intuicja podpowiada coś innego.

Obniżenie effort zmniejsza objętość rozumowania. Widocznej odpowiedzi nie skróci w sposób, na którym da się polegać. Domyślne odpowiedzi Opus 5 dla użytkownika są dłuższe niż na poprzednich Opusach, i jeżeli chcesz je skrócić, trzeba o to poprosić w prompcie. Anthropic podaje działający wzorzec dla produktów konwersacyjnych:

Keep responses focused, brief, and concise. Keep disclaimers and caveats short,
and spend most of the response on the main answer. When asked to explain something,
give a high-level summary unless an in-depth explanation is specifically requested.

W długim system promcie ta instrukcja gubi się w środku. Warto ją powtórzyć krótko blisko końca:

<tone_preference>
Keep outputs reasonably concise.
</tone_preference>

Ta sama tendencja dotyczy plików, które model zapisuje na dysk. Raporty, dokumenty Markdown, podsumowania - wszystko wychodzi dłuższe niż wcześniej. Jeśli twój produkt generuje dokumenty, kalibracja długości musi być jawna: pokryj temat, ale nie dokładaj sekcji wypełniaczy, redundantnych podsumowań i boilerplate'u.

Instrukcje weryfikacji, które teraz szkodzą

Opus 5 sprawdza własną pracę bez proszenia. To jego wbudowane zachowanie, nie efekt promptu.

Wszystkie zdania typu „dodaj krok weryfikacji na końcu zadania”, „użyj subagenta do sprawdzenia wyniku”, „przed odpowiedzią zweryfikuj ponownie” nakładają się na to zachowanie i dają nadmiarową weryfikację. Model sprawdza dwa razy, płacisz za oba przebiegi, jakość zostaje ta sama. Usunięcie tych instrukcji obniża zużycie tokenów bez straty na wyniku. Dotyczy to również scaffoldingu w harnessie agentowym, jeśli dokłada osobne kroki weryfikacyjne.

Podobnie z narracją poprawek. Opus 5 częściej niż poprzednicy komentuje własne wcześniejsze wypowiedzi („wcześniej napisałem X, w rzeczywistości Y”). W produkcie dla użytkownika końcowego to szum. Ograniczenie:

Only correct an earlier statement when the error would change the user's code,
conclusions, or decisions. State corrections plainly and briefly, then continue
the task. For slips that change nothing for the user, make the fix and move on
without noting it.

Rozrost zakresu

Model potrafi rozszerzyć zadanie. Dołoży kroki, o które nikt nie prosił, albo zastosuje własny osąd co do tego, czym zadanie powinno być. Przy zadaniach z otwartą specyfikacją to zaleta. Przy wąskich - kosztuje.

Ograniczenie zakresu wymaga jawnego sformułowania. Anthropic proponuje wzorzec, który warto przeczytać uważnie, bo nie jest to zwykłe „rób tylko to, o co proszę”:

Deliver what was asked, at the scope intended. Make routine judgment calls yourself,
and check in only when different readings of the request would lead to materially
different work. If the request seems mistaken or a better approach exists, say so
in a sentence and continue with the task as asked rather than quietly narrowing,
widening, or transforming it. Finish the whole task, and stop short of actions that
are clearly beyond what was asked.

Konstrukcja jest przemyślana: model ma prawo zgłosić zastrzeżenie jednym zdaniem, ale nie ma prawa po cichu przerobić zadania na własną wersję. To zachowanie, którego brakowało wcześniejszym modelom w drugą stronę - milcząco zawężały zakres.

Subagenci

Opus 5 deleguje chętniej niż poprzednicy. Na dużych, faktycznie niezależnych blokach pracy to się opłaca. Na drobnicy mnoży koszt i czas.

Jeśli twój harness obsługuje subagentów, potrzebujesz albo twardego limitu liczby uruchomień, albo jawnej instrukcji, kiedy delegacja ma sens:

Delegate to a subagent only for large tasks that are genuinely independent and
parallelizable, such as a wide multi-file investigation. Do not delegate work you
can finish yourself in a handful of tool calls, and do not use subagents to verify
or double-check your own work. If one subagent can complete the task, use one
rather than several, and keep spawn counts low.

Zwróć uwagę na zdanie o weryfikacji - łączy się z poprzednią sekcją. Subagent-weryfikator to najdroższy sposób na zrobienie czegoś, co model i tak robi sam.

Narracja w sesjach agentowych

Opus 5 zapowiada, co zamierza zrobić, i jego wypowiedzi w trakcie pracy są dłuższe niż wcześniej. Da się to wyregulować, ale nie zakazem. Anthropic zaznacza, że pozytywne przykłady stylu komunikacji działają lepiej niż instrukcje o tym, czego nie robić. Opis kadencji zamiast listy zakazów:

Before your first tool call, say in one sentence what you're about to do. While
working, give a brief update only when you find something important or change
direction. When you finish, lead with the outcome: your first sentence should
answer "what happened" or "what did you find," with supporting detail after it
for readers who want it.

Code review: jedna instrukcja do wyrzucenia

Opus 5 znajduje realne błędy z wysoką skutecznością i niskim odsetkiem fałszywych trafień. Dokładność trzyma się także na niższych poziomach effort, co pozwala zbudować dwustopniowy proces: szybki przebieg przy commicie, dokładniejszy później.

Rzecz, która psuje wynik: instrukcje typu „zgłaszaj tylko problemy o wysokiej istotności” albo „bądź konserwatywny w ocenie”. Model wykona je dosłownie i zgłosi mniej, niż faktycznie znalazł. Właściwy układ to poprosić o wszystko, a filtrowanie zrobić w osobnym przebiegu albo po stronie kodu.

Vision, długi kontekst, arkusze

Trzy obszary, w których wcześniejsze obejścia promptowe przestały być potrzebne.

Rozpoznawanie wykresów, dokumentów i diagramów jest mocne, podobnie odwzorowywanie interfejsów. Jeśli masz w promptach sztuczki dostrojone pod ograniczenia starszych modeli, przetestuj je jeszcze raz - część już nic nie wnosi. Wynik jest najlepszy wtedy, gdy model dostanie narzędzia do iteracyjnej analizy: przycinania obrazu, oglądania fragmentów, wizualnego sprawdzenia własnej pracy. Narzędzia są tu tańszą dźwignią niż podnoszenie effort.

Okno 1M tokenów jest domyślne i maksymalne jednocześnie. Anthropic deklaruje, że wykonywanie instrukcji, wywoływanie narzędzi i rozumowanie pozostają spójne na całej długości okna. Dla analityki oznacza to możliwość wrzucenia całej dokumentacji schematu, definicji zdarzeń i kilku tysięcy wierszy przykładowych danych do jednej sesji, bez dzielenia na etapy.

Arkusze wielozakładkowe z nietrywialnymi formułami i prezentacje o poprawnej strukturze są w zasięgu modelu. Style i szablony trzeba podać jawnie - sam ich nie zgadnie.

Kiedy thinking jest wyłączony

Jeżeli integracja z jakiegoś powodu musi działać bez rozumowania, licz się z dwoma artefaktami w widocznym wyjściu.

Pierwszy: model bywa, że zapisuje wywołanie narzędzia jako tekst zamiast wyemitować blok tool_use. Tura kończy się normalnie, wywołanie nigdy nie leci, a w pętli agentowej ten tekst zostaje w historii rozmowy i zatruwa kolejne tury. Najczęściej zdarza się przy obciążeniach mocno korzystających z narzędzi, na przykład wyszukiwaniu. Obejście polega na daniu modelowi jawnej zgody na wypowiedź przed wywołaniem:

You may say a brief sentence before using a tool.

Drugi: wycieki tagów <thinking> i innych wewnętrznych tagów XML do odpowiedzi. Jeśli w system promcie masz regułę zakazującą modelowi myślenia albo rozumowania, usuń ją - taka instrukcja zwiększa liczbę wycieków. Zamiast tego ogólna forma:

Do not include internal or system XML tags in your response.

Instrukcje wymieniające konkretne tagi z nazwy działają gorzej niż wersja ogólna.

Rekomendacja Anthropic dla obu przypadków jest zresztą ta sama: zamiast wyłączać thinking, zejść z effort. Cel kosztowy da się osiągnąć bez wchodzenia w tryb, w którym pojawiają się artefakty.

Drobiazgi z realnym wpływem na rachunek

• Cache promptu od 512 tokenów. Na Opus 4.8 minimum wynosiło 1024. Krótkie prompty systemowe, które wcześniej nie kwalifikowały się do cache'owania, teraz tworzą wpisy bez żadnej zmiany w kodzie.
• Zmiana narzędzi w trakcie rozmowy (beta). Nagłówek mid-conversation-tool-changes-2026-07-01 pozwala dodawać i usuwać narzędzia między turami bez unieważniania cache. Wcześniej lista narzędzi musiała być stała przez całą sesję, co przy dużych zestawach oznaczało płacenie za kontekst narzędzi nieużywanych w danym etapie.
• Tryb "default" dla fallbacków. Parametr fallbacks przyjmuje teraz wartość, która stosuje rekomendacje Anthropic według kategorii odmowy, zamiast listy modeli utrzymywanej po twojej stronie. Wymaga nagłówka server-side-fallback-2026-07-01.
• Fast mode. Około 2,5 raza szybciej za podwójną stawkę, czyli 10 USD i 50 USD za milion tokenów. Research preview, wyłącznie na Claude API - nie ma go na Bedrock, Google Cloud ani Microsoft Foundry. Jeśli projektujesz architekturę wielochmurową, ta asymetria potrafi zaskoczyć na etapie wdrożenia.

Bezpieczeństwo i klasyfikatory

Anthropic nie trenował Opus 5 na zadaniach cyberbezpieczeństwa, celowo. Model i tak wyraźnie się w nich poprawił, jako efekt uboczny ogólnego wzrostu możliwości. Zbliżył się do Mythos 5 w wykrywaniu podatności, pozostając daleko z tyłu w budowaniu exploitów.

Klasyfikatory pozwalają szukać podatności w kodzie źródłowym, blokują natomiast skanowanie binarne, testy penetracyjne i generowanie exploitów. Według testów Anthropic uruchamiają się około 85% rzadziej niż analogiczne klasyfikatory Fable 5. W Claude.ai, Claude Code i Claude Cowork oznaczone zapytania domyślnie spadają na Opus 4.8. Zespoły, którym te ograniczenia realnie przeszkadzają, mogą korzystać z Cyber Verification Program - uczestnicy dostają wersję modelu z mniejszą liczbą restrykcji.

W audycie behawioralnym Opus 5 wypadł jako najbardziej zgodny z założeniami model Anthropic, z wynikiem 2,3 na skali zachowań niepożądanych. Niższym niż Opus 4.8, Sonnet 5 i Fable 5.

Rzecz osobna, ale istotna dla części projektów: Opus 5 nie ma wymogów retencji danych w dostępie ogólnym. Fable 5 i Mythos 5 są objęte 30-dniową retencją bez możliwości wyłączenia. Więcej o tym w porównaniu Opus 5 i Fable 5.

Co ustawić na starcie

Krótka lista dla kogoś, kto migruje w tym tygodniu:

1. Podmień identyfikator modelu na claude-opus-5.
2. Przejrzyj max_tokens we wszystkich wywołaniach - thinking wchodzi do tego limitu.
3. Znajdź thinking: {"type": "disabled"} i sprawdź poziom effort obok (xhigh i max zwrócą 400).
4. Wyrzuć z promptów instrukcje weryfikacji i podwójnego sprawdzania.
5. Sprawdź, czy w promptach do code review nie ma zawężenia typu „tylko wysoka istotność”.
6. Dodaj jawną instrukcję długości, jeśli produkt jest konwersacyjny albo generuje dokumenty.
7. Przy subagentach ustaw limit uruchomień albo warunek delegacji.
8. Przepuść własne ewaluacje przez sweep po poziomach effort zamiast przenosić ustawienia ze starego modelu.
9. Ustal jeden poziom effort na sesję, jeśli liczysz na trafienia w cache.
10. Zmierz koszt na własnym ruchu. Stawka za token spadła, ale thinking działa domyślnie i odpowiedzi są dłuższe - kierunek wypadkowej trzeba sprawdzić, nie założyć.

Punkt dziesiąty jest tym, który najczęściej pomija się przy migracji. Niższa cena jednostkowa nie oznacza automatycznie niższego rachunku, jeśli model myśli tam, gdzie wcześniej nie myślał, i pisze dłużej. Tydzień pomiarów przed rozszerzeniem wdrożenia na cały ruch to inwestycja, która zwraca się natychmiast.