Opus 5 vem com uma janela de contexto de 1M tokens como padrão e máximo, além de até 128k tokens de saída, permitindo síntese multi-documento, refatorações de código entre arquivos e threads de agentes duradouros sem truncamento frequente. Os preços permanecem em $5/M tokens de entrada e $25/M tokens de saída, com um modo rápido (apenas API Claude) que oferece maior TPS de saída a um preço premium. O modelo prioriza raciocínio profundo, cadeias estáveis de uso de ferramentas e taxas menores de falsos positivos em revisão de código. Reduzir o mínimo do cache de prompt para 512 tokens desbloqueia mais acertos de cache, reduzindo inicializações frias para prompts e templates curtos que antes não podiam ser cacheados.

Opus 5 ativa o pensamento automaticamente e mapeia a qualidade para uma escada de esforço: baixo, médio, alto, xhigh, max. Como o pensamento consome parte do orçamento total de saída, revise max_tokens para tarefas ajustadas no 4.8 sem pensamento. Uma boa base é esforço alto com max_tokens generoso, depois faça testes A/B contra médio para recuperar rendimento onde a qualidade se mantém. Para problemas mais difíceis, xhigh ou max frequentemente melhoram a confiabilidade, mas somente se você aumentar max_tokens para permitir raciocínio multi-etapas, delegação a subagentes e múltiplas chamadas de ferramentas sem truncamento.

Opus 5 narra o progresso com mais frequência, delega a subagentes com mais facilidade e realiza verificação implícita. Remova instruções legadas como “adicione uma etapa final de verificação” ou subagentes verificadores obrigatórios que agora podem causar verificação excessiva e picos de latência. Introduza orçamentos de tarefas para limitar ciclos exploratórios e ajudar o modelo a distribuir o trabalho entre recuperação, planejamento e uso de ferramentas. Para codificação, espere taxas maiores de conclusão em recursos multi-arquivo e menos placeholders. Instrumente suas chamadas de ferramentas para registrar profundidade, tentativas e modos de falha para correlacionar configurações de esforço com estabilidade e custo.

Mudanças de ferramentas durante a conversa (beta) permitem atualizar o conjunto de ferramentas disponíveis sem reenviar uma lista fixa a cada turno, preservando ganhos de cache em sessões longas. Use o cabeçalho beta especificado e teste fluxos de adição/remoção de ferramentas que antes forçavam reinícios de sessão. O modo fallback padrão (beta) seleciona modelos recomendados pela Anthropic por categoria de recusa, reduzindo a manutenção de listas frágeis de fallback. Combine isso com monitoramento para acompanhar a distribuição de recusas e taxas de acerto de fallback. Juntos, esses recursos reduzem sua superfície de orquestração e melhoram a confiabilidade em helpdesk, RAG+ações e pipelines de construção que evoluem ferramentas ao longo do tempo.

Se suas cargas de trabalho 4.8 desabilitavam o pensamento em esforços altos, você deve escolher: manter o esforço em alto ou abaixo, ou reativar o pensamento sem a flag de desabilitar. Com o pensamento desabilitado, espere vazamentos raros de texto em chamadas de ferramentas ou tags internas — sanitize as saídas e considere validação pós-análise. Atualize seu ID de modelo, elimine boilerplate de verificação redundante e refaça avaliações com esforços e max_tokens variados. Monitore o crescimento do comprimento do conteúdo (Opus 5 tende a escrever mais) e implemente limites por canal. Finalmente, documente quais fluxos podem usar mudanças de ferramentas durante a conversa e fallbacks, e adicione observabilidade para comprovar confiabilidade antes de escalar.