Opus 5 est livré avec une fenêtre de contexte de 1 million de tokens à la fois par défaut et en maximum, plus jusqu'à 128k tokens de sortie, permettant la synthèse multi-documents, les refactorisations de code inter-fichiers et les threads d'agents longue durée sans troncature fréquente. La tarification reste à 5 $/M tokens d'entrée et 25 $/M tokens de sortie, avec un mode rapide (API Claude uniquement) offrant un TPS de sortie plus élevé à un tarif premium. Le modèle privilégie un raisonnement profond, des chaînes d'utilisation d'outils stables et des taux de faux positifs plus faibles en revue de code. La réduction du minimum de cache de prompt à 512 tokens débloque plus de hits de cache, réduisant les démarrages à froid pour les prompts système courts et les templates que vous ne pouviez pas mettre en cache auparavant.

Opus 5 active automatiquement la pensée et associe la qualité à une échelle d'effort : faible, moyen, élevé, très élevé, max. Parce que la pensée consomme une partie du budget total de sortie, revisitez max_tokens pour les tâches réglées sur la version 4.8 sans pensée. Une bonne base est un effort élevé avec un max_tokens généreux, puis testez en A/B contre moyen pour récupérer du débit là où la qualité est maintenue. Pour les problèmes les plus difficiles, très élevé ou max améliore souvent la fiabilité, mais seulement si vous augmentez max_tokens pour permettre un raisonnement multi-étapes, la délégation à des sous-agents et plusieurs appels d'outils sans troncature.

Opus 5 narre plus souvent les progrès, délègue plus facilement aux sous-agents et effectue une vérification implicite. Supprimez les instructions héritées comme « ajouter une étape finale de vérification » ou les sous-agents vérificateurs obligatoires qui peuvent désormais provoquer une sur-vérification et des pics de latence. Introduisez des budgets de tâches pour limiter les boucles exploratoires et aider le modèle à rythmer le travail entre récupération, planification et utilisation d'outils. Pour le codage, attendez-vous à des taux d'achèvement plus élevés sur les fonctionnalités multi-fichiers et à moins de placeholders. Instrumentez vos appels d'outils pour enregistrer la profondeur, les tentatives et les modes d'échec afin de pouvoir corréler les réglages d'effort avec la stabilité et le coût.

Les changements d'outils en cours de conversation (bêta) vous permettent de mettre à jour l'ensemble des outils disponibles sans renvoyer une liste fixe à chaque tour, préservant ainsi les gains de cache dans les longues sessions. Utilisez l'en-tête bêta spécifié et testez les flux d'ajout/retrait d'outils qui forçaient auparavant la réinitialisation de la session. Le mode de solutions de secours par défaut (bêta) sélectionne les modèles recommandés par Anthropic selon la catégorie de refus, réduisant la maintenance de listes fragiles de secours. Associez cela à une surveillance pour suivre la distribution des refus et les taux de réussite des solutions de secours. Ensemble, ces fonctionnalités réduisent la surface d'orchestration et améliorent la fiabilité dans les services d'assistance, RAG+actions, et les pipelines de construction qui font évoluer les outils dans le temps.

Si vos charges de travail 4.8 désactivaient la pensée à des efforts élevés, vous devez choisir : garder l'effort à élevé ou en dessous, ou réactiver la pensée sans le flag de désactivation. Avec la pensée désactivée, attendez-vous à des fuites rares de texte d'appel d'outil ou des balises internes — nettoyez les sorties et envisagez une validation post-parsing. Mettez à jour votre ID de modèle, supprimez les boilerplates de vérification redondants, et relancez les évaluations avec des efforts et max_tokens variés. Suivez la croissance de la longueur du contenu (Opus 5 tend à écrire plus long) et appliquez des plafonds par canal. Enfin, documentez quels flux peuvent utiliser les changements d'outils en cours de conversation et les solutions de secours, et ajoutez de l'observabilité pour prouver la fiabilité avant de monter en charge.