Как применять Claude Opus 5.5 в сложных задачах

1. Выбрать задачу и режим

• Открыть официальный анонс Claude Opus 5.5 и проверить, что модель доступна в используемом интерфейсе Claude.

• Начать обычную аналитическую или документную задачу в режиме Medium.

• Medium сопоставляется с максимальным режимом Opus 5 при меньших затратах.

• При подписке за 20 долларов проверить наличие Opus 5.5 в списке моделей: на дату релиза модель была доступна и на этом тарифе.

• Переключиться на X-High, Max или Ultra, если задача требует длительного программирования, сложной визуальной интерпретации или нескольких независимых проверок.

• Max расходует примерно в 4 раза больше рассуждений, чем Medium.

• Max и X-High показали лучшие результаты среди режимов в приведённом сравнении.

• Сохранить доступный сброс лимита для большой задачи и заранее проверить остаток пятичасового лимита.

• Не выбирать максимальный режим автоматически: сначала проверить Medium на реальной задаче, затем повышать режим только при недостаточном качестве.

2. Подготовить задачу до запуска

• Приложить все исходные данные одним сообщением: изображение или схему, выгрузку, примечания и описание требуемого результата.

• Указать конечный формат: один HTML-файл, интерактивный симулятор, аналитический отчёт или решение для совета директоров.

• Перечислить проверяемые требования к результату: расположение блоков, поведение стрелок, итоговый показатель, читаемость с телефона, корректность цифр и соответствие исходнику.

• Для задачи по изображению сначала поручить модели извлечь структуру схемы, а только затем строить результат.

• Для большой программной задачи поручить отдельные проверки параллельным субагентам:

• логика и игровой процесс;

• ошибки;

• графика и скорость;

• изображения;

• звук;

• соответствие заданию.

• Не считать высокий результат бенчмарка гарантией: проверить модель на собственной задаче и по собственным критериям.

3. Превратить нарисованную схему в симулятор

• Нарисовать схему так, чтобы на ней однозначно читались блоки, стрелки, конверсии и итоговый показатель.
• Сфотографировать схему целиком без обрезанных подписей и приложить изображение к сообщению.
• Вставить промпт и при необходимости заменить описание результата и оформления.

• Сверить выписанную моделью структуру с фотографией до генерации кода.
• Проверить, что изменение конверсий пересчитывает количество людей на каждом этапе и конечный результат.
• Сравнить фотографию и симулятор рядом: расположение блоков, направления стрелок, подписи и числа должны совпадать.
• Отдельно оценить дизайн. В контрольном запуске логика симулятора работала хорошо, но оформление потребовало доработки.
• Проверить результат на телефоне и убедиться, что схема читается без горизонтальной прокрутки.

4. Проверить сложную программную задачу

• Сформулировать задачу одним сообщением и включить в него функциональность, визуальные требования, ограничения и критерии проверки.

• Попросить модель самой составить план проверок и назначить независимые проверки субагентам.

• Проверить не только наличие функций, но и поведение системы после действий пользователя.

• Контрольный пример поведения: новые кольца автоматически появляются в другом месте, если игрок улетает от прежних.

• Смена дня и ночи, закат, гроза, северное сияние, звук и 3D входили в готовую систему.

• Проверить производительность готового результата. Контрольный ориентир для игры — 60 кадров в секунду.

• Проверить отчёт модели о проделанной работе: в примере файл содержал 2 900 строк, а модель выполнила 51 проверку.

• Не использовать длительность игрового запуска как обещание или норматив: для одного кейса указаны два значения — 27 минут и 40 минут.

5. Провести финансовый анализ по документам

• Приложить тизер продавца, помесячную выгрузку и примечания бухгалтерии.
• Использовать режим Medium как стартовый для анализа документов.
• Вставить промпт, заменив название объекта сделки при необходимости.

• Пересчитать ключевые показатели по исходной выгрузке, а не принимать готовые числа без проверки.

• Найти источник для каждой внешней цифры и цитаты. Одна выдуманная цифра делает финансовый отчёт непригодным.

• Проверить, что рекомендация, предельная цена и срок окупаемости согласованы между собой.

• Контрольный финансовый кейс: решение не покупать; предельная цена — 45 млн рублей; срок окупаемости при этой цене — 36 месяцев даже в осторожном сценарии.

• Повысить режим рассуждения и повторить анализ, если Medium пропустил несоответствие или не смог обосновать решение.

6. Провести финальную проверку результата

• Сверить готовый результат с исходными файлами построчно или блок за блоком.
• Проверить все числа, цитаты, подписи, стрелки и зависимости между показателями.
• Не принимать короткий ответ за неполный автоматически: Opus 5.5 сокращает водянистые отчёты. Проверять полноту по критериям задачи, а не по объёму текста.
• Отделить качество логики от качества оформления: корректный расчёт не означает, что дизайн готов к использованию.
• Для планов помещений и других пространственных схем проверить каждое окно, стену и направление вручную. Известное ограничение: модель ошибочно размещала окна, несмотря на понятный план, и потребовала нескольких часов уточнений.
• Зафиксировать собственные показатели теста: режим, время, число исправлений, расход лимита и ошибки. Сравнивать модели по одинаковой задаче и одинаковым критериям.
• Сверить общую оценку модели с независимым разбором Artificial Analysis, но решение о рабочем использовании принимать по собственному тесту.

Ориентиры для оценки

• Учитывать заявленные изменения относительно Opus 5: примерно на 40% ниже расход в реальной работе и более чем на 30% выше скорость ответа.
• Учитывать контрольный результат чтения графиков: 64% у Opus 5.5 против 29% у предыдущего Opus.
• Учитывать проверку отчётов: 16 из 18 отчётов Opus 5.5 прошли порог без выдуманных цифр и цитат; Fable 5.1 и Opus 5 не прошли его ни разу.
• При сравнении длинных задач учитывать контрольный результат задачи индекса: Opus 5.5 вывел 119 тысяч токенов, а GPT-6 Astra — 27 тысяч.
• Не переносить эти показатели напрямую на собственную задачу без проверки на своих данных.