Anthropic: Claude Opus 5.5

Claude Opus 5.5 é o modelo principal da Anthropic, sucedendo ao Claude Opus 5, e está posicionado para raciocínio exigente, programação e trabalho agêntico de longo horizonte. A Anthropic é a fornecedora por trás da família Claude, e este lançamento é o seu nível superior para tarefas em que precisão e foco sustentado importam mais do que velocidade bruta. Foi lançado em 22 de setembro de 2026.

O modelo aceita texto, imagens e arquivos como entrada, e retorna texto. Sua janela de contexto é de 1.000.000 de tokens, o que significa que você pode enviar documentos muito grandes, repositórios inteiros de arquivos de código-fonte ou históricos longos de conversa em uma única requisição sem dividir em partes. A saída máxima é de 128.000 tokens, então as respostas podem ser longas, incluindo reescritas completas de arquivos, relatórios com várias seções ou traços de raciocínio estendidos. Como arquivos e imagens são ambos suportados como entradas junto com texto, o modelo pode trabalhar sobre material misto, como uma captura de tela mais um documento de especificação, ou um PDF mais um trecho de código relevante.

Essas capacidades apontam para vários usos práticos. Mudanças em múltiplas etapas em bases de código grandes são um encaixe natural: com um contexto de um milhão de tokens você pode fornecer os módulos ao redor e deixar o modelo planejar e aplicar edições coordenadas. Trabalho agêntico de longo horizonte também combina com o modelo, já que ele suporta ferramentas e escolha de ferramentas, o que significa que pode chamar funções ou serviços externos ao longo de muitos turnos. Compreensão de documentos e arquivos, como extrair dados estruturados de registros enviados ou resumir relatórios longos, decorre do suporte a entrada de arquivos. Tarefas com muito raciocínio, da análise ao planejamento, são cobertas pelos parâmetros de raciocínio que ele expõe.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "anthropic/claude-opus-5.5" da mesma forma que chamaria qualquer outro endpoint de conclusão de chat. Os parâmetros de requisição suportados são include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools e verbosity. Saídas estruturadas e response_format são úteis quando você precisa da resposta do modelo em um formato específico, enquanto tools e tool_choice permitem conectá-lo a um loop de agente. Se você quiser controlar quanto raciocínio interno ele produz, reasoning e reasoning_effort são os parâmetros a ajustar, e verbosity permite direcionar o comprimento da resposta independentemente do limite de tokens de saída.

Considere se um modelo irmão menor ou mais barato se encaixa melhor quando sua tarefa é curta e sensível à latência, já que um modelo principal com um contexto de um milhão de tokens e 128.000 tokens de saída é construído para a extremidade mais difícil da carga de trabalho. Para geração de texto direta, classificação ou chamadas de ferramentas simples, um modelo mais leve do mesmo fornecedor pode ser suficiente.