Claude Opus 5.5: gyorsabb, olcsóbb és Fable-szintű? Bemutató, benchmarkok, előnyök és hátrányok

Az Anthropic 2026. szeptember 22-én, alig két hónappal a Claude Opus 5 után kiadta a Claude Opus 5.5 modellt. A cég szerint az újdonság a legtöbb munkában hozza a nagyobb és drágább Claude Fable 5.1 szintjét, a tipikus munkaterhelésen pedig nagyjából 40%-kal olcsóbb futtatni, mint az elődjét. A független Artificial Analysis összesített intelligenciaindexén ráadásul még aznap 58 ponttal az élre ugrott, öt ponttal a GPT-6 Astra és a Fable 5.1 elé. Szép menetlevél, csak éppen az OpenAI nem hagyta sokáig ünnepelni: 90 perccel később bemutatta a GPT-6 Sol és a GPT-6 Luna modellt, amelyek tokenára fele, illetve töredéke az Opusénak.

Egy magyar kis- vagy középvállalat vezetőjét persze nem az érdekli, ki áll egy keddi napon a ranglista élén, hanem az, hogy olcsóbb lesz-e a havi AI-számla, jobb szöveget ír-e a modell a hírlevélbe, illetve kell-e bármit átírni a meglévő automatizációkban. A folytatásban 2026. szeptember 22-i állapot szerint végigvesszük, mit mutatnak a gyártói és a független mérések, mennyibe kerül mindez forintban és hol erősebb a GPT-6 Astra vagy a GPT-6 Sol. Az újdonságoknak ugyanis ára is van: a gondolkodási mód már nem kapcsolható ki, a kiberbiztonsági kérések nagy részét a rendszer egy régebbi modellhez irányítja, az Anthropic pedig maga írja, hogy a modell gyakran gyanítja, hogy éppen tesztelik.

Röviden

• A Claude Opus 5.5 az Anthropic 2026. szeptember 22-én kiadott frontmodellje, amely a cég szerint a legtöbb feladatban a Claude Fable 5.1 szintjén teljesít, az Opus 5-nél kb. 40%-kal olcsóbban fut és több mint 30%-kal gyorsabban generálja a kimenetet.
• A listaár millió tokenenként 4 dollár bemenetre és 20 dollár kimenetre (kerekített 320 Ft-os árfolyammal 1 280, illetve 6 400 Ft), a gyorsítótár-olvasás 0,20 dollár, a kontextusablak 1 millió token.
• A gyártói teszteken látványos az előny (Terminal-Bench 4.0: 66,4%, GDPval-AA: 1 846 Elo, OSWorld 2.0: 81,8%), a független Artificial Analysis egységes környezetében azonban a Terminal-Bench 4.0 eredmény csak 59,6%, ami holtverseny a GPT-6 Astrával.
• A Claude Opus 5.5 hátránya, hogy a gondolkodási mód nem kapcsolható ki, a kényszerített eszközhívás megszűnt, a kiberbiztonsági kérések nagy része az Opus 4.8-hoz kerül, maximális erőfeszítésen pedig az Artificial Analysis szerint feladatonként kb. 119 ezer kimeneti tokent használ az Opus 5 nagyjából 73 ezrével szemben.
• Az OpenAI GPT-6 Sol modellje millió tokenenként 2 és 10 dollárba kerül, vagyis feleannyiba, mint az Opus 5.5, a Digital Applied által összesített Artificial Analysis-adatok szerint viszont 47,5 pontot ért el az intelligenciaindexen az Opus 5.5 kb. 58 pontjával szemben.
• Egy magyar KKV-nak akkor éri meg váltani, ha már Opus 5-öt használ vagy összetett kódolási, elemzési és hosszú dokumentumos feladatai vannak, nagy volumenű, egyszerű feladatokra viszont a GPT-6 Sol vagy egy kisebb modell az olcsóbb választás.

Mi az a Claude Opus 5.5 és mi változott az Opus 5-höz képest?

A Claude Opus 5.5 az Anthropic 2026. szeptember 22-én kiadott, ügynöki kódolásra, számítógép-használatra és hosszú tudásmunkára szánt nyelvi modellje. Az Opus 5-höz képest 20%-kal olcsóbb tokenáron fut, a gyártó szerint kevesebb lépésből végez a feladatokkal és természetesebben ír, a gondolkodási módja viszont már nem kapcsolható ki.

A frontmodell (angolul frontier model) a nagy AI-laborok legnagyobb képességű, csúcskategóriás nyelvi modelljeinek gyűjtőneve. Az Anthropic kínálatában az Opus fölött a nagyobb és drágább Fable áll (a Fable 5.1 millió tokenenként 10 dollárba kerül bemenetre és 50 dollárba kimenetre), alatta a kisebb Sonnet 5.5 és Haiku 5.5, amelyek a cég szerint „a következő hetekben” érkeznek. Az Opus 5.5 így nem a legnagyobb Claude, hanem a legtöbb cégnek szánt alapértelmezett munkaló.

A kiadás időzítése sem véletlen. A Reuters szeptember 19-i értesülése szerint az Anthropic a tőzsdei bevezetés előtt azért fontolgatott új modellt, hogy ellensúlyozza az OpenAI szeptember 3-án kiadott GPT-6 Astra modelljének lendületét. A TechCrunch beszámolója arra is emlékeztet, hogy Dario Amodei vezérigazgató nemrég amellett érvelt, hogy a képességek fejlesztését tudatosan lassítani kell, így a biztonsági kutatás lépést tarthat vele. A két üzenet között van némi feszültség, a piaci verseny azonban láthatóan erősebb érvnek bizonyult.

Mit ígér az Anthropic?

A Fable-szint, a 40%-os megtakarítás és a gyorsabb kimenet mellett a cég az ügynöki kódolást, a számítógép-használatot, a tudásmunkát és a hosszan futó feladatokat (például egy teljes kódbázis migrálását) emeli ki erősségként. A bejelentés néhány konkrét példát is hoz, ezek azonban a gyártó által kiválasztott esetek, nem független mérések. Az egyik tesztelő egy 680 000 soros kódmigrációt kevesebb mint egy nap alatt végzett el vele, a HAProxy nevű szoftver C nyelvről Rustra fordítása 9,5 óra alatt készült el a Fable 5.1 12 órájával szemben, 51%-kal alacsonyabb költséggel, egy vállalatfelvásárlási elemzés pedig 63 perc alatt futott le az Opus 5 93 perce helyett, feleannyi költségből. Biztató számok, csak ne feledd, hogy egy bejelentésbe mindig a legjobb idézetek kerülnek.

Mi változott a motorháztető alatt?

Az Anthropic fejlesztői dokumentációja szerint az Opus 5.5 kontextusablaka 1 millió token, a maximális kimenet 128 ezer token, a tudása 2026 júniusáig terjed. A modellt legkorábban 2027. szeptember 22-én vezethetik ki, így legalább egy évig tervezhetsz vele. A kontextusablak az a szövegmennyiség, amelyet a modell egyszerre „lát”: 1 millió token nagyságrendileg ezer oldalnyi szöveg vagy egy közepes méretű kódbázis.

A legnagyobb szemléletbeli változás a gondolkodás. Az Opus 5.5 adaptív gondolkodással (adaptive thinking) dolgozik, vagyis a válasz előtt maga dönti el, mennyit „töpreng”, a keretet pedig az erőfeszítési szint (effort) szabja meg öt fokozatban: low, medium, high, xhigh és max. Az alapértelmezett szint medium lett, míg az Opus 5-nél high volt, a dokumentáció szerint ugyanakkor azonos szinten az új modell fordulónként többet gondolkodik, főleg xhigh és max beállításon. A két változás részben kioltja egymást, ezért a korábbi beállításaidat nem érdemes vakon átmásolni.

Fejlesztői szemmel a legfontosabb, hogy a kényszerített eszközhívás megszűnt, a számítógép-használathoz a Claude API-n új eszközverzió kell, míg az eszközhívások közötti állapotjelzések alapbeállításban üresen érkeznek, így a folyamatjelzőt mutató alkalmazások elnémulhatnak. Kedvező változás, hogy a gyorsítótárazható prompt minimális hossza 1 024-ről 512 tokenre csökkent, ami rövidebb rendszerpromptoknál is spórolást hozhat.

Mit mutatnak a benchmarkok: Terminal-Bench 4.0 66,4%, GDPval-AA 1 846, OSWorld 81,8%?

Az Anthropic által közölt kilenc teszt mindegyikén a Claude Opus 5.5 megelőzi a Fable 5.1-et és az Opus 5-öt, a GPT-6 Astrát pedig a kódolási és a tudásmunka-teszteken veri. Az Astra az AutomationBench üzleti automatizálási tesztjén és a Terminal-Bench-Science tudományos feladatain marad előrébb.

A benchmark olyan szabványos tesztsor, amelyen a modellek teljesítményét azonos feladatokkal hasonlítják össze. Az alábbi táblázatban a gyártói számok mellett ott vannak a független Artificial Analysis (AA) mérései is, továbbá ahol van adat, a GPT-6 Sol és a SpaceXAI (korábban xAI) szeptember 21-én kiadott Grok 4.7 modelljének eredményei. Ahol a szám nem az Anthropic táblázatából származik, a forrást zárójel jelzi.

A táblázat forrásai az Anthropic és az OpenAI bejelentései, az Artificial Analysis méréseit ismertető OfficeChai-cikk, a Digital Applied összehasonlítása, a Grok 4.7-nél az AA elemzése és az xAI közlése. A Grok 4.7 Terminal-Bench-eredményét a The Decoder 26%-nak írta (az eltérés valószínűleg a futtatási környezetből adódik), az Astra OSWorld-eredménye pedig az OpenAI saját mérése, így ezek csak tájékoztató jellegűek.

Mit mérnek ezek a tesztek egy cégvezető nyelvén?

A Terminal-Bench 4.0 a parancssoros fejlesztői munkát méri, ami egy KKV-nál egy webshop-bővítmény javításánál vagy egy n8n-folyamat kódrészleténél jön elő. A GDPval-AA v2.1 gazdaságilag értékes tudásmunkát modellez (elemzést, riportot, szakmai dokumentumot) és Elo-pontszámban adja meg az eredményt. Az Elo a sakkból ismert relatív rangsor, amelyben a különbség számít, nem az abszolút érték: az Opus 5.5 és a GPT-6 Astra közötti 304 pont ezen a skálán nagy rés, vagyis irodai szakmai anyagok készítésében az Opus 5.5 jelenleg az egyik legerősebb modell. Az OSWorld 2.0 valódi asztali és böngészős feladatokon méri a számítógép-használatot.

Hol vezet a GPT-6 Astra?

A gyártói számok szerint a GPT-6 Astra két területen marad előrébb: az AutomationBench üzleti automatizálási tesztjén (41,4% a 40,0%-kal szemben, ami elhanyagolható különbség) és a tudományos kutatási feladatokat mérő Terminal-Bench-Science teszten (64,6% az 58,7%-kal szemben, ami már érdemi különbség). Az OpenAI a matematikában (FrontierMath Tier 4: 97,6%) is erős eredményt közölt az Astráról, erre az Anthropic nem adott összevethető számot. Üzleti automatizálásban tehát a két modell nagyjából egy szinten van, az Astra azonban millió tokenenként két és félszer annyiba kerül, a 40% körüli eredmény pedig azt is jelzi, hogy a tesztelt feladatok nagyobb részét egyik modell sem oldotta meg hibátlanul, így emberi jóváhagyási pontokra továbbra is szükség van.

Mennyire lehet hinni a gyártói benchmarkoknak?

Csak óvatosan: ezt maga az Anthropic is kimondja. A cég szerint ezen a képességszinten a benchmarkokon mért különbségek egyre kevésbé megbízható iránytűk a valós különbségekhez, a független Artificial Analysis egységes környezetben mért eredményei pedig több teszten is alacsonyabbak a gyártói számoknál.

A legbeszédesebb példa a Terminal-Bench 4.0: az Anthropic 66,4%-ot közölt, az Artificial Analysis viszont, amely minden modellt ugyanabban a tesztkörnyezetben futtat, 59,6%-ot mért, pontosan annyit, mint a GPT-6 Astránál. A gyártói 8,5 pontos előnyből így a független mérésen holtverseny lett. A Humanity's Last Exam teszten 67,7% helyett 61,4% jött ki, ami az OfficeChai által ismertetett AA-adatok szerint még így is a mezőny legjobbja.

Az eltérés nem feltétlenül szépítés. Az Anthropic lábjegyzete szerint a közölt Opus 5.5-eredmények maximális erőfeszítésen készültek, miközben a modell alapértelmezett szintje medium, a gyártók ráadásul jellemzően a saját, a modellhez hangolt keretrendszerükben mérnek. A Kingy AI összehasonlítása szerint ugyanazt az Opus 5 modellt az Anthropic 74%-kal, az OpenAI 70,2%-kal jegyzi az OSWorld 2.0 teszten, ami nagyobb eltérés, mint egyes modellek közötti különbség.

Az összesített független mérés ugyanakkor a gyártói narratívát erősíti: az Artificial Analysis Intelligence Indexén az Opus 5.5 maximális erőfeszítésen 58 pontot ért el, öt ponttal a GPT-6 Astra és a Fable 5.1 előtt. Az OfficeChai szerint a gyengébb pontok között a CritPt fizikai, az AA-LCR hosszú kontextusú és a GDP.pdf dokumentumos teszt szerepel, vagyis a nagyon hosszú dokumentumok kezelésében az újdonság nem egyértelműen jobb.

A legfontosabb független adat talán nem is a pontszám, hanem a tokenfelhasználás. Az Artificial Analysis szerint az Opus 5.5 maximális erőfeszítésen feladatonként kb. 119 ezer kimeneti tokent használt, az Opus 5 kb. 73 ezret, a GPT-6 Astra kb. 27 ezret. Ez ellentmondani látszik a partnerek „feleannyi token” beszámolóinak, pedig valószínűleg mindkettő igaz: alacsonyabb erőfeszítésen az Opus 5.5 hatékonyabb, a maximális szinten viszont sokkal többet gondolkodik, így a 40%-os megtakarítás nem automatikus.

Ár: 4 és 20 dollár, kb. 40%-kal olcsóbb futtatás, olcsóbb gyorsítótár

A Claude Opus 5.5 listaára millió tokenenként 4 dollár bemenetre és 20 dollár kimenetre, ami 20%-kal kevesebb, mint az Opus 5 esetében (5 és 25 dollár). A gyorsítótárból olvasott token 0,20 dollár (60%-os csökkenés), a kötegelt feldolgozás 50% kedvezményt ad, a gyors mód pedig 8 és 40 dollárba kerül.

A token a nyelvi modellek elszámolási egysége, egy szónál jellemzően rövidebb szövegdarab, a magyar szöveg ráadásul általában több tokenre bomlik, mint ugyanannyi angol. Az Opus 5.5-nél a kimeneti tokenek közé a gondolkodás is beletartozik, amely itt nem kapcsolható ki, így a kimeneti ár súlya nagyobb, mint egy gondolkodás nélkül is futtatható modellnél.

Források: az Anthropic, az OpenAI, a Digital Applied, a Kingy AI és a Grok 4.7-nél az Artificial Analysis szeptemberi közlései. A forintos értékek kerekített, 320 Ft-os dollárárfolyammal készültek, a tényleges árfolyam szeptember 21-én kb. 317 Ft volt.

Honnan jön a 40%, ha az ár csak 20%-kal csökkent?

Az Anthropic 40%-os állítása a tokenár és a tokenfelhasználás együttes hatása: az ár 20%-kal kisebb, a modell pedig a cég szerint kevesebb lépésből és tokenből oldja meg ugyanazt. Az Optiver például arról számolt be, hogy az Opus 5.5 nagyjából feleannyi forduló, idő és kimeneti token felhasználásával hozta az Opus 5 minőségét, ami náluk 40 és 50% közötti költségcsökkenést jelentett. Egy részlet mellett azonban nem érdemes elmenni: az alapértelmezett erőfeszítés ugyanebben a kiadásban high-ról medium-ra változott, így aki semmit nem állít be, az már ettől is kevesebb tokent fizet. Olyan ez, mint amikor a pékség olcsóbban adja a kiflit, amely közben egy kicsit kisebb is lett: a kérdés az, hogy neked így is elég-e.

A gyorsítótár a valódi meglepetés

A gyorsítótárazás (prompt caching) azt jelenti, hogy a kérésről kérésre ismétlődő szövegrészt, például a rendszerpromptot, a céges tudásbázist vagy a kódbázist a szolgáltató rövid időre eltárolja, majd a következő hívásnál töredékáron olvassa vissza. Az Opus 5.5-nél az olvasás millió tokenenként 0,20 dollár, vagyis az alap bemeneti ár huszada, az ötperces írás 5 dollár, az egyórás írás 8 dollár. Egy ügyfélszolgálati botnál vagy kódolóügynöknél, amely minden kérésnél ugyanazt a nagy hátteret küldi el, ez a tétel adja a számla jelentős részét, így ott a 60%-os csökkenés többet számít a címlapon szereplő 20%-nál.

A GPT-6 Sol a gyorsítótárért ugyanúgy 0,20 dollárt kér, ezért a Digital Applied számítása szerint gyorsítótár-igényes ügynöki munkában a Sol nem az Opus 5.5 árának felébe, hanem kb. 57%-ába kerül. A Digital Applied arra is figyelmeztet, hogy ha a beszélgetés közben erőfeszítési szintet váltasz, az Opus 5.5 érvényteleníti a gyorsítótárat, a Sol ellenben megtartja. Hosszú kontextusban az Opus 5.5 jár jobban: a Kingy AI szerint nincs felára a nagyon hosszú bemenetnek, míg a GPT-6 Astránál 272 ezer token felett a bemenet ára kétszeres, a kimeneté másfélszeres, a Digital Applied szerint pedig a Solnál is felár lép életbe ennél a határnál.

Mennyibe kerül a Claude Opus 5.5 forintban egy KKV-nak?

Saját becslésünk szerint egy tudásbázisra támaszkodó ügyfélszolgálati válasz az Opus 5.5-tel kb. 11,5 Ft, egy blogcikk-vázlat kb. 73 Ft, egy hosszabb ügynöki fejlesztési munkamenet kb. 1 840 Ft. Ez tisztán a tokenárból 20 és 27% közötti megtakarítás az Opus 5-höz képest, a GPT-6 Sol viszont ugyanezeket nagyjából feleannyiért végzi el.

A számításhoz vegyünk egy képzeletbeli, 15 fős szegedi szerszámkereskedést, amelynek webshopja, hírlevele és egy külsős fejlesztővel karbantartott WooCommerce-rendszere van. A tokenszámok szemléltető becslések, a valóságban feladatonként és modellenként eltérnek. A gyorsítótár írási díját az egyszerűség kedvéért elhanyagoltuk, a forintos értékek kerekített, 320 Ft-os dollárárfolyammal készültek.

• Ügyfélszolgálati válasz: 4 000 bemeneti token (a vevő levele, a releváns tudásbázis-részlet és az utasítás) és 1 000 kimeneti token (a válasz a medium szintű gondolkodással együtt), havonta 800 darab.
• Blogcikk-vázlat: 12 000 bemeneti token (brief, stílusútmutató, három forrás) és 9 000 kimeneti token (kb. 5 000 token vázlat és 4 000 token gondolkodás), havonta 20 darab.
• Ügynöki fejlesztési munkamenet: 3 millió bemeneti token, amelyből 2,7 millió a gyorsítótárból jön, 300 ezer friss, továbbá 200 ezer kimeneti token, havonta 8 alkalom.

A számítás menete az Opus 5.5 ügyfélszolgálati válaszánál: 4 000 × 4 dollár / 1 000 000 = 0,016 dollár bemenet, 1 000 × 20 dollár / 1 000 000 = 0,020 dollár kimenet, összesen 0,036 dollár, ami 320 Ft-tal szorozva 11,52 Ft. A fejlesztési munkamenetnél: 2,7 millió gyorsítótárazott token × 0,20 dollár = 0,54 dollár, 0,3 millió friss token × 4 dollár = 1,20 dollár, 0,2 millió kimeneti token × 20 dollár = 4,00 dollár, összesen 5,74 dollár, azaz 1 836,80 Ft. Ugyanez az Opus 5 áraival 1,35 + 1,50 + 5,00 = 7,85 dollár (2 512 Ft), a GPT-6 Solnál 0,54 + 0,60 + 2,00 = 3,14 dollár (1 004,80 Ft), az Astránál, ahol a gyorsítótár-olvasás 1 dollár, 2,70 + 3,00 + 10,00 = 15,70 dollár (5 024 Ft). A Claude Fable 5.1 alapára megegyezik az Astráéval, a gyorsítótáras sort nála forrás híján nem számoltuk.

Mi történik, ha a modell kevesebb vagy több tokent használ?

A táblázat minden modellnél azonos tokenszámmal számol, ami egyszerűsítés, hiszen éppen a tokenszámon múlik, hogy a 40%-os ígéretből mennyi marad. Ha az Opus 5.5 a partnerbeszámolókhoz hasonlóan 30%-kal kevesebb kimeneti tokennel oldja meg ugyanazt a fejlesztési feladatot, a munkamenet ára 0,54 + 1,20 + 2,80 = 4,54 dollárra, vagyis 1 452,80 Ft-ra csökken, ami már 42%-kal olcsóbb az Opus 5-nél. Ha viszont a CodeRabbit mérésében látott, nagyjából 50%-os tokentöbblethez hasonlóan a kimenet a másfélszeresére nő, az ár 0,54 + 1,20 + 6,00 = 7,74 dollár, azaz 2 476,80 Ft, ami gyakorlatilag ugyanannyi, mint az Opus 5-tel.

Egy tipikus KKV havi tokenszámlája az Opus 5.5-tel is néhány tízezer forint, a valódi különbség tehát abban lesz, mennyi emberi javítás kell utána. Az éjszaka is ráérő feladatokat (tömeges termékleírás, archív dokumentumok feldolgozása) érdemes kötegelt módban futtatni, ahol az Opus 5.5 millió tokenenként 2 és 10 dollárba kerül, pont annyiba, mint a GPT-6 Sol normál ára.

Ha a munkatársaid csak a claude.ai csevegőfelületén dolgoznak, az előfizetés a meghatározó: az Anthropic szerint a Pro, a Max és a Team csomagban megemelték az ötórás használati keretet, a keret nullázását pedig félre lehet tenni egy kampányzárás vagy ajánlatírási hajrá idejére.

Kevésbé „claude-os” írás: mit jelent a szövegíróknak és a marketingeseknek?

Az Anthropic és a The Decoder szerint az Opus 5.5 a lényeget előre teszi, kevesebb szakzsargont használ és pontosabban követi a felhasználó írási utasításait, a tesztelők pedig világosabbnak és könnyebben követhetőnek találták a szövegeit. Magyar nyelvű mérés nincs, ezért a saját stílusútmutatóddal és korábbi szövegeiddel érdemes kipróbálni.

A The Decoder a címében a „Claudish writing”, vagyis nagyjából a „claude-os írás” javítását emelte ki: a korábbi Claude-szövegek gyakran bőbeszédűek voltak, hosszan vezették fel a lényeget és sok felsorolással dolgoztak, így egy hírlevél javítása néha tovább tartott, mint a megírása. A Ramp egyik mérnöke az Anthropic bejelentésében ezt így foglalta össze, saját fordításunkban: „a bőbeszédű, nehezen követhető kimenet volt a legnagyobb bosszúságom a frontmodellekkel kapcsolatban, a Claude Opus 5.5 pedig ezt orvosolja”. A Box mérése szerint a válaszok 40%-kal rövidebbek lettek a pontosság romlása nélkül. Egy másik tesztelő egyszerűen annyit mondott: „úgy ír, ahogy én”.

Mit nyerhet ebből egy marketingcsapat?

A „válasz előre” stílus pontosan az, amit a keresőoptimalizálás és az AI-keresők is jutalmaznak: a Google kiemelt válaszai és az AI-asszisztensek előszeretettel idéznek olyan bekezdést, amely az első két mondatában megválaszolja a kérdést. A jobb utasításkövetés miatt a házi stílusútmutatód (tegezés vagy magázás, tiltott kifejezések, a márkanév írásmódja) is nagyobb eséllyel érvényesül.

Tegyük fel, hogy egy képzeletbeli, 8 fős budapesti marketingügynökség havonta 20 blogcikk-vázlatot készíttet AI-val és a szerkesztő vázlatonként átlagosan 40 percet javít rajtuk. Ha a tömörebb és utasításkövetőbb stílus ezt vázlatonként csak 10 perccel rövidíti, az havonta 20 × 10 = 200 perc, vagyis több mint három munkaóra, ami egy feltételezett 10 000 Ft-os belső óradíjjal számolva 33 000 Ft körüli érték. Ez sokszorosa a vázlatok teljes havi tokenköltségének, ezért a szövegírásban a modellválasztás valódi kérdése a szerkesztési idő, nem a tokenár. A 10 perces megtakarítás persze feltételezés, pontosan ezt kell a saját anyagaidon lemérni.

Mire figyelj magyar szövegeknél?

A „kevésbé claude-os” ígéret mögött nincs magyar nyelvű mérés, egyik gyártó sem közöl ilyet, a tipikus magyar buktatók (tükörfordítás, angolos vesszőhasználat, rossz idézőjel) ráadásul máshol vannak, mint az angolban. Érdemes egy rövid, konkrét stílusútmutatót adni a modellnek, benne tiltott és kívánt fordulatokkal, majd ugyanazt a briefet az Opus 5-tel, az Opus 5.5-tel és egy olcsóbb modellel is lefuttatni, végül a szövegeket névtelenítve, vakon értékeltetni egy kollégával.

Van egy kevésbé látványos újdonság is. Az Anthropic szerint az Opus 5.5 az uniós mesterségesintelligencia-rendeletnek (EU AI Act) való megfelelés érdekében vízjelezéssel érkezik, a Superpower Daily által ismertetett GitHub-közlés pedig szöveges vízjelről beszél, amely a GitHub szerint nem rontja a minőséget és nem növeli a költséget. Az EU AI Act 50. cikkének átláthatósági kötelezettségei 2026. augusztus 2-án léptek hatályba, a már piacon lévő rendszerek vízjelezésére december 2-ig van türelmi idő. Egy marketingesnek ebből az a tanulság, hogy az AI-val írt szöveg eredete a jövőben technikailag kimutatható lehet, így az emberi szerkesztés és a saját szakmai hozzájárulás minőségi és hitelességi kérdés is.

Mit tapasztaltak az első független tesztelők?

Az első független kódminőségi mérések vegyes képet adnak. A Sonar szerint az Opus 5.5 27,5%-kal kevesebb kódot írt és 53%-kal kevesebb súlyos biztonsági hibát vétett, míg a CodeRabbit mérésében kódellenőrzéskor több hibát szúrt ki, ehhez azonban 49 és 58% közötti többlettokent használt.

A kódellenőrző szolgáltatást fejlesztő CodeRabbit szeptember 22-i elemzésében a 80 hibamintát tartalmazó nyílt készleten az Opus 5.5 csak szerényen javított (63,8% a jelenlegi éles beállítás 61,3%-ával szemben), a 13 nehezebb esetből álló készleten viszont 38,5% helyett 61,5%, maximális beállításon 76,9% jött ki. Az árnyoldal a tokenfelhasználás: a nyílt készleten a standard változat 49,2%-kal, a maximális 57,6%-kal több tokent használt, a hasznosítható találatok aránya pedig nem javult. A CodeRabbit ezért azt tanácsolja, hogy a csapatok ellenőrizzék, valóban olcsóbb lesz-e az éles kódellenőrzés az alacsonyabb tokenár mellett.

A kódminőség-elemző Sonar a Security Boulevard által közölt mérésében 4 444 Java nyelvű feladaton hasonlította össze a magas erőfeszítésű Opus 5.5-öt az Opus 5-tel. Az új modell 27,5%-kal kevesebb kódot írt (664 890 sort 916 813 helyett) és 40%-kal kevesebb kimeneti tokent használt, a feladatok 87,68%-át oldotta meg helyesen az Opus 5 88,6%-ával szemben. A legsúlyosabb, BLOCKER besorolású biztonsági hibák 53%-kal csökkentek, nem minden mutató javult azonban: a párhuzamosságból eredő hibák 44%-kal gyakoribbak lettek, a kommentsorok aránya pedig 10,5%-ról 3,1%-ra zuhant.

Egy KKV-nak, amelynek webshopját külsős fejlesztő tartja karban, a tömörebb kód és a kevesebb súlyos biztonsági hiba jó hír, a jóval kevesebb komment viszont megnehezítheti, hogy fél év múlva egy másik fejlesztő megértse, mit miért csinál a kód. A párhuzamossági hibák növekedése pedig pont ott számít, ahol több folyamat egyszerre ír ugyanabba az adatbázisba, például egy készletszinkronnál vagy egy rendelésfeldolgozó ütemezett feladatnál. A GitHub belső tesztjei kedvezőbb képet mutatnak (hasonló eredmény lényegesen kevesebb lépéssel és tokennel), a független adatok alapján azonban a megtakarítás feladatonként nagyon eltérő, az AI által írt kódot így továbbra is embernek és automatikus ellenőrzőnek kell átnéznie.

Claude Opus 5.5 vagy GPT-6 Sol: melyik éri meg jobban?

A GPT-6 Sol listaára fele a Claude Opus 5.5-ének, a független méréseken viszont az Opus 5.5 erősebb, különösen kódolásban és tudásmunkában. Nagy volumenű, egyszerűbb folyamatokra a Sol, összetett fejlesztési és elemzési feladatokra az Opus 5.5 a jobb ár-érték arányú választás a mostani adatok alapján.

A TechCrunch szerint az OpenAI 90 perccel az Anthropic bejelentése után mutatta be a GPT-6 Solt és a GPT-6 Lunát. Az OpenAI közlése szerint a Sol millió tokenenként 2 dollárba kerül bemenetre és 10 dollárba kimenetre, a Luna 0,10 és 0,50 dollárba, mindkettő legalább 50%-kal olcsóbb az előd GPT-5.6 Sol, illetve Luna áránál, a gyorsítótárazott bemenet olvasására pedig 90% kedvezmény jár. A modellek a ChatGPT fizetős csomagjaiban és az API-ban érhetők el, a TechCrunch szerint a Lunát az ingyenes és a Go csomag felhasználói is megkapják.

Az OpenAI a bejelentésben kifejezetten az Anthropic modelljeihez mérte a sajátjait. Az AutomationBench teszten a Sol xhigh beállításon 33,2%-ot ért el, a cég szerint ezzel megelőzte a maximális erőfeszítésen futó Claude Opus 5 26,9%-át, az Opus 5 költségének mindössze 9%-áért. A DeepSWE v1.1 szoftverfejlesztési teszten a Sol 68,8%-ot, a Luna 66,6%-ot ért el. A TechCrunch idézi az OpenAI állítását is, miszerint a Sol nagyjából feleannyi hibát vét, mint az elődje, így az Astra megbízhatóságát hozza jóval alacsonyabb költségen. Az OpenAI az Opus 5-tel és a Fable-modellekkel vetette össze a sajátjait, az aznap megjelent Opus 5.5-tel értelemszerűen nem, pedig az Anthropic szerint az Opus 5.5 40,0%-ot ért el ugyanezen a teszten.

A két modell független, egymás melletti összevetésére a Digital Applied szeptember 22-i, az Artificial Analysis adataira épülő elemzése adja a legjobb támpontot. Eszerint alapértelmezett, medium beállításon a Sol 39,8 pontot ért el az intelligenciaindexen feladatonként 0,25 dolláros (kb. 80 Ft) költséggel, az Opus 5.5 51,2 pontot 1,34 dollárért (kb. 429 Ft). Maximális beállításon a Sol 47,5 pontot ért el 1,06 dollárért (kb. 339 Ft), az Opus 5.5 57,6 pontot 5,98 dollárért (kb. 1 914 Ft). A Terminal-Bench 4.0 teszten a medium szintű Opus 5.5 52,5%-ot ért el a maximális szintű Sol 43,9%-ával szemben, az AutomationBench-AA üzleti automatizálási teszten ugyanakkor a két modell gyakorlatilag egyforma (61,2% és 61,6%).

Mit jelent ez a gyakorlatban?

A Digital Applied összegzése szerint a nagy volumenű, költségérzékeny ügynöki munkára a Sol, a kódolásra a medium szintű Opus 5.5, a tudásmunkára és a riportokra a magasabb szintű Opus 5.5 ajánlható, az üzleti automatizálásnál pedig érdemes először a Solt kipróbálni, mert ott nagyjából 40%-os költségért hozza a medium szintű Opus 5.5 eredményét.

A GPT-6 Luna egészen más kategória. Az ügyfélszolgálati példánkat (4 000 bemeneti és 1 000 kimeneti token) a Luna listaárán számolva egy válasz 0,0009 dollár, vagyis kb. 0,29 Ft, havi 800 válasz nagyjából 230 Ft lenne. Hogy ez a minőség magyar nyelvű ügyféllevelekhez elég-e, arról nincs mérés, osztályozásra, címkézésre, beérkező levelek előszűrésére azért érdemes lehet kipróbálni. A harmadik olcsó alternatíva a 2 és 6 dolláros Grok 4.7, amelyet a The Decoder szerint a kódolási teszteken széles szakadék választ el a Claude- és a GPT-6-modellektől.

A legésszerűbb felállás egy KKV-nál ezért a modellek kombinálása (modellrouting): az egyszerű, tömeges feladatokat egy olcsó modell végzi, a több lépéses fejlesztést, a hosszú szerződés elemzését vagy a vezetői riportot pedig az Opus 5.5 kapja. Egy n8n- vagy Make-folyamatban ez csak egy döntési lépés a munkafolyamat elején.

Milyen korlátai és kompromisszumai vannak a Claude Opus 5.5-nek?

A Claude Opus 5.5 gondolkodási módja nem kapcsolható ki, a kényszerített eszközhívás megszűnt, a kiberbiztonsági kérések nagy része az Opus 4.8-hoz kerül, a 2026. augusztus 31. után nyitott API-fiókoknál pedig a preserved thinking védelem korlátozza a beszélgetési előzmények szerkesztését. Az Anthropic azt is jelzi, hogy a modell gyakran gyanítja, hogy tesztelik.

A gondolkodás mindig bekapcsolva

A fejlesztői dokumentáció egyértelmű: az adaptív gondolkodás mindig be van kapcsolva, a kikapcsolási kísérlet hibaüzenetet ad, a mélységet csak az erőfeszítési szinttel lehet szabályozni. A The Decoder megjegyzi, hogy erre a döntésre az Anthropic nem adott magyarázatot. Így egy egyszerű címkézés vagy egy kétmondatos válasz is jár némi gondolkodással, ami késleltetést és kimeneti tokent jelent, a nagyon rövid, nagy volumenű feladatoknál tehát az Opus 5.5 kevésbé gazdaságos, mint egy gondolkodás nélkül futtatható modell.

A kényszerített eszközhívás megszűnése főleg az egyedi integrációkat érinti. Ha a fejlesztőd például úgy építette meg a számlaadatok kinyerését, hogy a modellnek kötelezően egy adott eszközt kell meghívnia a strukturált válaszhoz, az Opus 5.5-re váltva hibát kapsz, a folyamatot pedig automatikus eszközválasztásra vagy strukturált kimenetre kell átírni. Ez nem nagy munka, de váratlanul érheti azt, aki csak kicseréli a modell nevét.

Preserved thinking: nem írhatod át a múltat

A desztilláció az a technika, amikor egy modell válaszaiból és gondolatmenetéből egy másik modellt tanítanak, így egy versenytárs olcsón lemásolhatja egy drága modell tudását. Az Anthropic ez ellen vezette be a preserved thinking (megőrzött gondolkodás) védelmet, amely megakadályozza, hogy az API-felhasználók a Claude korábbi kontextusát szerkesztve kicsalják a modell gondolatmenetét. A szabály a Fable 5.1-re és az Opus 5.5-re vonatkozik a 2026. augusztus 31-én vagy később létrehozott API-fiókoknál.

A gyakorlatban ez azokat a megoldásokat érintheti, amelyek utólag rövidítik, összefoglalják vagy átírják a beszélgetési előzményt, például egy saját fejlesztésű chatbot memóriakezelését. A dokumentáció a csak hozzáfűzéssel bővülő beszélgetést ajánlja, az utasítások módosítására a beszélgetés közbeni rendszerüzeneteket.

Kiberbiztonsági és biológiai kérések

Az Anthropic bejelentése szerint a kiberbiztonsági feladatok többségét a rendszer a régebbi Opus 4.8-hoz irányítja, a teljes hozzáféréshez az ellenőrzött védekezőknek szóló Cyber Verification Program kell, amelyet a cég az Opus 5.5-re is kiterjeszt. A biológiai kérésekre a Fable 5.1-hez hasonló korlátok vonatkoznak. Egy KKV informatikusának ez azt jelenti, hogy egy teljesen jogos biztonsági kérdésre (például egy gyanús naplóbejegyzés elemzésére) időnként egy gyengébb modell válaszol, vagy a modell elutasítja a kérést. Ez tudatos biztonsági döntés, amelynek ára a bosszantó téves riasztások száma.

Értékelés-tudatosság: a modell tudja, hogy figyelik?

Az Anthropic szerint az Opus 5.5 az automatizált viselkedési auditjuk alapján az eddigi legjobban teljesítő modelljük, a korlátok megkerülésével 85%-kal ritkábban próbálkozott, mint az Opus 5, a prompt injection támadásoknak legalább olyan jól ellenáll, mint az elődje. A bejelentés ugyanakkor azt is leírja, hogy a cég jeleket lát arra, hogy a modell gyakran gyanítja, hogy éppen értékelik, ami megnehezíti annak felmérését, hogyan viselkedik majd éles helyzetben. Nem egyedi problémáról van szó: az OpenAI szeptember elején a GPT-6 Astráról elismerte, hogy nem tudja megbízhatóan kiszűrni, ha a modell szándékosan alulteljesít a biztonsági teszteken. A KKV-k számára a tanulság gyakorlati: egy AI-ügynök csak a feladathoz szükséges jogosultságot kapja, a pénzt, ügyféladatot vagy külső kommunikációt érintő lépések előtt pedig kérjen emberi jóváhagyást.

Előnyök és hátrányok egy táblázatban

A táblázatban a gyártói állítások és a független mérések egyforma súllyal szerepelnek.

Hol érhető el a Claude Opus 5.5 és hogyan válts rá lépésről lépésre?

A Claude Opus 5.5 elérhető a claude.ai felületén a Pro, Max, Team és Enterprise csomagokban, a Claude Platform API-n claude-opus-5-5 néven, az Amazon Bedrockon, a Google Cloud Vertex AI-on és a Microsoft Foundryn, továbbá fokozatos bevezetéssel a GitHub Copilot Pro+, Max, Business és Enterprise csomagjaiban.

A gyors mód a dokumentáció szerint egyelőre csak a Claude API-n, béta formában érhető el, a bejelentés szerint pedig kérhető nulla adatmegőrzés (zero data retention) is. A Copilot-adminisztrátoroknak érdemes tudniuk, hogy a Superpower Daily összefoglalója szerint az új modellek alapértelmezetten engedélyezve vannak, amíg az adminisztrátor ki nem kapcsolja őket. Az átálláshoz ezt a sorrendet javasoljuk.

• Készíts leltárt arról, hol használjátok ma a Claude-ot (csevegőfelület, API, n8n- vagy Make-folyamat, Copilot) és melyik modellazonosítóval.
• Gyűjts 30 és 50 közötti valódi mintafeladatot a saját munkátokból: ügyféllevelet, briefet, szerződésrészletet, kódhibát, személyes adatok nélkül vagy álnevesítve.
• Ellenőriztesd a fejlesztővel a technikai buktatókat: kikapcsolt gondolkodás, kényszerített eszközhívás, a beszélgetési előzmény utólagos szerkesztése, a számítógép-használati eszköz verziója, a folyamatjelzés az eszközhívások között.
• Futtasd le a mintákat az Opus 5.5-ön legalább két erőfeszítési szinten (low és medium), összehasonlításként az Opus 5-ön és a GPT-6 Solon is, az eredményeket vakon értékeltetve.
• Számold ki a valós költséget a mért tokenszámokból és a gyorsítótár-találati arányból forintban, sikeres feladatonként, ne millió tokenre.
• Állj át fokozatosan: először belső, alacsony kockázatú folyamatokon, rögzített modellazonosítóval és beállított tartalék modellel arra az esetre, ha a szolgáltatás akadozik.
• Harminc nap után nézd meg újra a minőséget, a költséget és a szerkesztési időt. Az ügyfélkommunikációra csak ezután terjeszd ki, AI-jelöléssel ott, ahol az EU AI Act ezt megköveteli.

Kinek ajánljuk és kinek nem?

Ha ma Claude Opus 5-öt használsz, az Opus 5.5-re váltás a legtöbb esetben egyértelmű, mert olcsóbb és a független mérések szerint is erősebb, a fő teendő a technikai változások ellenőrzése. Új rendszernél akkor válaszd, ha a feladat összetett kódolás, hosszú dokumentumok elemzése vagy igényes szakmai szöveg, tömeges, egyszerű feladatra viszont olcsóbb modell kell.

Kifejezetten ajánljuk fejlesztőcsapatoknak és ügynökségeknek, amelyek hosszú, önálló kódolási feladatokat bíznak AI-ra, tanácsadó, könyvelő- és jogi irodáknak, ahol riportok és elemzések készülnek (a GDPval-AA eredménye itt beszédes), valamint marketingcsapatoknak, amelyeknek a szerkesztési idő drágább, mint a tokenszámla. Mondjuk egy képzeletbeli, 25 fős miskolci gépipari beszállítónál, ahol az ajánlatokat hosszú szabványokkal kell összevetni, a felár nélküli, 1 millió tokenes kontextus többet ér a GPT-6 Sol alacsonyabb áránál.

Kevésbé ajánljuk nagy volumenű, egyszerű feladatokra (levelek előszűrése, címkézés, rövid válaszok), ahol a mindig bekapcsolt gondolkodás és a prémium ár nem térül meg, ide a GPT-6 Sol, a GPT-6 Luna vagy a hamarosan érkező Haiku 5.5 való. Matematikai és tudományos kutatásra a gyártói adatok alapján a GPT-6 Astra az erősebb, rendszeres kiberbiztonsági elemzéshez pedig vagy a verifikációs program kell, vagy más eszköz. Ha egy működő integrációd kényszerített eszközhívásra vagy az előzmények átírására épül, előbb azt javíttasd ki, csak utána válts.

Miben segít a Convergo?

Egy új modell akkor hoz valódi megtakarítást, ha a saját feladataidon mérve választasz és a meglévő folyamataid is bírják a váltást. Az AI-felmérés, stratégia és oktatás keretében segítünk összeállítani a mintafeladatokat, összevetni a Claude Opus 5.5-öt, a GPT-6 Solt és az olcsóbb modelleket, majd forintban kiszámolni, melyik feladatra melyik éri meg. Ha már van működő integrációd, az egyedi AI-integráció és a workflow automatizáció szolgáltatásunkban átnézzük a technikai buktatókat és beállítjuk a modellek közötti okos elosztást. Az első lépés egy ingyenes egyeztetés, ahol megnézzük, hol tart ma a céged.

Gyártói források az API-díjakhoz

A felsorolt forrásokat 2026. szeptember 29-én ellenőriztük. A díjak változhatnak; a cikk forintos példái a megadott árfolyammal készült becslések, nem Convergo-szolgáltatásárak. A végösszeget a tényleges tokenhasználat és az esetleges eszköz-, gyorsítótár-írási vagy régiós díjak is befolyásolhatják.

• Anthropic: Claude Opus 5.5 modelladatok és díjak
• OpenAI: összehasonlításhoz használt API-árlista