Claude Opus 5 è il modello di Anthropic per il coding agentico complesso e il lavoro enterprise, e la sua guida alla migrazione lo definisce un salto di categoria rispetto a Claude Opus 4.8 su ragionamento profondo, compiti agentici e a lungo orizzonte, e scaling del calcolo in fase di test.
- Input
- testo immagine $5/M
- Output
- testo $25/M
- Lettura cache
- $0.5/M
- Contesto
- 1M
- Knowledge cutoff
- 2026-05
Benchmark
Dati pubblicati dai provider: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Il prezzo a confronto
Dove si colloca il prezzo tra 70 modelli confrontabili
La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.
Specifiche e limiti
Token
| Finestra di contesto (specifica del provider) | 1.000.000 |
|---|---|
| Output massimo (specifica del provider) | 128.000 |
| Knowledge cutoff | 2026-05 |
Prompt caching
| Modalità | esplicito (opt-in) |
|---|---|
| Prefisso min. | 512 default del provider: 1.024 |
| Durata | 5 min predefinito, 1 ora opzionale |
| Costo di scrittura | 1.25x (5m) / 2x (1h) |
Ragionamento
| Parametro del provider | thinking.type + output_config.effort |
|---|---|
| Valori accettati | thinking.type adaptive · disabled; effort low · medium · high · xhigh · max |
| Valore di default | thinking attivo; effort high (Claude API e Claude Code) applicato se la richiesta non specifica nulla |
| Disattivabile | Sì |
| Comportamento del ragionamento | La disattivazione del thinking è accettata solo con effort high o inferiore, e thinking {"type": "disabled"} con xhigh o max restituisce un errore 400; display vale "omitted" di default, quindi i blocchi di thinking tornano con il campo thinking vuoto a meno che non si imposti display "summarized". |
| Parametro | reasoning_effort |
| Valori | minimal · low · medium · high parametri esposti dal gateway: vale la mappatura del provider indicata sopra |
Modello
| Modalità | testo + immagine → testo |
|---|
- Il contesto da 1M è sia il valore predefinito sia il massimo, senza varianti a contesto ridotto
- prompt minimo memorizzabile in cache abbassato a 512 token
- input di immagini ad alta risoluzione fino a 2576 px sul lato lungo
- fino a 300k token di output sulla Message Batches API con l'header beta output-300k-2026-03-24
- modifiche agli strumenti a metà conversazione in beta
- la fast mode è una research preview solo sulla Claude API
Un solo prompt, misurato attraverso il gateway
Claude Opus 5 superato · 3 sentences
When reasoning is enabled, the model generates a hidden chain of "thinking" tokens before it writes the visible answer, and those internal tokens are billed at the output rate even though no one ever sees them — commonly 3–10x more tokens than the response itself. Because output tokens are priced several times higher than input tokens, that added volume hits us at our most expensive rate, which is why the bill roughly doubled while our request count stayed flat. The spend is controllable: we can cap the reasoning budget per call, route only genuinely hard requests to reasoning mode and cheaper models for the rest, and track cost per successfully completed task rather than cost per token, since a single correct answer usually beats three cheap retries plus human cleanup.
out 529 tok latenza 9.0 s
Rispetto delle istruzioni (esattamente tre frasi: si contano), adattamento al destinatario (registro da CFO) e lo scarto di fatturazione dovuto al ragionamento nascosto, che i contatori di token qui sotto mettono in luce.
Claude Opus 5 superato · 8/8 cases
## Fixed version ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 if cur > best: best = cur return best ``` ## The bug The counters were tracking the wrong quantity: `cur` counted *matching adjacent pairs* rather than *elements in the current run*, and both counters started at `0` instead of `1`. Since a run of length *n* contains only *n − 1* adjacent equal pairs, every result came back one too small — `[1, 1]` returned 1, `[3, 3, 3]` returned 2 — and a single-element list returned 0 because the loop body never executed and `best` kept its initial value of `0`. […]
out 1094 tok latenza 16.1 s
Se la correzione è davvero giusta (si può eseguire), quanto è densa la spiegazione e quanti token servono per un compito circoscritto.
Claude Opus 5 superato · 5/5 fields, guidance "Withheld pending Q4 close"
```json { "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "Withheld pending Q4 close" } ``` Notes on judgment calls: - **quarter**: "September quarter" is labeled Q3 because the text refers to an upcoming "Q4 close," implying a calendar-aligned fiscal year. No fiscal year is given. - **revenue_usd_m**: 412 is stated as constant-currency and hedged ("call it"), so it's approximate; the currency is not explicitly stated as USD. - **growth_pct**: "up eleven and change" means slightly more than 11, so 11 is a floor rather than an exact figure.
out 539 tok latenza 7.6 s
Aderenza allo schema (nessun campo inventato), tentazione di allucinare (il testo dice espressamente che la guidance non viene comunicata) e differenze tra i percorsi di output strutturato.
Claude Opus 5 superato · 123 words, 0 banned, 1 question
**Cross-Provider Prompt Caching** We're introducing Cross-Provider Prompt Caching in the API Gateway. Repeated system prompts, long documents, and few-shot examples are stored once at the gateway layer and reused across OpenAI, Anthropic, Google, and self-hosted models. Instead of paying full input token costs on every request, your application sends a cache reference, and the gateway rehydrates the context before forwarding it downstream. Why does that matter? Teams running high-volume agents and retrieval pipelines typically see input token spend fall 40 to 70 percent, with median latency dropping by several hundred milliseconds. Caches are scoped per project, encrypted at rest, and invalidated automatically when a prompt template changes. Enable it with a single header, and see the docs for TTL tuning and per-route controls.
out 1593 tok latenza 19.1 s
Rispetto dei vincoli (budget di parole, elenco di parole vietate, l'unica domanda), impronta stilistica e controllo della lunghezza.
Usa Claude Opus 5 in 30 secondi
Compatibile con OpenAI: cambi base_url e tieni il tuo SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="claude-opus-5",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "claude-opus-5",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "claude-opus-5",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "claude-opus-5",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("claude-opus-5")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Informazioni su Claude Opus 5
- La guida alla scelta di Anthropic è di partire da qui, riservando Claude Fable 5 ai carichi di lavoro che richiedono la massima capacità disponibile.
- È un upgrade drop-in al prezzo di Opus 4.8 di $5 e $25 per milione di token di input e output, e mantiene la finestra di contesto da 1M di token come predefinita senza header beta, 128K di output massimo, thinking adattivo, caching dei prompt, elaborazione batch, la Files API, il supporto PDF e la vision, con due lacune documentate: lo strumento web fetch non è disponibile e il Priority Tier non è supportato.
- Due modifiche colgono impreparate le migrazioni.
- Il thinking è attivo di default, quindi una richiesta che omette il campo thinking ora ragiona dove prima non lo faceva, e max_tokens continua a limitare insieme thinking e risposta.
- E il thinking può essere disattivato solo a effort high o inferiore, perché abbinare il thinking disabilitato a xhigh o max restituisce un 400.
- L'effort va da low fino a max e il valore predefinito è high, il caching dei prompt parte da un prefisso di 512 token anziché 1.024, la fast mode è offerta come research preview e il cutoff di conoscenza affidabile è maggio 2026.
- I classificatori di sicurezza per la cybersecurity possono rifiutare una richiesta, e Anthropic nota che il modello verifica il proprio lavoro senza che gli venga chiesto, quindi le istruzioni di verifica ereditate da prompt più vecchi ora causano un'eccessiva verifica.
- Synthorai serve Claude Opus 5 tramite il suo endpoint chat compatibile OpenAI.
FAQ
L'API di Claude Opus 5 si può provare gratis?
Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza bisogno di carta. A $5/M per i token di input, quel credito basta da solo per circa 24 richieste da ~8K token a Claude Opus 5.
In cosa eccelle Claude Opus 5?
Costruito per il coding agentico complesso e il lavoro enterprise; salto di categoria su Opus 4.8 nel ragionamento profondo e nei compiti a lungo orizzonte; thinking attivo di default, disattivabile solo a effort high o inferiore. Il quadro completo è nella sezione «Informazioni», ripreso dalle note di rilascio ufficiali del provider.
Quanto costa Claude Opus 5?
Su Synthorai Claude Opus 5 costa $5 per milione di token di input e $25 per milione di token di output: è il prezzo di listino del provider, senza sovrapprezzo di piattaforma. I token di input letti dalla cache costano $0.5/M.
Qual è la finestra di contesto di Claude Opus 5?
Claude Opus 5 ha una finestra di contesto di 1M token su Synthorai. Una singola risposta può arrivare a 128,000 token.
Claude Opus 5 supporta il prompt caching?
Sì, con opt-in: contrassegna i prefissi stabili con i breakpoint cache_control. I token di input letti dalla cache costano $0.5/M, contro $5/M senza cache; per andare in cache un prompt deve avere un prefisso stabile di 512 token (TTL 5 min predefinito, 1 ora opzionale). Guida al prompt caching →
Come ottengo l'accesso a Claude Opus 5?
Fai puntare l'SDK OpenAI che usi già a base_url="https://synthorai.io/v1", imposta model="claude-opus-5" e hai finito: una sola chiave API vale per tutti i modelli del gateway.
Qual è il knowledge cutoff di Claude Opus 5?
Il knowledge cutoff di Claude Opus 5 è 2026-05, secondo la documentazione ufficiale del provider (dato aggiornato al 2026-07-28).
Modelli correlati
Confronta
Ogni valore di questa pagina è ripreso dalla documentazione del provider (il link è qui sopra) e riporta la data dell'ultima verifica. I prezzi sono confrontati sull'intero catalogo; per le specifiche che ogni provider definisce a modo suo indichiamo la differenza invece di metterle in un grafico. Qui non c'è nulla di misurato da noi e non assegniamo punteggi.