Opublikowane informacje finansowe ukazują wzrost efektywności Anthropic: przychód w przeliczeniu na pracownika wzrósł z 1,4 mln USD do 6,6 mln USD, a firma przeszła ze straty do 19% zysku GAAP. Wynik ten przypisuje się dwóm sprzężonym pętlom: pętli doskonalenia, w której lepsze modele Claude prowadzą do nowych zastosowań i nowej wiedzy, oraz pętli inwestycyjnej, w której rosnąca adopcja generuje środki na rozwijanie kolejnych możliwości technologicznych.
Premiera nowego modelu to w praktyce również premiera API. Przy wdrożeniu Opus 5.5 skupiono się na wyższej wydajności kosztowej oraz precyzji odpowiedzi, eliminując problem zbyt rozwlekłego stylu generowania tekstu znanego z poprzednich wersji. Istotnym elementem prac inżynieryjnych było również uszczelnienie API przed nieuprawnioną destylacją modeli i wyciąganiem ścieżek rozumowania (tzw. bloków myślenia).
Aby chronić unikalne procesy rozumowania modeli przed ich kopiowaniem bez odpowiednich mechanizmów bezpieczeństwa, wprowadzono wymóg zachowywania bloków myślenia pomiędzy kolejnymi zapytaniami. Zespół Anthropic ściśle współpracował z twórcami zewnętrznych narzędzi i dużymi klientami, wprowadzając m.in. nową funkcjonalność kompresji kontekstu (compaction) bezpośrednio w API, by zmiana ta nie zaburzała istniejących integracji.
Kluczowym wzorcem architektonicznym omówionym przez szefowe zespołów inżynierii i produktu jest podział agenta na „mózg” i „dłonie” w ramach Managed Agents. Logika sesji oraz szkielet aplikacyjny (harness) są odseparowane od piaskownicy (sandbox), w której uruchamiany jest kod. Dzięki temu ewentualny błąd lub awaria środowiska wykonawczego nie powoduje utraty całej sesji agenta.
Architektura ta przynosi istotne korzyści w obszarze bezpieczeństwa. Generowany kod działa w odizolowanym środowisku, które nie posiada bezpośredniego dostępu do kluczy API ani sekretów – są one dołączane osobno poprzez proxy. Separacja ta pozwala także na skrócenie opóźnień i podniesienie niezawodności, ponieważ uruchomienie piaskownicy nie musi blokować działania samego agenta.
Rozwiązanie Managed Agents stanowi również bazę do eksperymentów z pamięcią agentów oraz przepływami wieloagentowymi. Przykładem jest funkcja „śnienia” (dreaming), w której jeden agent analizuje wcześniejsze działania innego i zapisuje wnioski w jego pamięci. Zespół skupia się obecnie na rozwoju mechanizmów bezpieczeństwa oraz utrzymaniu prostoty podstawowego harnessu, dając deweloperom swobodę we wdrażaniu własnych weryfikatorów i strategii równoległych.
