Anthropic ha lanciato Claude Opus 5, ma la notizia non è soltanto “un modello più potente”. Il prezzo resta quello di Opus 4.8, mentre nei benchmark pubblicati da Anthropic la performance su Frontier-Bench raddoppia. Se porta a termine più lavoro con gli stessi token, il costo che scende davvero è quello per task, non quello di listino.
È il dato che mi interessa quando uso l’AI per scrivere codice, analizzare documenti, gestire agenti o automatizzare processi: quante chiamate servono prima di ottenere qualcosa di utilizzabile?
Claude Opus 5 è disponibile dal 24 luglio 2026 con model ID API claude-opus-5, su Claude.ai, Claude Code, Claude Cowork e API. È il modello predefinito su Claude Max e quello più potente disponibile su Claude Pro. Anthropic lo presenta qui.
Una nota di metodo, prima di partire: tutto quello che leggi qui viene dalla pagina di annuncio ufficiale, video e tabelle comprese. Anthropic ha pubblicato due demo video sul canale YouTube Claude (le trovi qui sotto, incorporate) e una tabella comparativa dei benchmark, che ho ripreso citando la fonte. Tutti i numeri sono dichiarati da Anthropic e io non li ho verificati in modo indipendente.
| Voce | Valore | Stato |
|---|---|---|
| Prezzo input | 5 $ / 1 milione di token | dichiarato |
| Prezzo output | 25 $ / 1 milione di token | dichiarato |
| Benchmark Frontier-Bench v0.1 | 43,3% (Fable 5 33,7%, Opus 4.8 21,1%, GPT-5.6 Sol 34,4%) | dichiarato |
| Benchmark GDPval-AA v2 | 1861 (Fable 5 1747, Opus 4.8 1593, GPT-5.6 Sol 1736) | dichiarato |
| Benchmark CursorBench 3.2 | Entro lo 0,5% dal punteggio massimo di Fable 5, a metà del costo per task | dichiarato |
| Benchmark ARC-AGI-3 | 30,2% (Opus 4.8 1,5%, GPT-5.6 Sol 7,8%) | dichiarato |
| Benchmark Zapier AutomationBench | 26,0% (Fable 5 17,4%, Opus 4.8 17,0%, GPT-5.6 Sol 18,1%) | dichiarato |
| Benchmark OSWorld 2.0 | 70,6% (Fable 5 66,1%, Opus 4.8 55,7%, GPT-5.6 Sol 62,6%) | dichiarato |
| Non è primo su | DeepSWE v1.1, FrontierCode v1.1, task legali e sanitari | dichiarato |
Il prezzo non cambia. Il costo del lavoro sì
Claude Opus 5 costa 5 dollari per milione di token in input e 25 dollari per milione di token in output, esattamente come Opus 4.8.
| Modello | Input | Output | Cosa cambia |
|---|---|---|---|
| Claude Opus 4.8 | 5 dollari per milione di token | 25 dollari per milione di token | Modello precedente |
| Claude Opus 5 | 5 dollari per milione di token | 25 dollari per milione di token | Più lavoro completato secondo i benchmark Anthropic |
| Claude Opus 5 Fast mode | 2 volte il prezzo base | 2 volte il prezzo base | Risposte 2,5 volte più veloci |
Anthropic dichiara che Opus 5 raddoppia la performance di Opus 4.8 su Frontier-Bench, con un costo inferiore per task. Metto però l’asterisco: sono risultati pubblicati da Anthropic, non benchmark verificati personalmente.
Su un agente che corregge codice, usa strumenti, rilegge file e riprova dopo un errore, il conto dipende anche dai tentativi necessari. Il prezzo per token resta uguale; potenzialmente diminuisce il lavoro buttato via.
Il vero strumento pratico è l’effort setting
L’effort setting mi sembra più interessante del punteggio su ARC-AGI: permette di decidere quanto ragionamento dedicare a un compito e di bilanciare qualità, costo e velocità.
Lo userei così:
- effort basso per riscrivere una funzione, estrarre dati o preparare una prima bozza;
- effort medio per rivedere una pull request, analizzare un errore o costruire una piccola automazione;
- effort alto per task distribuiti su molti file, con strumenti esterni e vincoli difficili da verificare.
Non risolve un processo progettato male, ma evita di usare sempre la configurazione più costosa. Il Fast mode promette risposte 2,5 volte più veloci, ma costa 2 volte il prezzo base. Ha senso se il problema è l’attesa; per batch notturni e task non urgenti valuterei con attenzione il sovrapprezzo.
Cosa ci farei davvero ogni giorno
Il caso più ovvio è il coding agentico. Non mi limiterei al completamento di snippet: chiederei al modello di:
- leggere il repository e ricostruire i principali punti di ingresso;
- proporre modifiche distribuite su più file;
- eseguire test e strumenti collegati;
- analizzare gli errori;
- correggere il piano e riprovare;
- spiegare ciò che ha modificato.
È qui che la performance sui task lunghi conta più della singola risposta. Un modello può gestire bene uno snippet e perdersi quando deve mantenere il contesto, usare strumenti e verificare i risultati in più passaggi.
Per questo lo proverei soprattutto dentro Claude Code e Claude Cowork, non soltanto in chat. Se usi Claude Code su una macchina remota, resta il problema della continuità della sessione. Può aiutare la guida su come rendere Claude Code persistente su un VPS.
Lo userei anche per trasformare documentazione tecnica in procedure operative, confrontare versioni di una specifica, cercare anomalie nei dati, costruire automazioni con strumenti esterni e preparare una prima analisi da validare manualmente.
Un agente più autonomo può fare più lavoro, ma può anche trascinarsi dietro un errore per diversi passaggi prima che me ne accorga.
Le due demo ufficiali: cosa costruisce da solo
Nell’annuncio Anthropic non mette slide di marketing, ma due registrazioni: il modello riceve una richiesta e produce un artefatto interattivo funzionante. Sono le uniche demo ufficiali del lancio, pubblicate sul canale YouTube Claude, e le incorporo qui sotto.
Quello che guardo qui non è la grafica: è che il risultato sia una galleria del vento che gira davvero e reagisce ai parametri, non un mockup. Il metro pratico è la distanza fra la richiesta iniziale e qualcosa di eseguibile senza che io debba ricucire i pezzi a mano. Resta comunque una demo scelta da chi vende il modello: mi dice cosa riesce a fare nel caso migliore, non cosa farà in media sul mio codice.
La seconda demo è più didattica: una cellula animale in 3D navigabile, costruita come artefatto singolo. Mi interessa perché è il tipo di output che di solito richiede una libreria, un po’ di impalcatura e diversi tentativi. Se serve davvero un passaggio solo, a cambiare non è il costo di finire un’idea, ma il costo di provarla.
I benchmark sono forti, ma vanno letti per quello che sono
Anthropic dichiara che Claude Opus 5 raggiunge lo stato dell’arte su Frontier-Bench v0.1 e GDPval-AA, e nell’annuncio pubblica una tabella di confronto con Fable 5, Opus 4.8 e GPT-5.6 Sol. La riporto qui sotto, perché i numeri esatti dicono più delle sintesi tipo «raddoppia» o «tre volte tanto».
I valori dichiarati per Opus 5, riga per riga:
- coding agentico da terminale, Frontier-Bench v0.1: 43,3%, contro 33,7% di Fable 5, 21,1% di Opus 4.8 e 34,4% di GPT-5.6 Sol;
- lavoro di conoscenza, GDPval-AA v2: 1861, contro 1747, 1593 e 1736;
- problemi nuovi, ARC-AGI-3: 30,2%, contro 1,5% di Opus 4.8 e 7,8% di GPT-5.6 Sol;
- ricerca agentica, BrowseComp: 90,8%;
- computer use, OSWorld 2.0: 70,6%;
- workflow aziendali, AutomationBench: 26,0%;
- ragionamento multidisciplinare, Humanity’s Last Exam con strumenti: 64,7%;
- su CursorBench 3.2, al massimo livello di effort, arriva a meno dello 0,5% da Claude Fable 5, ma a metà del costo;
- nelle scienze della vita migliora di 10,2 punti percentuali in chimica organica e di 7,7 punti nella predizione delle variazioni proteiche rispetto a Opus 4.8.
La parte che trovo più onesta della tabella, però, è un’altra: nella stessa immagine Opus 5 non vince ovunque.
- su DeepSWE v1.1, coding agentico, davanti c’è GPT-5.6 Sol con 72,7% contro 68,8%;
- su FrontierCode v1.1 passa avanti Fable 5, 53,5% contro 53,4%: distanza minima, ma resta una sconfitta;
- sui task legali (Legal Agent Benchmark, held-out) Fable 5 arriva a 13,3% contro 11,7%;
- in ambito sanitario (HealthBench Professional) il migliore è Mythos 5 con 66,0%, contro il 59,8% di Opus 5.
Detto in modo diretto: se devi scegliere un modello per un compito preciso, ha ancora senso confrontare riga per riga. La sintesi «è il migliore» non regge quasi mai, e vale anche per il modello di cui sto parlando bene.
Sono numeri utili, ma comunicati da Anthropic. Non li considero una prova definitiva di superiorità in qualunque ambiente reale.
La lettura prudente è che Opus 5 punti a un rapporto qualità/costo migliore sui task lunghi e operativi. Anthropic lo colloca vicino all’intelligenza di frontiera di Claude Fable 5, a circa metà del prezzo. Avevo già analizzato il ritorno di Claude Fable 5: qui la domanda non è quale modello abbia il punteggio più alto, ma quale livello serva davvero nel lavoro quotidiano.
Il limite dichiarato conta: non è il migliore su tutto
Apprezzo il caveat sulla sicurezza. Claude Opus 5 ha ottenuto un punteggio di comportamento disallineato pari a 2,3, il valore più basso tra i modelli recenti secondo Anthropic.
Ma non è lo stato dell’arte sulle capacità dual use più rischiose, come l’exploitation in cybersecurity. I classificatori cyber sono circa l’85% meno restrittivi rispetto a Fable 5; le richieste cyber bloccate vengono instradate su Opus 4.8.
Per alcuni flussi di sicurezza può essere interessante. Prima della produzione, però, va capita bene questa distinzione: un modello può ragionare molto bene in generale e avere limiti intenzionali su capacità operative specifiche.
Due novità beta per chi costruisce prodotti
Sulla Claude Platform sono in beta due funzioni:
- cambiare gli strumenti disponibili a metà conversazione;
- configurare via API il fallback automatico su altri modelli.
La prima permette di partire dall’analisi e abilitare gli strumenti solo quando servono. La seconda riduce la dipendenza da un singolo modello se quello principale non risponde, è lento o raggiunge un limite.
Non è una soluzione completa al vendor lock-in. Servono interfacce astratte, log, test e la possibilità di cambiare provider senza riscrivere tutto. In produzione il modello è solo un componente dentro una catena di strumenti, permessi, timeout e controlli.
Conclusione
Claude Opus 5 mantiene il prezzo di Opus 4.8 e, secondo i benchmark pubblicati da Anthropic, promette più lavoro dentro lo stesso budget.
Io guarderei soprattutto tre cose: costo per task, effort setting e limiti dichiarati. Lo valuterei per coding agentico, automazioni con strumenti esterni e analisi multi-step, non perché vince una tabella.
Il prezzo è uguale. La domanda è quanto lavoro riesca davvero a togliermi dalle mani.
Che cosa cambia davvero con Claude Opus 5 rispetto a Opus 4.8?
Il cambiamento pratico non è un prezzo di listino più basso, perché resta a 5 dollari per milione di token in input e 25 in output. Il punto è il costo per task: Anthropic dichiara che Opus 5 raddoppia la performance su Frontier-Bench rispetto a Opus 4.8, quindi può completare lavori più complessi con meno tentativi e meno consumo.
Quanto costa usare Claude Opus 5 e quando conviene il Fast mode?
Il prezzo base è invariato rispetto a Opus 4.8: 5 dollari per milione di token in input e 25 in output. Il Fast mode è dichiarato 2,5 volte più veloce, ma costa il doppio del prezzo base. Io lo userei per iterazioni interattive o agenti dove il tempo conta più del budget, non come impostazione automatica per ogni chiamata.
A cosa serve l’effort setting nell’uso quotidiano?
L’effort setting permette di scegliere quanto ragionamento chiedere al modello. Con un livello più contenuto punto a velocità e costo, mentre per debugging difficile, analisi tecniche o piani multi passaggio aumento lo sforzo. È una leva utile perché evita di pagare sempre il massimo livello di ragionamento anche quando il compito è semplice.
Claude Opus 5 funziona anche in locale o serve un servizio online?
Secondo l’annuncio ufficiale, Opus 5 è disponibile su Claude.ai, Claude Code, Claude Cowork e tramite API, con model ID claude-opus-5. Non viene indicata una distribuzione locale. Perciò lo considero un modello da usare tramite servizi Anthropic, non un peso da scaricare e avviare autonomamente sul proprio computer.
Che cosa ci faccio davvero durante una giornata di lavoro?
Io lo userei per rivedere codice, proporre patch, seguire un repository con strumenti e controllare automazioni prima dell’esecuzione. È interessante anche per analisi documentali e flussi agentici, dove deve pianificare più passaggi. Imposterei effort basso per trasformazioni ripetitive e lo alzerei per debugging, ricerca tecnica o decisioni che richiedono verifiche incrociate.
Claude Opus 5 è migliore di ogni altro modello?
No, e lo dice la tabella ufficiale stessa. Su DeepSWE v1.1 il primo è GPT-5.6 Sol (72,7% contro 68,8%), su FrontierCode v1.1 e sui task legali passa avanti Fable 5 (53,5% e 13,3%), su HealthBench Professional il migliore è Mythos 5 (66,0% contro 59,8%). I risultati dipendono dal compito e i dati disponibili qui sono benchmark dichiarati da Anthropic, non verificati indipendentemente da me. Anthropic lo presenta come forte su Frontier-Bench, GDPval-AA, computer use e automazione, ma dichiara anche limiti deliberati su alcune capacità dual-use rischiose, soprattutto in cybersecurity. Non lo sceglierei quindi per una classifica assoluta.
Ci sono video ufficiali che mostrano Claude Opus 5 al lavoro?
Sì, due, pubblicati sul canale YouTube Claude e richiamati nell’annuncio Anthropic: «Claude Opus 5 builds a working wind tunnel» e «Claude Opus 5 builds a 3D interactive animal cell». In entrambi il modello produce un artefatto interattivo funzionante a partire da una richiesta. Li trovi incorporati qui sopra, nella sezione dedicata alle demo ufficiali.
Quali limiti di sicurezza bisogna considerare?
Anthropic dichiara un punteggio di comportamento disallineato pari a 2,3 e classificatori cyber circa 85% meno restrittivi rispetto a Fable 5. Allo stesso tempo, il modello non è stato portato allo stato dell’arte sulle capacità dual-use rischiose per scelta deliberata. Le richieste cyber bloccate vengono instradate su Opus 4.8, quindi alcuni flussi possono cambiare modello.
Per la stesura dell’articolo ho usato l’annuncio ufficiale di Anthropic come fonte primaria.
Anthropic
Introducing Claude Opus 5
È la fonte primaria per disponibilità, prezzi, effort setting, benchmark dichiarati, sicurezza e nuove funzioni della piattaforma. Da qui viene anche la tabella comparativa riprodotta nell’articolo.
Apri fonteCanale Claude
Demo ufficiali di Claude Opus 5
Canale YouTube ufficiale Claude: da qui provengono i due video incorporati, la galleria del vento e la cellula animale in 3D.
Apri fonte
Nuovo su Google
Aggiungi francescogruner.it come fonte preferita
Se leggi spesso i miei articoli su AI, automazione e tecnologia, ora puoi dire a Google che vuoi vedere più spesso i contenuti di francescogruner.it tra le notizie.
