# Claude Opus 5.5: benchmark, prezzi e sicurezza del nuovo modello di Anthropic

_Rende quasi come Fable 5.1, costa 4 e 20 dollari per milione di token e a sforzo medio spende una frazione dei rivali. Cosa dicono i numeri, cosa cambia nel codice e dove la system card invita alla prudenza._

Fonte: https://andreapirazzini.it/blog/claude-opus-5-5-benchmark-prezzi-sicurezza · Andrea Pirazzini · 22 settembre 2026

## In breve

- Opus 5.5 apre la famiglia Claude 5.5: su gran parte dei lavori rende come Fable 5.1 e, stando ad Anthropic, taglia la spesa di circa il 40% in confronto a Opus 5.
- Listino a 4 $ in input e 20 $ in output per milione di token (−20%), lettura dalla cache a 0,20 $ (−60%), testo generato oltre il 30% più in fretta.
- Vince su Terminal-Bench 4.0 con il 66,4%, su CursorBench con il 57,8% e su GDPval-AA con 1846 Elo; perde da GPT-6 Astra solo sulla ricerca scientifica e su AutomationBench.
- Miglior audit di comportamento di Anthropic, ma la system card segnala che cede più spesso alle istruzioni malevole incollate nel prompt.
- Chi lo usa via API deve adattare il codice: ragionamento sempre acceso, niente tool use forzato, sforzo predefinito sceso a medium.

## Perché se ne parla

Il 22 settembre 2026 Anthropic ha pubblicato **Claude Opus 5.5**. In due righe: sulla maggior parte dei lavori ottiene risultati simili a Claude Fable 5.1, il modello di punta uscito appena tre settimane prima, e con le impostazioni di serie fa risparmiare circa il **40%** rispetto a Opus 5.

È il primo esponente della famiglia Claude 5.5. Sonnet 5.5 e Haiku 5.5 sono annunciati per le settimane successive, con gli stessi progressi su prestazioni, efficienza e sicurezza, ma senza ancora una data né un listino.

[Video: Il video ufficiale con cui Anthropic presenta Claude Opus 5.5.](https://www.youtube.com/watch?v=1f13Bl1sYkw)

Opus 5.5 è in testa su Terminal-Bench 4.0, CursorBench e le due classifiche di Artificial Analysis sul lavoro d'ufficio. Ma per chi lo mette in produzione conta di più un altro dato: al livello di sforzo predefinito, medium, raggiunge o supera i migliori risultati dei modelli OpenAI spendendo per ogni compito da circa un quinto a circa due quinti.

Arriva inoltre subito dopo l'appello con cui Dario Amodei, amministratore delegato dell'azienda, ha chiesto di rallentare la corsa ai modelli più potenti, e infatti esce con le protezioni finora riservate ai modelli di fascia più alta. Per le puntate precedenti ci sono i miei articoli su [Claude Opus 5](https://andreapirazzini.it/blog/claude-opus-5-anthropic-prezzi-benchmark) e su [Fable 5.1 e Mythos 5.1](https://andreapirazzini.it/blog/claude-fable-5-1-mythos-benchmark-prezzi).

- **−40%** costo stimato rispetto a Opus 5, con le impostazioni di serie
- **66,4%** su Terminal-Bench 4.0, primo tra i modelli di punta
- **4 $** per milione di token in input (20 $ in output)
- **0,20 $** per milione di token letti dalla cache (−60% rispetto a Opus 5)

_Fonte: dichiarato da Anthropic, settembre 2026_

## La scheda tecnica

| Voce | Dato ufficiale al 22 settembre 2026 |
| --- | --- |
| Nome nelle API | claude-opus-5-5 (su Bedrock: anthropic.claude-opus-5-5) |
| Contesto e risposta massima | 1 milione di token in ingresso, 128.000 in uscita (300.000 in batch, in beta) |
| Cosa legge e cosa produce | Legge testo e immagini, risponde con testo |
| Test esterni prima del rilascio | METR e Frontier Design |
| Prezzo base | 4 $ input, 20 $ output per milione di token |
| Cache | Lettura 0,20 $; scrittura 5 $ (durata 5 minuti) o 8 $ (durata 1 ora) |
| Batch | Metà prezzo: 2 $ e 10 $ |
| Modalità fast | 8 $ e 40 $, risposte fino a 2,5 volte più rapide; solo su API Claude e Claude Code |
| Ragionamento | Adattivo e sempre attivo, regolato dal livello di sforzo |
| Sforzo predefinito | medium (su Opus 5 era high) |
| Velocità | Output oltre il 30% più rapido di Opus 5 |
| Conoscenze affidabili fino a | Giugno 2026 |
| Dove si usa | API Claude; sui cloud Google Cloud, Microsoft Foundry, Amazon Bedrock e Claude Platform on AWS |
| Ritiro | Non prima del 22 settembre 2027 |

Tre concetti che torneranno spesso. Il **token** è il pezzetto di testo su cui si paga: una parola corta o un frammento di parola. La **cache** è una memoria temporanea: se all'inizio di ogni richiesta rimandate lo stesso testo (un manuale, un progetto software), dalla seconda volta lo si paga molto meno. Lo **sforzo** (_effort_) è una manopola con cinque posizioni, da low a max: più è alta, più il modello ragiona prima di rispondere, e più token consuma.

## Dove Opus 5.5 è primo, e dove no

Anthropic mette a confronto quattro modelli di punta. Sui sei benchmark in cui ci sono i punteggi di tutti e quattro, Opus 5.5 ne vince quattro.

Il vantaggio più largo è su **Terminal-Bench 4.0**, che misura lavori professionali in più passaggi svolti dentro un terminale: Opus 5.5 fa 66,4%, GPT-6 Astra si ferma a 57,9%, Fable 5.1 a 55,8%. Su **FrontierCode**, che controlla se le modifiche al codice fatte da un agente verrebbero accettate in un progetto vero, il distacco da Astra scende a un punto soltanto.

GPT-6 Astra resta davanti in due prove. La prima è **Terminal-Bench-Science**, ricerca scientifica svolta da un agente: 64,6% contro 58,7%. La seconda è **AutomationBench**, flussi di lavoro aziendali: 41,4% contro 40,0%. Su quest'ultima pesa un dettaglio: Zapier, che ha condotto il test, non ha previsto modelli di riserva, e ogni volta che le protezioni di Anthropic sono intervenute il compito è stato contato come fallito.

**Opus 5.5 contro i rivali** — Punteggi dichiarati al lancio, in percentuale

| Voce | Opus 5.5 | Fable 5.1 | Opus 5 | GPT-6 Astra |
| --- | --- | --- | --- | --- |
| Terminal-Bench 4.0 | 66,4% | 55,8% | 52,3% | 57,9% |
| FrontierCode v1.1 | 54,4% | 50,3% | 48% | 53,3% |
| Terminal-Bench-Science | 58,7% | 52,6% | 29% | 64,6% |
| HLE con strumenti | 67,7% | 65,6% | 63,6% | 57,2% |
| HealthBench Prof. | 65,6% | 62,1% | 59,8% | 63,4% |
| AutomationBench | 40% | 31,4% | 26,9% | 41,4% |

_Fonte: dichiarato da Anthropic, settembre 2026_

### Come leggere questi margini

È la stessa Anthropic a suggerire prudenza. Quando i modelli arrivano a questo livello, spiega, un paio di punti in un benchmark contano meno di ciò che si osserva sul lavoro reale. E nei propri team Opus 5.5 e Fable 5.1 sembrano più vicini di come li dipinge la tabella.

C'è poi un effetto che gioca contro Opus 5.5. È stato valutato con le protezioni di produzione accese, e quando scattavano il compito veniva girato a un modello precedente: a Opus 4.8 se si trattava di sicurezza informatica, a Opus 5 per biologia e sviluppo di modelli linguistici.

![La tabella dei benchmark pubblicata da Anthropic: Opus 5.5, Fable 5.1, Opus 5, GPT-6 Astra e GPT-5.6 Sol su nove prove, con evidenziato il miglior risultato di ogni riga](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/5d32d357-f43c-4816-bd0f-420485df89e1.webp)
*La tabella originale del lancio: la colonna di Opus 5.5 è in evidenza dove vince, le due caselle grigie sono le prove in cui resta davanti GPT-6 Astra. Tabella: Anthropic.*

### La tabella completa

Qui sotto anche le prove aggiunte dalla system card (SWE-bench, Humanity's Last Exam senza strumenti, HealthBench, AA-Briefcase). Il trattino indica un valore non pubblicato.

| Benchmark | Opus 5.5 | Fable 5.1 | Opus 5 | GPT-6 Astra | GPT-5.6 Sol |
| --- | --- | --- | --- | --- | --- |
| Terminal-Bench 4.0 | 66,4% | 55,8% | 52,3% | 57,9% | 37,3% |
| FrontierCode v1.1 (Main) | 54,4% | 50,3% | 48,0% | 53,3% | 47,5% |
| CursorBench 4.0 | 57,8% | 51,8% | 46,6% | — | 41,7% |
| SWE-bench Pro | 89,9% | 81,2% | 79,2% | — | — |
| SWE-bench Multilingual | 93,9% | 89,1% | 89,5% | — | — |
| SWE-bench Multimodal | 61,4% | 54,7% | 59,4% | — | — |
| Terminal-Bench-Science 0.1 | 58,7% | 52,6% | 29,0% | 64,6% | 22,4% |
| Humanity's Last Exam, senza strumenti | 64,4% | 60,9% | 56,6% | — | — |
| Humanity's Last Exam, con strumenti | 67,7% | 65,6% | 63,6% | 57,2% | — |
| OSWorld 2.0 (parziale / rigoroso) | 81,8% / 48,7% | 80,7% / 42,8% | 74,0% / 37,2% | — | — |
| Chartography, con strumenti | 89,0% | 88,4% | 83,4% | — | — |
| HealthBench Professional | 65,6% | 62,1% | 59,8% | 63,4% | — |
| GDPval-AA v2.1 (Elo) | 1846 | 1735 | 1708 | 1542 | 1588 |
| AA-Briefcase v1.1 (Elo) | 1822 | 1678 | 1673 | 1569 | — |
| AutomationBench | 40,0% | 31,4% | 26,9% | 41,4% | 28,8% |

## Il salto rispetto a Opus 5

Per chi usa già Claude in produzione, il confronto che conta è con il predecessore. Nella sintesi della system card Opus 5.5 fa meglio su ogni singola prova, e i passi avanti più ampi stanno proprio dove un agente passa la maggior parte del tempo:

- **SWE-bench Pro**: +10,7 punti, da 79,2% a 89,9%;
- **CursorBench**: +11,2 punti. Qui i compiti sono richieste ambigue che toccano più file, prese da sessioni reali dentro l'editor Cursor;
- **OSWorld 2.0 in modalità rigorosa**: +11,5 punti. È l'uso del computer (cliccare, compilare, navigare) giudicato senza punteggi parziali;
- **Terminal-Bench-Science**: da 29,0% a 58,7%, più del doppio.

**Il salto rispetto a Opus 5** — Otto prove tra modelli Claude, in percentuale

| Voce | Opus 5.5 | Fable 5.1 | Opus 5 |
| --- | --- | --- | --- |
| SWE-bench Pro | 89,9% | 81,2% | 79,2% |
| SWE-bench Multilingual | 93,9% | 89,1% | 89,5% |
| SWE-bench Multimodal | 61,4% | 54,7% | 59,4% |
| CursorBench 4.0 | 57,8% | 51,8% | 46,6% |
| OSWorld 2.0 rigoroso | 48,7% | 42,8% | 37,2% |
| OSWorld 2.0 parziale | 81,8% | 80,7% | 74% |
| Chartography, con strumenti | 89% | 88,4% | 83,4% |
| HLE senza strumenti | 64,4% | 60,9% | 56,6% |

_Fonte: system card (tabella 8.1.A) e pagina di lancio di Anthropic, settembre 2026; sforzo max_

C'è un'altra cosa che la tabella rende evidente: in nessuna riga Fable 5.1 sta sopra Opus 5.5. Nel lavoro di tutti i giorni su codice e uso del computer, diventa difficile giustificare il listino di Fable 5.1, cioè 10 $ in input e 50 $ in output.

## Quanto costa davvero un buon risultato

Il listino racconta solo metà della storia. Rispetto a Opus 5 scendono tutte le voci, ma per un agente quella decisiva è la lettura dalla cache: secondo Anthropic, nei lavori agentici e di programmazione è la voce che pesa di più sulla bolletta.

**Listino: Opus 5.5 contro Opus 5** — Dollari per milione di token

| Voce | Opus 5.5 | Opus 5 |
| --- | --- | --- |
| Lettura dalla cache | 0,2 $ | 0,5 $ |
| Input | 4 $ | 5 $ |
| Scrittura in cache (5 min) | 5 $ | 6,25 $ |
| Output | 20 $ | 25 $ |

_Fonte: listino Anthropic, settembre 2026_

### Un esempio di calcolo

Prendiamo un agente che lavora su un progetto software. Alla prima chiamata salva in cache 100.000 token di contesto (il codice e le istruzioni). Poi fa 40 chiamate: ognuna rilegge quei 100.000 token dalla cache, aggiunge 5.000 token nuovi e scrive una risposta da 2.000 token.

| Voce | Opus 5.5 | Opus 5 |
| --- | --- | --- |
| Scrittura in cache (100.000 token) | 0,50 $ | 0,63 $ |
| Letture dalla cache (4 milioni di token) | 0,80 $ | 2,00 $ |
| Input nuovo (200.000 token) | 0,80 $ | 1,00 $ |
| Output (80.000 token) | 1,60 $ | 2,00 $ |
| **Totale** | **3,70 $** | **5,63 $** |

A parità di token il risparmio è di circa un terzo, per più di metà grazie alla cache. Il 40% dichiarato da Anthropic aggiunge l'altro ingrediente: Opus 5.5 usa anche meno token. È un caso semplificato (la cache da 5 minuti deve restare attiva tra una chiamata e l'altra): prima di un preventivo va misurato sul proprio carico.

Per i lavori che possono aspettare c'è il batch a metà prezzo; all'opposto, la modalità fast costa il doppio in cambio di risposte fino a 2,5 volte più rapide.

## Stesso punteggio, una frazione della spesa

L'altra metà della storia è il consumo: quanti token brucia il modello prima di consegnare. Anthropic ha pubblicato, per ogni benchmark, punteggio e spesa per ogni gradino di sforzo. Il paragone più utile mette Opus 5.5 a medium contro il miglior risultato di OpenAI, a qualsiasi livello:

- **FrontierCode**: Opus 5.5 a sforzo medio fa 54,6% spendendo circa 0,80 $ a compito; GPT-6 Astra tocca il suo massimo, 53,3%, con circa 4,36 $.
- **GDPval-AA**: 1576 Elo contro 1542, con circa un quinto della spesa.
- **Terminal-Bench 4.0**: qui Opus 5.5 non supera Astra ma lo eguaglia (57,6% contro 57,9%) con circa il 40% del costo.
- **CursorBench**: batte di 11 punti il miglior GPT-5.6 Sol spendendo circa un terzo.

**Stesso punteggio, una frazione della spesa** — Dollari per compito: Opus 5.5 a medium contro il miglior risultato del rivale OpenAI

| Voce | Opus 5.5 a medium | Rivale OpenAI al suo meglio |
| --- | --- | --- |
| Terminal-Bench 4.0, contro GPT-6 Astra | 2,94 $ | 7,21 $ |
| FrontierCode, contro GPT-6 Astra | 0,8 $ | 4,36 $ |
| CursorBench, contro GPT-5.6 Sol | 2,9 $ | 8,23 $ |
| GDPval-AA, contro GPT-6 Astra | 0,86 $ | 4,53 $ |

_Fonte: grafici accuratezza-costo di Anthropic, settembre 2026; su Terminal-Bench costo per tentativo, su GDPval-AA stimato_

Il paragone con il predecessore è ancora più impietoso. Su Terminal-Bench, Opus 5 spinto al livello massimo resta sotto Opus 5.5 lasciato a medium, che per giunta spende circa un quinto.

**FrontierCode: quanto costa ogni compito** — Dollari per compito; nella nota il punteggio ottenuto

| Voce | Costo per compito |
| --- | --- |
| Opus 5.5 a low | 0,4 $ |
| Opus 5.5 a medium | 0,8 $ |
| Opus 5.5 a high | 1,09 $ |
| Opus 5.5 a xhigh | 2,25 $ |
| GPT-6 Astra, miglior risultato | 4,36 $ |
| Opus 5.5 a max | 6,19 $ |

_Fonte: dichiarato da Anthropic, settembre 2026_

Qui sotto due dei grafici originali da cui arrivano questi numeri: ogni pallino è un gradino di sforzo, da low a max, e in orizzontale c'è la spesa per compito su scala logaritmica.

![Grafico di Anthropic su FrontierCode v1.1: punteggio in funzione del costo per compito per Opus 5.5, Fable 5.1, Opus 5, GPT-6 Astra e GPT-5.6 Sol; il punto più alto di Opus 5.5 è a medium](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/15f44444-bde9-44f6-a27d-7298bb3043c5.webp)
*FrontierCode: la curva di Opus 5.5 parte molto più a sinistra delle altre, cioè costa meno, e tocca il suo punto più alto già a medium. Grafico: Anthropic.*

![Grafico di Anthropic su CursorBench 4.0: punteggio in funzione del costo per compito per Opus 5.5, Fable 5.1, Opus 5 e GPT-5.6 Sol; la curva di Opus 5.5 sta sopra a tutte](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/e4ddfd1e-500c-4052-b1b5-63393889e005.webp)
*CursorBench: a medium Opus 5.5 supera già Fable 5.1 e Opus 5 spinti al massimo, e il miglior GPT-5.6 Sol resta 11 punti sotto. Grafico: Anthropic.*

## La curva dello sforzo: il massimo non è sempre il meglio

Nei grafici di Anthropic ogni livello di sforzo è un punto su una curva, con il costo su scala logaritmica. Due cose saltano all'occhio: già a medium, su Terminal-Bench, Opus 5.5 supera Fable 5.1 al massimo; e max non è sempre il livello migliore.

**Terminal-Bench 4.0, gradino per gradino** — Punteggio ai cinque livelli di sforzo, dal più basso (1) al massimo (5)

Opus 5.5:
| Sforzo: 1 low · 2 medium · 3 high · 4 xhigh · 5 max | Punteggio (%) |
| --- | --- |
| 1 | 38,5% |
| 2 | 57,6% |
| 3 | 64,2% |
| 4 | 66,4% |
| 5 | 64,8% |

Fable 5.1:
| Sforzo: 1 low · 2 medium · 3 high · 4 xhigh · 5 max | Punteggio (%) |
| --- | --- |
| 1 | 40,2% |
| 2 | 43,4% |
| 3 | 49,4% |
| 4 | 51,3% |
| 5 | 55,8% |

Opus 5:
| Sforzo: 1 low · 2 medium · 3 high · 4 xhigh · 5 max | Punteggio (%) |
| --- | --- |
| 1 | 28,5% |
| 2 | 41,2% |
| 3 | 47% |
| 4 | 50,6% |
| 5 | 52,3% |

GPT-6 Astra:
| Sforzo: 1 low · 2 medium · 3 high · 4 xhigh · 5 max | Punteggio (%) |
| --- | --- |
| 1 | 49,7% |
| 2 | 53,9% |
| 3 | 57,9% |
| 4 | 57,6% |
| 5 | 56,7% |

GPT-5.6 Sol:
| Sforzo: 1 low · 2 medium · 3 high · 4 xhigh · 5 max | Punteggio (%) |
| --- | --- |
| 1 | 7,9% |
| 2 | 20,9% |
| 3 | 26,1% |
| 4 | 28,5% |
| 5 | 37,3% |

_Fonte: grafico accuratezza-costo di Anthropic, settembre 2026; valori GPT come riportati da OpenAI_

Su Terminal-Bench il risultato migliore arriva a xhigh (66,4%), non a max (64,8%), che per giunta costa il 53% in più. Su FrontierCode succede qualcosa di simile: il 54,6% ottenuto a medium vale più del 54,4% ottenuto a max, e a medium si spende circa un ottavo.

![Grafico di Anthropic su Terminal-Bench 4.0: punteggio in funzione del costo per tentativo; la curva di Opus 5.5 sale fino a xhigh e scende leggermente a max, sopra quelle di GPT-6 Astra, Fable 5.1, Opus 5 e GPT-5.6 Sol](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/90055ae4-7d1f-43a4-9c33-a8e47d57bc6b.webp)
*Il grafico originale di Terminal-Bench: l'ultimo pallino della curva di Opus 5.5, il livello max, sta più in basso e più a destra di xhigh. Rende meno e costa di più. Grafico: Anthropic.*

| Sforzo | Terminal-Bench 4.0 | FrontierCode v1.1 | GDPval-AA v2.1 |
| --- | --- | --- | --- |
| low | 38,5% · 1,29 $ | 47,3% · 0,40 $ | 1224 · 0,21 $ |
| medium (predefinito) | 57,6% · 2,94 $ | 54,6% · 0,80 $ | 1576 · 0,86 $ |
| high | 64,2% · 3,88 $ | 54,0% · 1,09 $ | 1692 · 1,54 $ |
| xhigh | 66,4% · 7,35 $ | 51,4% · 2,25 $ | 1820 · 4,21 $ |
| max | 64,8% · 11,24 $ | 54,4% · 6,19 $ | 1846 · 8,92 $ |

_In ogni cella: punteggio e costo per compito._

> **Consiglio:** Prima di alzare lo sforzo "per stare tranquilli", misurate. Nella programmazione, secondo questi dati, il gradino che ripaga meglio ogni dollaro aggiunto è di solito il passaggio da medium a high. Il massimo ha senso soprattutto nel lavoro professionale lungo: su GDPval il punteggio continua a crescere anche all'ultimo gradino.

## Programmazione: migrazioni, audit e meno passaggi

Secondo Anthropic, Opus 5.5 dà il meglio nei lavori lunghi e sparpagliati su tutto un progetto: migrazioni, revisioni complete di una base di codice. Gli esempi pubblicati vanno tutti in questa direzione:

- un tester ha portato a termine in meno di un giorno la migrazione di **680.000 righe** di codice; per un team era un lavoro stimato in settimane;
- un altro ha controllato e corretto una base di codice da **200.000 righe** in meno di tre ore, dove Opus 5 aveva impiegato più di 20 ore consumando 2,5 volte i token;
- Anthropic ha fatto tradurre internamente **HAProxy** dal linguaggio C a Rust. Entrambi i modelli, Fable 5.1 e Opus 5.5, sono arrivati a passare quasi ogni test di regressione del progetto; Opus 5.5 però ha chiuso in 9 ore e mezza invece di 12, e con una spesa più bassa del 51%;
- chiamato a rendere più veloce ogni pagina di un'applicazione web, ci è riuscito **39 volte su 40**; Opus 5 otteneva miglioramenti più piccoli e in più cambiava il comportamento dell'applicazione.

![Illustrazione su fondo nero: la curva di un orizzonte disegnata con un reticolo di linee sottili, attraversato da tratti rossi, azzurri e verdi](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/835741f4-66e7-4ba2-8c11-65f46095341e.webp)
*Un'illustrazione tratta dalla pagina di lancio di Opus 5.5, nello stile a collage scelto da Anthropic. Immagine: Anthropic.*

Chi l'ha provato in anteprima nota soprattutto meno passaggi per lo stesso risultato.

| Azienda | Cosa ha osservato |
| --- | --- |
| GitHub | Tra i modelli più parsimoniosi in token e passaggi misurati su Copilot CLI e VS Code; nell'editor chiude più compiti da terminale di Opus 5 con meno della metà dei passaggi |
| Quantium | Un compito complesso sceso da 38 richieste in quattro giorni a 11 richieste in tre ore |
| Optiver | Qualità pari a Opus 5 dimezzando più o meno turni, tempo e token in uscita; costo del carico giù del 40-50% |
| Lovable | Build completate con un numero di passaggi ridotto da un terzo alla metà, e con molti meno token |
| Kiro | Rispetto a Opus 5 risolve più compiti, con circa il 40% di chiamate e la metà dei token in meno |
| Clio | Un lavoro su sei repository lasciato andare di notte senza sorveglianza: oltre 18 ore in autonomia e meno correzioni da rifare |
| Stripe | Una sessione che dirigeva una dozzina di altre ha rifatto il rebase di 40 pull request impilate: il pomeriggio seguente i test automatici erano tutti verdi |
| Factory | A sforzo medio eguaglia Opus 5 a sforzo alto, con il 20-25% di token in uscita in meno |

### Un agente di programmazione più protetto

Anthropic lo definisce il suo agente di programmazione più protetto: ogni azione, prima di partire, passa al vaglio di un classificatore; la sandbox, l'ambiente chiuso in cui l'agente lavora, è open source e verificabile; la revisione del codice ferma le vulnerabilità prima che la modifica entri nel progetto.

Contro la **prompt injection**, cioè le istruzioni nascoste in documenti o pagine web per ingannare l'agente, Opus 5.5 fa pari o meglio di Opus 5 in tutti i contesti provati. Sul benchmark di Gray Swan ha, insieme a Fable 5.1, la percentuale di attacchi riusciti più bassa tra tutti i modelli testati.

## Lavoro d'ufficio: report senza cifre inventate

Il test interno più interessante riguarda la ricerca di informazioni. Il compito, dato a tre modelli (Opus 5.5, Fable 5.1 e Opus 5): preparare un'analisi dei conti di un trimestre di una società, attingendo soltanto a una versione copiata del web, dove il comunicato con i risultati era difficile da trovare. Poi un correttore automatico ha verificato numero per numero e fonte per fonte: una sola cifra inventata e il report veniva scartato.

Risultato: Opus 5.5 ha superato la prova **16 volte su 18**. Gli altri due modelli non ci sono mai riusciti, in nessun tentativo.

![Illustrazione su fondo nero: un orizzonte fatto di ritagli di carta colorata, con forme blu, verdi, rosse, gialle e una zona tratteggiata a matita](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/3bfeb393-6e76-4bd1-9b50-24e0bde4550a.webp)
*Un'altra immagine della stessa serie: carta colorata ritagliata a formare un orizzonte. Immagine: Anthropic.*

Secondo esempio: due società di software per le risorse umane, inventate per l'occasione, che valutano una fusione. Il modello doveva costruire il foglio Excel con i conti e le slide da portare al management. La conclusione è stata la stessa per Opus 5.5 e per Opus 5; cambiava la qualità del lavoro: il foglio del nuovo modello era più ricco e le slide più leggibili, mentre in quello di Opus 5 c'erano piccoli errori. Tempo impiegato: 63 minuti invece di 93, con metà della spesa.

## Lavoro professionale misurato in Elo

Artificial Analysis gestisce due classifiche di agenti su compiti d'ufficio reali, **GDPval-AA** (44 professioni) e **AA-Briefcase**. Il punteggio è in **Elo**, come negli scacchi: più è alto, più spesso il modello vince il confronto diretto.

**Lavoro professionale, punteggio Elo** — Classifiche di Artificial Analysis

| Voce | Opus 5.5 | Fable 5.1 | Opus 5 | GPT-6 Astra |
| --- | --- | --- | --- | --- |
| GDPval-AA v2.1 | 1.846 | 1.735 | 1.708 | 1.542 |
| AA-Briefcase v1.1 | 1.822 | 1.678 | 1.673 | 1.569 |

_Fonte: dichiarato da Anthropic, settembre 2026_

![Grafico di Anthropic su GDPval-AA v2.1: punteggio Elo in funzione del costo stimato per compito; la curva di Opus 5.5 arriva a 1846 al massimo e sta sopra quelle di tutti gli altri modelli](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/23c6889c-7ce1-4e54-a715-aa0a5de57dc2.webp)
*GDPval-AA nel grafico originale: già a medium Opus 5.5 supera GPT-6 Astra al massimo, spendendo circa un quinto per compito. Grafico: Anthropic.*

AutomationBench è il test di Zapier sui flussi di lavoro aziendali. Qui, a qualunque livello di sforzo, Opus 5.5 sta sopra sia a Opus 5 sia a GPT-5.6 Sol; solo GPT-6 Astra, spinto al massimo, lo supera di poco. Poi c'è **WANDR**, con cui Perplexity misura la capacità di raccogliere grandi volumi di dati: Opus 5.5 fa meglio di Fable 5.1 e di Opus 5 con una spesa per compito più bassa. Anthropic avverte però di aver usato una configurazione diversa da quella di Perplexity: i numeri non si possono mettere accanto alla classifica ufficiale.

![Grafico di Anthropic su AutomationBench: tasso di successo in funzione del costo per compito per Opus 5.5, Opus 5, GPT-6 Astra e GPT-5.6 Sol; solo GPT-6 Astra al massimo supera la curva di Opus 5.5](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/43519f43-e499-4023-b9dc-c20b75aca1ab.webp)
*AutomationBench, il test di Zapier: a qualunque livello di sforzo la curva di Opus 5.5 resta più alta di quelle di Opus 5 e GPT-5.6 Sol; solo GPT-6 Astra al massimo lo supera, con il 41,4%. Grafico: Anthropic.*

![Grafico di Anthropic su WANDR: punteggio in funzione del costo per tentativo per Opus 5.5, Fable 5.1 e Opus 5; la curva di Opus 5.5 arriva più in alto spendendo meno](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/8b26329b-3e98-45d7-afc8-12b87053edca.webp)
*WANDR, la prova di Perplexity sulla raccolta di dati: Opus 5.5 va più in alto di Fable 5.1 e Opus 5 con una spesa per tentativo più bassa. Configurazione diversa da quella di Perplexity. Grafico: Anthropic.*

Le testimonianze dei clienti in anteprima:

| Azienda | Cosa ha osservato |
| --- | --- |
| Deloitte Consulting | Allo sforzo minimo scova il 72% dei bug già noti nelle revisioni del codice, dove Opus 5 al livello alto arrivava al 56%, e dà meno falsi allarmi |
| Hebbia | Nei flussi finanziari completi soddisfa l'86,6% dei criteri fissati dagli esperti, contro il 60,3% di Opus 5 |
| Rogo | Allo sforzo minimo supera Opus 5 a sforzo alto su BigFinance Bench, con circa il 60% di token in uscita in meno |
| Box | Usa un terzo dei token rispetto al predecessore, con risposte più corte del 40% e la stessa accuratezza |
| Walleye Capital | Agli sforzi più alti si è accorto che nelle istruzioni del test i minuti erano numerati con uno scarto di uno, e ne ha tenuto conto: prima nessun modello l'aveva notato |
| Viktor | A pari sforzo, meno passaggi e chiamate, spesa quasi dimezzata e il doppio dei compiti più difficili risolti |

**Due misure dai clienti in anteprima** — Opus 5.5 contro Opus 5, in percentuale

| Voce | Opus 5.5 | Opus 5 |
| --- | --- | --- |
| Deloitte: bug noti trovati in revisione | 72% | 56% |
| Hebbia: criteri degli esperti soddisfatti | 86,6% | 60,3% |

_Fonte: Deloitte Consulting e Hebbia, citati da Anthropic, settembre 2026_

## Scrive meno "alla Claude"

Chi usava Opus 5 si lamentava spesso del suo modo di scrivere: risposte prolisse, termini tecnici gettati lì, frasi con tic tutti suoi. Anthropic dice di averci messo mano, e al lancio ha pubblicato alcuni confronti fianco a fianco che rendono visibile il cambiamento.

Il caso più chiaro è un errore nella fatturazione. Opus 5 comincia con un resoconto di ciò che ha trovato e una serie di frammenti di codice. Opus 5.5 comincia dalla risposta: dei soldi persi ad agosto, solo 1,50 $ dipendono dal cambio del piano gratuito; i restanti 9,92 $ nascono da un commit etichettato come "nessun cambio di comportamento", che in realtà esclude dal conteggio l'ultimo giorno di ogni mese. Il codice arriva dopo.

![Confronto affiancato tra Opus 5 e Opus 5.5 che spiegano un bug di fatturazione: a sinistra un resoconto lungo che parte da cosa ha trovato, a destra una risposta che apre con la conclusione e le cifre](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/9ce0a217-9719-41e3-826d-d76137961daa.webp)
*Spiegare un bug: Opus 5, a sinistra, racconta la sua indagine; Opus 5.5, a destra, parte dalla risposta e dai numeri. Confronto: Anthropic.*

Chi l'ha provato racconta lo stesso schema: prima ciò che conta, poco gergo, regole di stile seguite davvero. Un tester l'ha messa in quattro parole: «scrive come scrivo io». Non è estetica: un riepilogo che si capisce alla prima lettura si riesce anche a verificare, e Anthropic lo presenta come un vantaggio per la sicurezza.

![Confronto affiancato tra Opus 5 e Opus 5.5 che riassumono in tre punti un thread Slack per un manager: nella versione di Opus 5.5 ogni punto dice chi fa cosa e se è già fatto](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/c29e96eb-daac-4145-940c-d3960d4865cf.webp)
*Riassumere un thread per il proprio responsabile: nella versione di Opus 5.5 ogni punto dice chi se ne occupa e a che punto è. Confronto: Anthropic.*

![Confronto affiancato tra Opus 5 e Opus 5.5 che spiegano una modifica a un programma per gli scacchi: a sinistra un testo pieno di dettagli tecnici, a destra la scelta spiegata in poche frasi](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/c3176f83-2ed1-4068-953e-44a742d742b9.webp)
*Spiegare una scelta di progetto: Opus 5 si perde nei dettagli di implementazione, Opus 5.5 dice cosa ha cambiato e perché in poche righe leggibili. Confronto: Anthropic.*

## Sicurezza: ottimo audit, qualche crepa

Sette giorni prima del lancio Dario Amodei aveva pubblicato un saggio con una richiesta precisa: regolare il ritmo del progresso dell'AI, così che le pratiche di sicurezza non restino indietro rispetto alle capacità. Anthropic dice di muoversi su due piani. Da un lato le pratiche già collaudate per i modelli di oggi: test di allineamento, valutazioni esterne, protezioni proporzionate ai rischi. Dall'altro la preparazione a modelli in grado di automatizzare la stessa ricerca sull'AI, per i quali quelle pratiche, da sole, non basterebbero.

![Illustrazione su fondo nero: il bordo di una grande foglia verde con le venature in rilievo e qualche macchia gialla, disegnato come un orizzonte](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/31e92f7b-f78f-4409-bd93-98d61b089696.webp)
*Un'illustrazione della pagina di lancio, accanto al capitolo sulla sicurezza. Immagine: Anthropic.*

L'**audit di comportamento automatizzato** mette il modello davanti a circa 2.000 scenari simulati. Su quasi tutte le misure di comportamento scorretto Opus 5.5 fa meglio di qualunque Claude recente, e sulla maggior parte degli indicatori di onestà è il migliore. C'è poi una valutazione nuova, su quanto spesso il modello prova ad andare oltre i limiti che gli sono stati dati: rispetto a Opus 5 e a Mythos 5.1, i tentativi calano di circa l'85%. Ognuno era di gravità bassa, e lo ha segnalato il modello stesso.

### Cosa aggiunge la system card

Le 230 pagine della system card raccontano una storia meno lineare dell'annuncio. Ecco i passaggi da non saltare:

- in due nuove valutazioni **senza protezioni attive**, il modello ha cercato di uscire dalla sandbox o di manometterla nell'1,5% dei casi. In un'esercitazione simulata gli sono capitate sotto mano quelle che sembravano le credenziali di un registro pubblico di pacchetti software: più o meno una volta su due le ha usate per azioni che avrebbero potuto fare danni;
- segue più volentieri dei modelli precedenti le **istruzioni malevole contenute nel testo che l'utente incolla** nella propria richiesta, e dà credito più spesso a dichiarazioni di autorizzazione che non può verificare;
- **sospetta spesso di essere messo alla prova**. Il problema è che un modello che "sente" il test può comportarsi diversamente fuori dal laboratorio. Anthropic stessa ammette che costruire valutazioni capaci di cogliere ogni errore è un problema ancora aperto;
- il monitoraggio non ha trovato _sandbagging_ (rendere meno di proposito durante i test) né inganni strategici di lungo periodo.

> **Attenzione:** Se costruite agenti con accesso a sistemi veri, il secondo punto è quello da tenere a mente: documenti, email o pagine incollate nel prompt possono contenere istruzioni ostili. Permessi minimi, conferme umane per le azioni delicate e registri delle operazioni restano indispensabili.

### Le protezioni in uscita

È il primo Opus con protezioni della stessa classe di Fable 5.1 su sicurezza informatica, biologia e distillazione; quando scattano, il lavoro passa in modo trasparente a un altro modello.

- **Sicurezza informatica**: trovare e correggere i bug nel proprio codice resta possibile, ma gran parte dei compiti di cybersecurity viene deviata su Opus 4.8. Chi lavora sul fronte della difesa avrà una strada dedicata, il Cyber Verification Program: nelle settimane successive al lancio accoglierà anche Opus 5.5, con tre gradi di fiducia che arrivano fino ai modelli Mythos.
- **Biologia**: in molte aree il modello eguaglia o supera Mythos 5.1 e usa le stesse protezioni di Fable 5.1. Per sbloccarlo del tutto c'è un programma nuovo, il Life Sciences Verification Program, aperto a laboratori universitari, startup e case farmaceutiche che superano la verifica. Nella classificazione di rischio della system card il modello sta al gradino CB-1 (armi già note, non nuove) e non raggiunge il CB-2.
- **Distillazione**: anche Opus 5.5 adotta il _preserved thinking_, arrivato con Fable 5.1. Serve a impedire che qualcuno ritocchi la conversazione precedente per farsi restituire il ragionamento del modello e usarlo per addestrarne un altro. La protezione riguarda gli account API aperti a partire dal 31 agosto 2026.
- **Dati e conformità**: è disponibile con zero data retention e, come Fable 5.1, applica al testo la filigrana digitale con cui Anthropic risponde all'AI Act europeo. Il ragionamento non si può più spegnere.

## Passare da Opus 5 a Opus 5.5: il codice da toccare

Chi usa le API non può limitarsi a scrivere il nuovo nome del modello. Secondo le note di rilascio, il codice pensato per Opus 5 si rompe in quattro punti:

1. il ragionamento (_thinking_) non si può disattivare: chi lo spegneva o gli dava un budget manuale riceve un errore 400;
2. il tool use forzato, cioè obbligare il modello a usare un certo strumento con `tool_choice`, restituisce errore;
3. i blocchi di ragionamento sono legati al modello e alla conversazione in cui sono nati;
4. sulle API di Anthropic e su Google Cloud lo strumento di computer use della generazione precedente viene rifiutato: bisogna passare al nuovo set di strumenti.

Ci sono poi due novità che non producono alcun errore, e proprio per questo sono le più insidiose. La prima: lo sforzo di partenza scende a medium, quindi conviene dichiararlo in modo esplicito. La seconda: le frasi che il modello produce mentre passa da uno strumento all'altro adesso viaggiano dentro blocchi di ragionamento vuoti. Se la vostra interfaccia le mostrava agli utenti, smetterà di aggiornarsi senza avvisare nessuno.

**claude-platform: opus-5 → opus-5-5**

**Cambiare il nome del modello**

```
- model = "claude-opus-5"
+ model = "claude-opus-5-5"
```

*Si parte dall'identificativo. Il resto dipende da cosa usava la vostra integrazione.*

**Il ragionamento resta acceso**

```
- thinking={"type": "disabled"}
+ thinking={"type": "adaptive"}   # equivale a omettere il campo
+ output_config={"effort": "low"}   # dove prima spegnevi il thinking
# 400 invalid_request_error: "thinking.type.disabled" is not supported for this model
```

*Ragionamento spento o con budget manuale ora rispondono con un errore 400: la profondità si regola solo con lo sforzo.*

**Niente strumento imposto**

```
- tool_choice={"type": "tool", "name": "estrai_fattura"}
+ tool_choice={"type": "auto"}
+ "strict": True   # nella definizione del tool
# Per far chiamare lo strumento, scrivi nel prompt quando va usato.
```

*tool_choice con any o tool restituisce 400. Per avere un JSON valido: auto più strict tool use, oppure gli structured outputs.*

**Computer use con il nuovo set**

```
- tools=[{"type": "computer_20251124", ...}]   # beta computer-use-2025-11-24
+ tools=[{"type": "computer_toolset_20260801"}]
```

*Su API Claude e Google Cloud il vecchio computer_20251124 viene rifiutato; su Amazon Bedrock funziona ancora.*

**Lo sforzo di partenza**

```
> Stesso prompt, stesso codice: perché i risultati sono cambiati?
Il livello predefinito è passato da high a medium. Imposta effort e confronta i livelli sul tuo carico.
+ output_config={"effort": "high"}
```

*Senza un valore esplicito Opus 5.5 lavora a medium, mentre Opus 5 partiva da high. Fissatelo e rifate le misure.*

**Le note tra una chiamata e l'altra**

```
$ stream · tool_use → thinking("") → tool_use → …
# seleziona i blocchi per type, non per posizione
# rimanda i blocchi thinking invariati nei loop di tool use
```

*Il testo scritto tra due strumenti arriva in blocchi di ragionamento, vuoti con la visualizzazione predefinita: chi lo mostra agli utenti deve impostare thinking.display.*

*I sei ritocchi della migrazione, ricostruiti dalle note di rilascio e dalla guida ufficiale. Sono frammenti di esempio, non un file completo.*

La guida ufficiale alla migrazione mostra gli esempi in Python e li ripete per TypeScript, Go, Java, C#, PHP e Ruby, con una lista di controllo completa.

## Prezzi, piani e disponibilità

Dal giorno del lancio il modello si chiama `claude-opus-5-5` sull'API di Anthropic ed è presente anche su Google Cloud, Microsoft Foundry, Amazon Bedrock e Claude Platform on AWS. OpenRouter lo elenca già con il nome `anthropic/claude-opus-5.5`, allo stesso listino di 4 e 20 $. La modalità fast (8 e 40 $) per ora è un'anteprima limitata all'API di Anthropic e a Claude Code: sui cloud dei partner non c'è.

Chi usa le app di Claude in abbonamento (Pro, Max, Team, Enterprise con licenza a postazione) trova limiti più alti sulla finestra di cinque ore, più un azzeramento del limite in regalo da usare quando serve.

## Cosa significa per un'azienda

Fino al giorno prima, chi costruiva agenti e automazioni aveva due strade: la capacità di Fable 5.1, al prezzo di 10 e 50 $, oppure il risparmio di Opus 5 e Sonnet 5. Con Opus 5.5 si ottiene quasi sempre la resa di Fable pagando meno della metà. E con la cache a 0,20 $ risparmiano di più gli agenti che rileggono tanto contesto: assistenti sulla documentazione aziendale, agenti di programmazione, flussi su archivi. È il genere di [sistema su misura](https://andreapirazzini.it/servizi/sistemi-ai-su-misura) in cui la cache decide il costo mensile.

![Illustrazione su fondo nero: il bordo di un tessuto rosso e arancione a motivi di foglie, con l'orlo cucito, disegnato come un orizzonte](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/3c7b2eaa-510a-4b8b-a11e-edbe421f8b5d/b26f4b6b-be16-4fb4-b4a3-517e9c00266b.webp)
*L'ultima delle illustrazioni del lancio di Opus 5.5. Immagine: Anthropic.*

Tre indicazioni pratiche:

1. **Cominciare da medium.** Prima di salire di livello, conviene fare prove sul proprio lavoro: stando ai grafici di Anthropic, spingere al massimo spesso costa più di quanto renda.
2. **Preparare la migrazione** invece di cambiare solo il nome: `tool_choice` forzato e ragionamento spento sono impostazioni frequenti nelle integrazioni esistenti.
3. **Tenere conto delle protezioni**: chi lavora in sicurezza informatica o nelle biotecnologie ha bisogno dei programmi di verifica; senza, parte dei compiti verrà girata a un modello più vecchio.

Per le aziende europee restano due elementi utili. La zero data retention semplifica le valutazioni sul trattamento dei dati. La filigrana sul testo serve a rispettare gli obblighi di trasparenza che l'AI Act impone sui contenuti generati; ne parlo nella guida all'[AI Act per le aziende](https://andreapirazzini.it/guide/ai-act-aziende-2-agosto-2026).

## Il mio parere

Tra i lanci di Anthropic di quest'anno, Opus 5.5 è il più concreto. Non prova a essere il modello più potente, ruolo che resta a Fable e Mythos: offre un livello molto vicino a un prezzo da fascia media, con un'impostazione di serie che quasi sempre basta.

I punti deboli, però, sono chiari. Numeri ed esempi arrivano tutti da Anthropic o da aziende che l'hanno avuto in anteprima. La migrazione richiede lavoro vero sul codice. Le protezioni sulla cybersecurity tolgono di mezzo una parte degli usi legati alla sicurezza. E nella system card ci sono passi indietro che pesano soprattutto per chi dà a un agente le chiavi di sistemi reali. Il mio è un giudizio preliminare, basato sulle fonti ufficiali e non su prove mie.

Se usate già Opus 5 o Fable 5.1, il passo sensato è una prova affiancata sui vostri compiti, misurando qualità, costo e tempi prima di cambiare.

[Prenota una call](https://andreapirazzini.it/prenota)

## Domande frequenti

**Quanto costa Claude Opus 5.5?**

Il listino base è di 4 $ per ogni milione di token letti e 20 $ per ogni milione scritti; Opus 5 costava 5 e 25 $. La cache si legge a 0,20 $, il batch costa la metà (2 e 10 $), la modalità fast 8 e 40 $. Sui carichi tipici Anthropic stima una spesa totale più bassa di circa il 40%.

**Opus 5.5 è più forte di Fable 5.1?**

Nei benchmark pubblicati sì: sta davanti in ogni riga della tabella, dalla programmazione all'uso del computer al lavoro d'ufficio. La stessa Anthropic però precisa che, nel lavoro vero, la differenza si vede meno. Il vantaggio concreto è il prezzo: 4 e 20 $ contro 10 e 50 $.

**Per migrare da Opus 5 basta aggiornare il nome del modello?**

Solo se l'integrazione usa già il ragionamento adattivo e lascia al modello la scelta degli strumenti. Ragionamento spento, budget manuale e tool use forzato ora danno errore 400; per il computer use, sulle API di Anthropic e su Google Cloud, serve il nuovo set di strumenti. Conviene anche fissare lo sforzo, perché il valore predefinito è sceso da high a medium.

**Quando arrivano Sonnet 5.5 e Haiku 5.5?**

Anthropic li ha annunciati per le settimane successive, con buona parte degli stessi progressi su prestazioni, efficienza e sicurezza. Al lancio di Opus 5.5 non c'erano ancora una data né un listino.