ओपस 5 ने फेबल को पछाड़ा... वो भी आधी कीमत पर?

하이라이트

• Claude Opus 5, Frontier Bench पर Fable 5 से लगभग 10% बेहतर प्रदर्शन करता है और Arc AGI पर इसका स्कोर Opus 4.8 के 1.5% से बढ़कर 30.2% हो गया है।

• Opus 5 जटिल तार्किक परीक्षणों को हल करने के लिए उन्हें बीजीय अंकन (algebraic notation) में बदल देता है।

• Cursor Bench के अनुसार Fable 5 से $17 की तुलना में Opus 5 Max से एक समान कार्य केवल $8 में पूरा होता है।

• Opus 5 की डेटा प्रतिधारण (data retention) नीतियां Fable 5 की तरह सख्त नहीं हैं, जिससे Arc AGI जैसे सार्वजनिक बेंचमार्क परीक्षण संभव हो पाते हैं।

• साइबर सुरक्षा परीक्षणों में Opus 5 के क्लासिफायर Fable 5 की तुलना में 85% कम हस्तक्षेप करते हैं।

타임라인

1. 00:00 - 01:32

   Opus 5 की घोषणा और प्रमुख बेंचमार्क स्कोर

   Opus 5 को Claude Max पर डिफ़ॉल्ट मॉडल और Claude Pro प्लान पर मुख्य मॉडल के रूप में पेश किया गया है। Arc AGI परीक्षणों में यह जटिल तार्किक समस्याओं को बीजीय अंकन में बदल देता है। Fable 5 की डेटा प्रतिधारण नीतियों के कारण उसे इस बेंचमार्क में शामिल नहीं किया गया था, जबकि Opus 5 में यह सीमा नहीं है।

   • Opus 5, Frontier Bench और GDP Val जैसे कोडिंग एवं ज्ञान कार्य मूल्यांकनों में नया अत्याधुनिक मॉडल है।
   • Arc AGI बेंचमार्क पर Opus 5 का स्कोर 30.2% तक पहुंच गया, जो Opus 4.8 के 1.5% स्कोर से काफी अधिक है।
   • Opus 5 में बिना डेटा प्रतिधारण प्रतिबंधों के व्यापक पहुंच की सुविधा है।
2. 01:32 - 03:27

   थर्ड-पार्टी इंडेक्स और लागत तुलना

   कोडिंग इंडेक्स पर Opus 5 केवल 0.3 अंक से GPT 5.6 Sol Extra High से पीछे रहता है लेकिन Fable 5 से 1.5 अंक आगे है। मूल्य निर्धारण के मामले में GPT 5.6 Sol Opus 5 से आधे से भी कम कीमत पर उपलब्ध है, लेकिन Opus 5 अधिकांश कार्यों में Fable 5 का 95% विकल्प बन सकता है।

   • Artificial Analysis के कोडिंग इंडेक्स में Opus 5 दूसरे स्थान पर है और एजेंटिक इंडेक्स में Fable 5 को पछाड़ देता है।
   • Cursor Bench पर समान कार्य के लिए Fable 5 की $17 लागत के मुकाबले Opus 5 केवल $8 लेता है।
   • 10 लाख इनपुट टोकन के लिए $5 और 10 लाख आउटपुट टोकन के लिए $25 पर इसकी कीमत Opus 4.8 के समान है।
3. 03:27 - 05:53

   3D F1 रेसिंग गेम डेवलपमेंट टेस्ट

   बिना किसी बाहरी एसेट के Opus 5 ने कार्यात्मक लैप टाइमिंग, कार कंट्रोल और कोलिजन डिटैक्शन के साथ सबसे विस्तृत 3D मॉडल तैयार किए। Fable 5 ने भी अच्छा परिणाम दिया लेकिन उसके मॉडल बुनियादी थे। GPT 5.6 Sol और Kimi K3 के परिणाम ट्रैक में खराबी और एसेट की समस्याओं के कारण Opus 5 से पीछे रहे।

   • Three.js के उपयोग से एकल HTML फ़ाइल में F1 रेसिंग गेम बनाने में Opus 5 ने सबसे सटीक 3D मॉडल प्रस्तुत किए।
   • Opus 5 को यह कार्य पूरा करने में 46 मिनट 51 सेकंड लगे और API लागत $12.99 रही।
   • Opus 5 ने Fable 5 की तुलना में 5 गुना अधिक टोकन का उपयोग किया।
4. 05:53 - 09:27

   फुल-स्टैक पर्सनल फाइनेंस डैशबोर्ड टेस्ट

   Opus 5 ने सभी अनुरोधित सुविधाओं और बेहतर UI डिज़ाइन के साथ एक पूर्ण कार्यात्मक एप्लिकेशन बनाया। Fable 5 ने अपनी खुद की राउटिंग लाइब्रेरी बनाई, जबकि GPT 5.6 Sol ने NextJS और Drizzle का उपयोग किया। इस जटिल कार्य में Opus 5 और Fable 5 की लागत और समय लगभग समान रहे।

   • फुल-स्टैक फाइनेंस ऐप के लिए Opus 5 ने फ्रंटएंड में React/React Router और बैकएंड में Express/Node SQLite का उपयोग किया।
   • फाइनेंस टेस्ट में Opus 5 की लागत $29.82 (59 मिनट 15 सेकंड) और Fable 5 की लागत $30.79 (56 मिनट 55 सेकंड) आई।
   • Kimi K3 ने असली डेटाबेस के बजाय JSON फ़ाइल में डेटा सहेजा।
5. 09:27 - 10:14

   साइबर सुरक्षा नीतियां और अंतिम निष्कर्ष

   साइबर सुरक्षा के मामलों में Opus 5 के नियम Opus 4.8 के समान हैं और Fable 5 जितने सख्त नहीं हैं। वर्तमान बाजार में Anthropic बुद्धिमत्ता की सीमाओं को बढ़ा रहा है जबकि अन्य प्रतियोगी कीमतों और उपलब्धता पर प्रतिस्पर्धा कर रहे हैं।

   • Opus 5 सोर्स कोड में कमजोरियों को खोजने की अनुमति देता है लेकिन बाइनरी स्कैनिंग और पेनेट्रेशन टेस्टिंग को ब्लॉक करता है।
   • Opus 5 के सुरक्षा क्लासिफायर Fable 5 की तुलना में 85% कम हस्तक्षेप करते हैं।
   • AI मॉडल बाजार में GPT 5.6 कम कीमतें, Kimi K3 ओपन-वेट विकल्प और Anthropic उच्च बुद्धिमत्ता प्रदान कर रहे हैं।