Análise de Inteligência, Desempenho e Preço do Claude Opus 5.5 (Max)
O novo modelo Claude Opus 5.5 da Anthropic está chamando atenção por oferecer cerca de duas vezes mais velocidade e metade do custo por tarefa do Opus 5 em níveis altos de raciocínio, enquanto ainda figura entre os LLMs proprietários mais capazes. Comentadores questionam a utilidade no mundo real do modo de raciocínio “max” extremamente caro, relatando casos em que o modelo pensa demais até atingir limites de tokens e observando que as configurações medium ou high muitas vezes entregam melhor valor. Preocupações mais amplas surgem em torno da relevância dos benchmarks, possíveis regressões de desempenho ao longo do tempo e se os melhores modelos proprietários conseguem justificar seus preços diante de alternativas de código aberto cada vez mais competitivas.
Preço, Custo e Desempenho
- O Opus 5.5 Max custa cerca de metade por tarefa e é aproximadamente duas vezes mais rápido que o Opus 5 com esforço “high” semelhante, o que muitos veem como uma melhoria forte.
- Alguns observam que o Astra High ainda é ligeiramente mais barato que o Opus 5.5 High; outros argumentam que modelos “value” como o Luna oferecem um custo por trabalho muito melhor do que modelos de fronteira.
- Há confusão e críticas em torno de formulações como “um pouco caro em comparação com modelos de preço semelhante” e “um pouco caro ao comparar com outros modelos de preço semelhante”, vistas como sem sentido sem uma referência de desempenho.
Modos de Raciocínio e o ‘Max’ de Overthinking
- Vários usuários relatam que o raciocínio Max/xhigh frequentemente pensa demais, atinge limites de tokens ou de ferramentas, ou nunca retorna uma პასუხa (por exemplo, falhando em “SVG pelican on a bicycle” depois de gastar todo o orçamento de pensamento).
- Raciocínio Medium ou High é amplamente visto como o ponto ideal prático; o Max é visto por alguns como apenas “benchmaxxing”, não para trabalho real.
- Relata-se que maior esforço aumenta a verbosidade e loops autorreferenciais em vez da qualidade, especialmente em tarefas agentic ou de longa duração.
Benchmarks, Evals e Degradação do Modelo
- Muitos desconfiam de benchmarks estáticos: os modelos podem ser ajustados para se sair bem neles, eles raramente refletem o uso real e muitas vezes são executados em condições idealizadas.
- Há pedidos por evals contínuas e aleatorizadas ao longo do tempo, incluindo rastreadores de degradação; um comentarista relata que o Sol regrediu para desempenho em nível do Luna em testes internos.
- Alguns suspeitam que provedores poderiam “puxar o tapete” após o lançamento; outros (incluindo um identificado como trabalhando em um fornecedor) atribuem as regressões percebidas principalmente ao acaso e ao aumento das expectativas.
Experiências de Usuários e Fluxos de Trabalho
- Vários usuários preferiam o Opus 4.8 ao 5 por melhor seguimento de instruções e continuidade de tarefas; eles esperam que o 5.5 corrija isso.
- Raciocínio Medium é comumente usado para programação interativa e revisão; High/Max é visto como desperdiçador e instável.
- Há relatos de que alguns modelos superengenheiram soluções, especialmente para tarefas de infraestrutura ou código; usuários tentam restringir o uso de ferramentas ou o esforço de raciocínio.
- Debate sobre fluxos de trabalho agentic: alguns executam com sucesso agentes de longa duração (dias) para corrigir listas de bugs; outros veem autonomia prolongada como não confiável para projetos do mundo real mal definidos.
Reflexões Mais Amplas
- Alguns sentem que o progresso está desacelerando e que os modelos estão perto de um teto de capacidade; outros apontam ganhos contínuos, embora incrementais.
- Há uma tensão recorrente entre modelos fechados “os melhores, mas caros” e modelos abertos ou de menor custo “bons o suficiente”, com previsões de que “bom o suficiente” pode dominar muitos casos de uso.