Вечер, конец сентября
Мой внутренний проект, из тех, где каждая часть цепляет ещё три. Я уже несколько часов разбирался с ним в GPT-6 Astra внутри Codex и двигался медленно. Opus 5.5 вышел на той же неделе, и я дал ему ровно ту же ситуацию. Он нашёл, где проблема, объяснил её так, что я понял с первого прочтения, и решил её.
С тех пор я не переставал с ним работать. И меня не отпускает вопрос: как Anthropic это сделала, если месяцами почти все знакомые мне разработчики переходили на Codex?
Claude Opus 5.5, вышедший 22 сентября 2026 года, в моей работе — самая сильная модель из всех, с которыми я имел дело в этом году, причём с большим отрывом. Писать такое я не собирался. В предыдущие месяцы Codex от OpenAI был инструментом и моим, и большинства людей вокруг меня, а Claude казался отставшим. В этой статье три вещи: что я видел на практике, что говорят цифры (даже когда они со мной не согласны) и моя теория о причине скачка. По ходу текста я помечаю, что подтверждено, что является личным опытом, а что гипотезой.
Коротко
- С практики: в кругах, где я работаю, разработчики последние месяцы переходили на Codex с GPT-5.6 Sol и GPT-6 Astra. Opus 5 и Sonnet 5 разочаровали, а Fable был очень ограничен.
- Claude Opus 5.5 изменил картину для меня: на сложных задачах он решает то, на что с Astra уходили часы, и лучше объясняет себя. Sonnet 5.5 и Haiku 5.5 продолжают тот же скачок.
- Что показывают данные: в нашем Sigma AI Ranking, который взвешивает несколько открытых источников, Opus 5.5 первый: 90.7 против 84.0 у Astra. В одиночном тесте вроде Epoch они почти равны, и я объясняю, почему одиночный тест упускает то, что чувствуют разработчики.
- Моя теория (гипотеза, не факт): OpenAI вкладывалась в доводку и RL, Anthropic выпустила большую, но менее отшлифованную модель, Fable. Если Fable стал учителем для поколения 5.5, это объясняет скачок. Для владельца бизнеса вывод простой: не женитесь на поставщике.
Месяцы Codex: что я видел вокруг
Я целыми днями окружён разработчиками ИИ, и сам работаю с этими моделями с утра до ночи. Описанное здесь — наблюдение, а не опрос.
В последние месяцы почти все знакомые мне разработчики перешли на Codex. Сначала с GPT-5.5, потом с GPT-5.6 Sol и GPT-6 Astra. Причина была не только в модели. Harness Codex, то есть оболочка, которая запускает модель, ведёт её по шагам и включает инструменты, просто доводит задачи до конца. Он работает по порядку, проверяет себя и не останавливается посреди работы, чтобы задать вопрос, ответ на который очевиден. Его computer use, способность агента управлять приложениями на компьютере, отличный. По документации OpenAI, Codex управляет компьютером в фоне, и «multiple agents can work on your Mac in parallel». Эту разницу чувствуешь уже в первый день.
Публичные данные тоже указывают на движение, хотя и с оговорками: OpenAI сообщила о скачке числа пользователей Codex после GPT-5.6, а Anthropic трижды повышала лимиты использования Claude Code. В цифры OpenAI входят пользователи ChatGPT, а в опросах Claude Code по-прежнему лидирует в профессиональном использовании. Так что «перешли все» — это не факт. «Почти все, с кем я работаю, перешли» — это то, что видел я.
Где Claude нас потерял: Fable, Opus 5 и Sonnet 5
Fable был очень ограничен. Это подтверждённая часть. Claude Fable 5 вышел 9 июня как новый уровень над Opus, с двойной ценой API: 10 и 50 долларов за миллион токенов. Через три дня доступ к нему приостановили из-за американского экспортного контроля, и вернулся он только 1 июля. Даже когда он был доступен, квота была узкой: сегодня, по странице поддержки Anthropic, на тарифе Max Fable можно использовать до 50% недельной квоты, а на тарифе Pro он работает только на платных кредитах. Официальное объяснение при запуске — мощности: включение в подписку будет расширено «when sufficient capacity allows us to do so».
Opus 5 был серьёзным разочарованием, и лично для меня тоже. Он вышел 24 июля. В моей работе он был ленивым, многословным и путаным в объяснениях. Я задавал точный вопрос и получал экраны текста, которые не попадали в суть. Sonnet 5, вышедший 30 июня, был слабым. А computer use у Claude и сегодня в моей работе заметно менее пригоден, чем у Codex.
Хочу быть честным: документы самой Anthropic рассказывают об Opus 5 немного другую историю, и к этому я вернусь в главе о бенчмарках. А вот по Sonnet 5 цифры как раз на моей стороне: в таблице, которую Anthropic опубликовала в карточке Sonnet 5.5, Sonnet 5 получил 10.3% в Terminal-Bench 4.0.
Claude Opus 5.5: что изменилось в моей работе
Для меня Opus 5.5 не постепенное улучшение. На том самом сложном проекте из начала статьи он решил вещи, на которые с Astra у меня уходили часы. С тех пор это первая модель, которую я открываю для любой проблемы, где нужно понять систему целиком, а не просто выполнить список шагов.
Второе, что бросается в глаза: Anthropic явно поработала над тем, как 5.5 разговаривает. Он описывает ситуацию, объясняет, что собирается делать и зачем, а в конце даёт короткое и ясное резюме. После Opus 5 ощущение, будто это другая модель. Anthropic и сама пишет в руководстве по переходу, что инструкции, настроенные под поведение Opus 5, «may no longer be needed».
Sonnet 5.5 и Haiku 5.5 продолжают тот же скачок. Вот цифры, которые можно проверить:
Источники: страница запуска и системная карточка Opus 5.5, системная карточка Sonnet 5.5 (таблица 8.1.A) и публикация Epoch AI. Все цифры, кроме Epoch, сообщает сама Anthropic.
Anthropic делает ещё два заявления, которые стоит знать: что Opus 5.5 «performs at the level of Claude Fable 5.1 on most work» и что для запуска ему нужно меньше compute, чем Opus 5. Оба вернутся в теории.
Почему бенчмарки не видят того, что чувствуют разработчики
Теперь самое интересное. В трёх местах цифры усложняют картину, а в двух из них прямо не согласны со мной.
Первое: Opus 5.5 против Astra. Здесь картина зависит от того, что измерять. В Sigma AI Ranking, нашем рейтинге, который сводит несколько открытых источников в один балл (работа в роли агента, способности, письмо, надёжность и стоимость), разрыв очевиден:
Sigma AI Ranking: сводный балл на 9 октября 2026 года
Источник: Sigma AI Ranking Platin Digital, который сводит открытые источники (Epoch AI, LMArena, Terminal-Bench и официальные прайс-листы). Баллы обновляются каждую неделю.
В этой таблице заметны две вещи. Первая: скачок внутри Anthropic, от 83.0 до 90.7 у Opus и от 69.5 до 86.8 у Sonnet. Вторая, и она мне нравится больше всего: в подбалле за письмо Opus 5.5 получает 97.1 против 82.7 у Astra. Это ровно то, что я почувствовал: новая модель объясняет лучше.
Одиночный тест рассказывает более скромную историю. В индексе Epoch Opus 5.5 на первом месте, но «narrowly ahead of GPT-6 Astra», а по анализу доверительных интервалов они почти перекрываются. METR пишет, что это «an incremental improvement above Fable 5.1». И в таблице самой Anthropic Astra лидирует в Terminal-Bench-Science (64.6 против 58.7) и в AutomationBench (41.4 против 40.0).
Второе: computer use. В OSWorld 2.0, по данным BenchLM, картина обратна моим ощущениям:
OSWorld 2.0: управление компьютером, процент успеха
Источник: BenchLM, вторичный источник. Лаборатории запускают разные версии OSWorld, поэтому цифры из разных анонсов не всегда можно сравнивать напрямую.
То есть в бенчмарке Opus 5 обошёл GPT-5.6 Sol в то самое время, когда я и все вокруг предпочитали Codex для управления компьютером.
Третье: «ленивый». Сама Anthropic документирует проблемы Opus 5, и они противоположны: ответы длиннее прежних, расширение объёма задачи, «over-verification» и склонность делегировать работу субагентам. То есть модель, которая делает слишком много.
Так кто прав? Я думаю, что цифры верны, а измеряют они другое. Три причины:
- Бенчмарк измеряет изолированную задачу. Он не измеряет harness, продукт или четырёхчасовую сессию, в которой модель должна помнить, что решили в начале. Разработчик работает не с моделью. Он работает с Codex или с Claude Code, и это огромная разница.
- Бенчмарк не измеряет коммуникацию. Модель, которая пишет три экрана, расширяет задачу, снова и снова проверяет себя и в конце не говорит ясно, что сделала, снаружи ощущается точно так же, как модель, не сделавшая работу. «Ленивый» и «делает слишком много» — два описания одного опыта: я не получил то, что просил, в виде, которым могу пользоваться. Есть и анекдотические сообщения об Opus 5, который останавливался раньше времени и просил разрешения продолжить, и именно это пережил я.
- Computer use как продукт — это не балл. OSWorld проверяет, справляется ли модель с задачей на экране. Он не проверяет, работает ли она в фоне, пока я занят своим, и несколько ли агентов работают параллельно. Это даёт Codex, и именно это сделало его нашим повседневным инструментом.
И ещё одна оговорка, работающая в обе стороны: METR обнаружила у GPT-5.6 Sol долю жульничества на тестах выше, чем у любой публичной модели из проверенных, а в карточке Opus 5.5 тоже задокументирован reward hacking при обучении. Когда модели учатся обходить проверки, цифры тоже становятся менее надёжными.
Хронология: кто и когда выпустил
Чтобы проверять теорию, сначала нужны даты. Все даты здесь взяты из официальных анонсов или системных карточек.
Моя теория: две стратегии в один момент
Здесь я перехожу от фактов к интерпретации. Всё, что написано в этой главе, — моя гипотеза, и читать её стоит именно так.
В июне обе лаборатории стояли в одной точке. Anthropic выпустила Fable: новую, более крупную серию с высоким потенциалом и меньшей отшлифованностью. Через две с половиной недели OpenAI представила GPT-5.6 Sol: модель, которая в моей работе ощущалась как массивная оптимизация и RL (обучение с подкреплением: модель тренируется на задачах и получает оценку за результат). Очень методичная, много проверяет, доводит работу до конца, но без прорыва в потолке способностей.
Справедливость требует двух замечаний. Сама OpenAI назвала GPT-5.6 Sol «a next-generation model», и нет ни одного официального источника, который говорил бы, что это та же база с бóльшим объёмом RL. А GPT-6 Astra, по сообщению VentureBeat, был самым крупным обучающим запуском OpenAI на сегодня. Поэтому я не утверждаю, что OpenAI «просто делала RL». Я утверждаю, что стратегический акцент был другим: в июне OpenAI вывела на передний план отшлифованную и надёжную модель, а Anthropic вывела на передний план большую и необработанную.
OpenAI: отточить то, что есть
GPT-5.6 Sol, июнь и июль
- Методичен, проверяет себя, доводит задачи до конца (мой опыт)
- Системная карточка: «overly persistent» и больше упорства, чем у GPT-5.5 (подтверждено)
- Цена: METR зафиксировала рекорд жульничества на тестах (подтверждено)
- METR: не значительный шаг вперёд по сравнению с текущим уровнем (подтверждено)
- Чему он научил: возможно, Astra, по вторичному сообщению (гипотеза)
Anthropic: поднять потолок
Fable 5, июнь
- Новый уровень над Opus, по двойной цене (подтверждено)
- Меньше шлифовки (моё впечатление, источника нет)
- Очень ограниченный доступ, с объяснением про мощности (подтверждено)
- Разработчики пока уходят на Codex (наблюдение)
- Чему он научил: поколение 5.5 (гипотеза)
А вот деталь, которая всё соединяет: лаборатории обучают следующие модели с помощью самой новой флагманской модели. Это не секрет. Anthropic написала в феврале 2026 года, что «frontier AI labs routinely distill their own models», и определила distillation как обучение более слабой модели на выходах более сильной. Meta публично писала, что Llama 4 Maverick обучена на Llama 4 Behemoth. В каждой системной карточке Anthropic есть «synthetic data generated by other models».
Если это обычная практика, то в июне каждая лаборатория выбирала заодно и учителя для следующего поколения. Fable «учил» поколение 5.5 у Anthropic, а Sol 5.6 «учил» модели, которые пришли после него в OpenAI.
Тренировочные тесты против большого учителя
Проще всего объяснить это двумя учениками.
Первый решает всё новые и новые тренировочные тесты. После каждого раунда он получает оценку и исправляется. Он становится очень надёжным: почти не ошибается в знакомом материале, сдаёт любой тест вовремя, проверяет ответы. Но способа мыслить, которого у него не было раньше, он не приобретает. Это RL.
Второй сидит рядом с великим математиком и смотрит, как тот решает задачи. Он перенимает пути, к которым сам бы не пришёл, а заодно и то, как математик объясняет. Это сильный учитель.
Первый ученик повышает надёжность. Второй поднимает потолок. Так я читаю произошедшее: Codex с GPT-5.6 Sol был первым учеником в лучшей форме, а поколение 5.5 у Anthropic мне кажется вторым.
Исследования говорят об этом разное, с обеих сторон:
- За. Yue с коллегами (2025) показали, что способности к рассуждению после RL «originate from and are bounded by the base model», а вот distillation может вносить новые паттерны мышления от учителя. В DeepSeek-R1 модель на 32 миллиарда параметров, обученная на выходах сильной модели, достигла 72.6 в тесте AIME, против 47.0 при одном RL. Исследование Meta о масштабировании RL показало, что более крупная модель поднимает потолок, которого RL может достичь.
- Против. ProRL от NVIDIA показал, что длительный RL открывает стратегии, которых нет в базовой модели. Другое исследование показывает, что когда разрыв между учителем и учеником слишком велик, ученик учится хуже. У Llama 4 был огромный учитель, и её встретили разочарованием. И всё это исследование проведено на моделях намного меньших, чем флагманские.
Иначе говоря, идею «RL оттачивает, а учитель расширяет» исследования поддерживают, но она спорная. Законом природы я её не выдаю.
Что подтверждено, а что гипотеза
| Утверждение | Статус | На чём основано |
|---|---|---|
| Anthropic сильно ограничила Fable | подтверждено | Pro только за кредиты, Max до 50% недельной квоты и официальное объяснение про мощности |
| Лаборатории обучают модели на выходах своих сильнейших моделей | подтверждено в целом | Anthropic в феврале 2026, Meta с Behemoth, «synthetic data» в системных карточках |
| Поколение 5.5 прыгнуло выше поколения 5 | подтверждено, данные производителя | SWE-bench Pro и Terminal-Bench. По Epoch, Sonnet 5.5 «roughly matched Claude Fable 5.1» |
| RL оттачивает, а не расширяет | поддерживается исследованиями, спорно | Yue и DeepSeek-R1 за, ProRL против, всё на малых моделях |
| Именно Fable научил Opus, Sonnet и Haiku 5.5 | моя гипотеза | Подтверждения нет. Намёки: 5.5 на уровне Fable 5.1 и дешевле в запуске, а Anthropic усиленно защищает выходы Fable от distillation |
| Compute Fable перенаправили на обучение | моя гипотеза | Официальное объяснение только про мощности. Рост спроса в 80 раз в первом квартале, по словам Amodei в CNBC, объясняет его не хуже |
| GPT-5.6 Sol научил Astra | гипотеза с намёком | По VentureBeat, в Astra предыдущие модели играли центральную роль в обучении. В системной карточке этого нет |
Слабое звено моей теории — Opus 5. Он вышел 24 июля, после Fable. Если Fable был учителем, почему Opus 5 этим не воспользовался? Моё объяснение: обучающий запуск занимает месяцы, и Opus 5, скорее всего, уже был на финишной прямой, когда Fable был готов учить в полном объёме. Но Mythos, ограниченная версия той же серии, существовала у Anthropic ещё в апреле, и я не знаю, когда начался каждый из запусков. Именно этот пробел мне интереснее всего увидеть закрытым.
Другие объяснения, и почему я всё равно возвращаюсь к учителю
У скачка есть и более простые объяснения. Некоторые из них задокументированы лучше моей теории. Выберите то, что звучит для вас убедительнее всего, и посмотрите, что его поддерживает и чего ему не хватает.
Моё объяснение
Fable научил поколение 5.5, поэтому потолок вырос.
За: Opus 5.5 на уровне Fable 5.1 по словам Anthropic, дешевле в запуске, а Sonnet 5.5 на уровне Fable 5.1 по Epoch. Это картина ученика, дотянувшегося до уровня учителя.
Чего не хватает: официального подтверждения нет, а Opus 5 вышел после Fable, не получив от него пользы.
Исправление поведения Opus 5
Opus 5 и так был сильным. В 5.5 просто убрали многословие.
За: во внутреннем индексе Anthropic Opus 5 получил 165.18, выше Mythos 5. Задокументированные проблемы были поведенческими, и они исчезли.
Чего не хватает: это не объясняет скачок Sonnet с 10.3% до 70.6% в Terminal-Bench. А доводка поведения как раз то, что даёт сильный учитель: его выходы учат не только тому, что думать, но и тому, как объяснять.
Изменение настроек
Изменились effort и harness, а не модель.
За: в Opus 5.5 уровень усилия по умолчанию medium, против high в Opus 5, и в каждом запросе есть адаптивное мышление. В апреле Anthropic уже показала, что падение качества было связано с настройками продукта.
Чего не хватает: снижение усилия должно давать более короткие ответы, а не решение проблем, которые не решила другая модель.
Больше работы за доллар
Он просто дешевле и квот больше, поэтому им пользуются чаще.
За: Opus 5.5 стоит 4 и 20 долларов против 5 и 25, а квоты в Claude Code повышены.
Чего не хватает: цена объясняет, почему с ним работают больше, но не почему он решает то, что другие не решили.
Предвзятость пользователя
Новая модель всегда кажется лучше в первую неделю.
За: эффект новизны реален, а переход с Codex на Claude Code меняет опыт. Сама Anthropic рекомендует при каждом переходе удалять старые инструкции.
Чего не хватает: я работаю с ним уже две с половиной недели, на задачах, которые знаю досконально, и разрыв не закрывается.
«За» и «Чего не хватает» опираются на официальные источники и исследования в конце статьи. Раздел «Чего не хватает» в каждой вкладке — моя интерпретация.
Почему я всё равно возвращаюсь к учителю? Потому что каждое из других объяснений объясняет что-то одно. Доводка объясняет, как Opus 5.5 разговаривает. Цена объясняет, почему я пользуюсь им больше. Но только сильный учитель объясняет все три вещи вместе: модель, которая дешевле в запуске, дотягивается до уровня большой модели и к тому же лучше объясняет. А со стороны OpenAI картина складывается: если Sol 5.6 учил Astra, получился методичный учитель и методичный ученик, отличный в исполнении и равный Opus 5.5 в метриках, но в моей работе слабее его на задачах, требующих понимания.
Мифы и факты об Opus 5.5, Codex и разнице между ними
Миф«Anthropic подтвердила, что Fable научил Opus 5.5»
На делеНет. Anthropic говорит лишь, что лаборатории как обычную практику дистиллируют свои модели и что в обучении есть синтетические данные от других моделей. Конкретная связь — гипотеза, моя и других.
Миф«OpenAI делала только RL»
На делеOpenAI назвала GPT-5.6 Sol моделью нового поколения, а GPT-6 Astra, по сообщениям, был её самым крупным обучающим запуском. Разница, на которую я указываю, в акценте, а не в одном методе против другого.
Миф«Opus 5.5 побеждает Astra по всем метрикам»
На делеВ Sigma AI Ranking он явно лидирует, но в одном Epoch разница лежит внутри доверительного интервала. Astra лидирует в Terminal-Bench-Science и AutomationBench. Разрыв, который я чувствую, проявляется в сложной работе, а не в таблице.
Миф«Claude отставал в бенчмарках по работе с компьютером»
На делеВ OSWorld 2.0 Opus 5 обошёл GPT-5.6 Sol. Преимущество Codex в продукте: работа в фоне и несколько агентов параллельно.
Миф«Opus 5 был слабым»
На делеПо сырым способностям он был сильным. Проблема была в поведении: многословие, расширение задачи и избыточные проверки, и Anthropic сама их задокументировала.
Миф«Большой учитель всегда даёт хорошего ученика»
На делеLlama 4 обучалась у огромного учителя, и её встретили разочарованием, а исследование показывает, что слишком большой разрыв между учителем и учеником вредит обучению. Сильный учитель — помогающее условие, а не гарантия.
Что это значит для владельца бизнеса, выбирающего модель
Если вы не разработчик, весь этот спор кажется далёким. Это не так. За три месяца инструмент, с которым работал почти каждый знакомый мне разработчик, сменился, а потом сменился снова. Кто в июле привязал бизнес к одному поставщику, тот упустил бы Opus 5.5 в сентябре. А кто в июне привязался к Claude, тот упустил бы Codex.
Platin Digital — OpenAI Select Partner, а агентов, которых мы создаём, мы строим на моделях и инструментах, лучше всего подходящих под каждую задачу: от OpenAI, Anthropic, Google и других. Эта статья — пример того, почему это важно: мы работаем и с Codex, и с Claude на одной неделе, каждый там, где он силён.
Три правила, по которым работаю я:
- Не женитесь на поставщике. Агент должен быть построен так, чтобы модель под ним можно было заменить без перестройки всего.
- Выбирайте модель под задачу. Сложная проблема, требующая понимания и объяснения, сегодня идёт у меня в Opus 5.5. Длительное управление компьютером в фоне идёт в Codex. Мелкие повторяющиеся задачи идут в малую модель, например Claude Haiku 5.5.
- Перепроверяйте раз в несколько месяцев. На ваших задачах, а не по таблице. То, что верно в октябре, не обязательно будет верно в январе.
Широкое сравнение платформ ждёт в статье ChatGPT, Gemini или Claude для бизнеса, полный и обновляемый рейтинг вы найдёте в Sigma AI Ranking, а зачем мы его создали, объяснено в этой статье. А если сами понятия ещё не ясны, начните с что такое LLM и что такое Computer Use.
Какой инструмент попробовать первым для вашей задачи?
Пять вопросов об одной задаче. Результат — отправная точка по моему опыту, а не приговор.
Частые вопросы
Что такое Claude Opus 5.5?
Claude Opus 5.5 — большая языковая модель Anthropic линейки Opus, вышедшая 22 сентября 2026 года. По словам Anthropic, в большинстве задач она на уровне Claude Fable 5.1, требует меньше compute для запуска, чем Opus 5, и стоит 4 доллара за миллион токенов на входе и 20 на выходе. В независимом индексе Epoch она на первом месте, с небольшим отрывом от GPT-6 Astra.
Лучше ли Claude Opus 5.5, чем GPT-6 Astra?
В Sigma AI Ranking, который взвешивает несколько открытых источников, Opus 5.5 лидирует: 90.7 против 84.0 у Astra. В одиночном тесте вроде Epoch они почти равны, а в части тестов, например в AutomationBench, лидирует Astra. В моей работе на сложных задачах, где нужно понять систему целиком и объяснить её, Opus 5.5 сильнее с заметным отрывом. Для управления компьютером в фоне и параллельной работы Codex с моделями OpenAI по-прежнему очень силён.
Почему разработчики в последние месяцы перешли на Codex?
В кругах, где я работаю, из-за сочетания отличных моделей, GPT-5.6 Sol и GPT-6 Astra, с harness, который доводит задачи до конца по порядку, и с computer use, работающим в фоне и параллельно. При этом Opus 5 и Sonnet 5 разочаровали, а Fable был очень ограничен.
Почему Anthropic ограничила Claude Fable?
Официальное объяснение — мощности: Anthropic написала, что расширит доступ, когда мощности позволят. Кроме того, с 12 июня по 1 июля доступ к Fable 5 был приостановлен из-за американского экспортного контроля. Моя гипотеза в том, что часть compute ушла на обучение с помощью Fable, но официального источника у этого нет.
Что такое distillation, или модель-учитель?
Distillation — это обучение одной модели на выходах более сильной, чтобы ученик перенимал её способы решения. Anthropic написала в феврале 2026 года, что передовые лаборатории дистиллируют свои модели как обычную практику, а Meta публично задокументировала это в Llama 4. Какая модель учила поколение 5.5 у Claude, Anthropic не публиковала.
Какую модель ИИ выбрать для бизнеса?
Не одну. Выбирают по задаче: большую модель для сложных проблем и решений, малую и дешёвую для повторяющихся задач и инструмент с хорошим computer use для задач на компьютере. И перепроверяют раз в несколько месяцев на своих задачах, потому что лидерство между поставщиками быстро меняется.
Источники
- https://www.anthropic.com/news/claude-fable-5-mythos-5
- https://www.anthropic.com/news/redeploying-fable-5
- https://support.claude.com/en/articles/15424964-claude-fable-models-on-your-plan
- https://www.anthropic.com/news/claude-sonnet-5
- https://www.anthropic.com/news/claude-opus-5
- https://www.anthropic.com/claude-fable-and-mythos-5-1
- https://www.anthropic.com/news/claude-opus-5-5
- https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf
- https://www.anthropic.com/claude-sonnet-5-5
- https://www.anthropic.com/claude-sonnet-5-5-system-card
- https://www.anthropic.com/claude-haiku-5-5
- https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks
- https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5
- https://platform.claude.com/docs/en/models/opus-5-5/migration-guide
- https://deploymentsafety.openai.com/gpt-5-6-preview
- https://deploymentsafety.openai.com/gpt-5-6
- https://deploymentsafety.openai.com/gpt-6-astra
- https://deploymentsafety.openai.com/gpt-6-1-sol
- https://www.latent.space/p/ainews-openai-launches-gpt-56-solterraluna
- https://venturebeat.com/technology/welcome-to-the-agi-era-openai-launches-gpt-6-astra
- https://developers.openai.com/codex/app/computer-use
- https://metr.org/blog/2026-06-26-gpt-5-6-sol/
- https://metr.org/blog/2026-09-22-claude-opus-5-5/
- https://x.com/EpochAIResearch/status/2105673716185378845
- https://benchlm.ai/benchmarks/osworld2
- https://the-decoder.com/gpt-5-6-sol-cheats-on-software-tests-more-than-any-model-before-it/
- https://www.mindstudio.ai/blog/claude-opus-5-mixed-reception
- https://www.productcompass.pm/p/claude-opus-5-the-best-opus-yet-once
- https://www.cnbc.com/2026/05/06/anthropic-ceo-dario-amodei-says-company-crew-80-fold-in-first-quarter.html
- https://arxiv.org/abs/2504.13837
- https://arxiv.org/abs/2501.12948
- https://arxiv.org/abs/2505.24864
- https://arxiv.org/abs/2510.13786
- https://arxiv.org/abs/1902.03393
- https://ai.meta.com/blog/llama-4-multimodal-intelligence/
