🤖 Claude a depășit oficial GPT-5.1

Astăzi vorbim despre Claude Opus 4.5, modelul care a reușit performanța de a întrece chiar și cei mai buni candidați umani la un test real de programare. Promptescu a fost și pe teren, la Tekpon AI Summit, unde a mai „furat” câteva idei, impresii și direcții despre ce urmează în AI, pe care vi le aducem azi si voua.

Ai pățit vreodată ca un model AI să „stea pe gânduri” o veșnicie, doar ca să ofere un răspuns mediocru? Anthropic schimbă complet povestea odată cu noul lor model de vârf: Claude Opus 4.5, care este în același timp mai rapid și mai inteligent decât versiunile anterioare.

Vestea mare: Opus 4.5 devine noul lider al industriei în materie de programare, agenți AI și utilizare a computerului… cel puțin conform testelor Anthropic. Modelul a obținut 80.9% pe SWE-bench Verified, standardul suprem pentru sarcini reale de inginerie software, depășind GPT-5.1 (76.3%) și Gemini 3 Pro (76.2%).

Și partea cu adevărat impresionantă: Anthropic oferă candidaților pentru roluri tehnice un test practic extrem de dificil, cu limită de timp de două ore. Claude Opus 4.5 a obținut un scor mai mare decât orice candidat uman care a dat vreodată acest test.

Performanță mult îmbunătățită.
Un nou parametru numit „effort” permite dezvoltatorilor să aleagă între viteză și profunzimea raționamentului.
– La nivel mediu, Opus 4.5 egalează performanța Sonnet 4.5 folosind cu 76% mai puțini tokeni.
– La capacitate maximă, depășește Sonnet cu 4.3 puncte procentuale, folosind totuși cu 48% mai puțini tokeni.

Cel mai greu model de „spart”.
Anthropic susține că Opus 4.5 este cel mai rezistent la atacuri prin prompt injection dintre toate modelele de top. Testele independente ale Gray Swan confirmă acest lucru.

Creativ în mod surprinzător.
În timpul evaluărilor, modelul a descoperit o soluție ingenioasă într-o simulare de politică aeriană: întâi upgrada clasa pasagerului, apoi modifica zborurile. O metodă perfect validă tehnic, dar care ocolea intenția regulii. Util pentru utilizatori, mai puțin pentru cei care scriu politici de utilizare AI.

Prețuri mult mai accesibile.
Costurile au scăzut la $5 / $25 per milion de tokeni (input/output), ceea ce face ca nivelul Opus să fie disponibil unui public mult mai larg. În plus, conversațiile lungi nu mai sunt limitate de context: Claude comprima automat istoricul, astfel încât dialogurile pot continua la nesfârșit.

Bonus pentru dezvoltatori:
Claude Code este acum disponibil și pe desktop ceea ce este o veste importantă pentru cei intimidați de terminal.

Dacă aceste rezultate se confirmă și în utilizarea reală, Claude Opus 4.5 marchează un salt real în capabilitățile AI autonome. Ne putem aștepta ca dezvoltatorii să înceapă să construiască aplicații agentice mult mai ambițioase, iar competiția să reacționeze rapid.

Modelul este deja disponibil pe Claude.ai

Claude Opus 4.5 e genul acela de model care te face să ridici sprânceana și să zici: „Ok, asta chiar e alt nivel.” Nu doar că bate oameni la un test real de programare, dar o face cu o naturalețe care te pune serios pe gânduri. Ce m-a surprins cel mai tare e echilibrul dintre viteză și inteligență… pare că în sfârșit nu mai trebuie să alegem între cele două. Iar faptul că rezistă mai bine la jailbreak arată că Anthropic începe să ia siguranța la fel de în serios ca performanța. Una peste alta, dacă acesta e ritmul, 2026 ar putea fi anul în care agenții AI devin, pentru prima dată, cu adevărat… folositori. Nu, Neuronache? 😉

Programul a fost dens și bine ales. Dimineața a început cu prezentarea The AI-First Playbook: Growing Without Increasing Headcount susținută de Vincent Jong, fondator Poolside Ventures. A abordat felul în care companiile pot crește folosind o mentalitate AI-first, nu prin mărirea echipelor, ci prin reproiectarea proceselor. Clar, concis și foarte pragmatic.

A urmat un panel consistent despre modul în care AI schimbă strategiile de Go-To-Market pentru companiile SaaS. Au fost acolo Jeko Kolev (Nextoria), Bill Stathopoulos (SalesCaptain), Vaios Gkitsas (Upset Partners), Frank Sondors (Salesforge) și Oren Greenberg. Fiecare a venit cu experiențe directe din piață, iar discuția a prins ritm rapid, cu exemple, provocări și abordări noi asupra felului în care AI optimizează vânzările și marketingul.

Un alt moment memorabil a fost prezentarea susținută de Sara Maldon, How to Really Scale AI: Combining Traditional and Agentic Automation. A vorbit despre felul în care combinarea automatizărilor clasice cu cele bazate pe agenți AI poate crea un nivel complet nou de eficiență operațională. Fără exagerări și fără teorie în aer, ci aplicabilitate directă.

Printre sesiuni, a venit și o surpriză plăcută: una dintre cele mai bune cafele băute vreodată. Uneori, micile detalii fac ziua mai bună.

Spre final, Todd Paris, CEO la IQRush.ai, a vorbit în AI Search is Optimizable despre cum pot fi optimizate sistemele de căutare bazate pe AI. A mers direct pe principiile practice, ceea ce a încheiat partea de conținut într-o notă foarte tehnică și aplicabilă.

Tekpon AI Summit a fost mai mult decât o serie de prezentări: a fost o demonstrație clară a ritmului în care se mișcă inovația și a felului în care oamenii din tech își construiesc viitorul, bucată cu bucată. O zi reușită pentru oricine respiră AI, produs, startup-uri sau pur și simplu tehnologie.

Promptescu a dat azi peste o noutate atât de practică, încât aproape i-a furat cardul lui Neuronache: OpenAI a lansat „shopping research în ChatGPT. Un mod nou, deștept, care îți pune întrebări, sapă prin internet și îți livrează un ghid personalizat de cumpărături, ca și cum ar fi consilierul tău personal. Și partea bună? Funcționează aproape nelimitat pentru toată lumea: Free, Go, Plus, Pro.

Între timp, Google n-a stat degeaba. A scos propriile unelte agentice pentru shopping, care urmăresc prețuri, cumpără singure când apare oferta bună și, dacă e cazul, sună și la magazine. Da, efectiv robotul tău dă telefon.

Promptescu, evident încântat, a făcut repede matematica și a ajuns la concluzia logică: strategia corectă e să le folosești pe amândouă.

ChatGPT devine analistul tău de research:
Îi spui ceva de genul:
„Caut cadouri sub 350 lei pentru fratele meu gamer care lucrează de acasă și pentru mama pasionată de grădinărit… vreau livrare rapidă și oferte reale.”
El te mai întreabă ce trebuie, îți face ghidul și îți dă opțiunile bune.

Google, în schimb, intră în rolul de vânător de prețuri:
Cu acces la miliarde de produse actualizate la oră, îi trimiți lista scurtă și-l pui la treabă:
„Compară aceste trei produse, vezi promoțiile și spune-mi unde pot să le ridic azi.”

Combinația câștigătoare?
Lași Google să cumpere automat când prețul scade, apoi treci coșul final prin ChatGPT să te asiguri că nu iei vreo țeapă istorică.

Pe scurt:
ChatGPT alege produsul bun.
Google îți găsește prețul corect.

Promptescu aprobă și îți recomandă aceasta abordare in luna cadourilor (e spre binele buzunarului tau) 🙂

Dragii mei cititori, era să o fac lată.
Un client de-al meu și, bineînțeles, al lui Promptescu, ne-a cerut ceva foarte urgent: „Fă-mi rapid un prototip cu AI, ceva funcțional, un mini-demo care chiar merge si care poate fi prezentata intr-o conferinta saptamana viitoare”

Problema? Tot ce încercam fie nu functiona cum ne-am dori, fie avea interfețe care arătau ca o combinație între Windows XP și un site făcut la ora de info în 2008. Și în timp ce eu mă stresam, Promptescu se uita la mine cu privirea aia de „ți-am zis să bei cafea înainte”.

Niciun tool nu părea să facă exact ce aveam nevoie. Ori era prea complicat, ori prea limitat, ori îmi mânca timp cât pentru un proiect întreg.
Asta până am ajuns la Google AI Studio.

Sau, ca să fiu sincer, cred că Promptescu a dat peste Google AI Studio fix când am vrut eu să renunț.

Google AI Studio e ca și cum ai combina:

Este platforma oficială de la Google în care poți crea, testa și personaliza modele AI fără să scrii cod. Scrii promptul, adaugi instrucții, reglezi comportamentul și în câteva secunde ai un model funcțional, gata de testat sau integrat.