Anthropic
Anthropic's flagship for the work you would hand a senior colleague — thinking on by default, a million tokens of context.
1M tokens
Contexto
May 2026
Corte
128,000 tokens
Saída máxima
Mais lento
Velocidade
Three prompts, three unedited answers, generated on September 2, 2026 through NinjaChat. Click the prompt to copy it and run it yourself.
Write a Python function that merges overlapping intervals, plus three short tests. Keep the whole answer under 40 lines of code.
def merge_intervals(intervals):
"""Merge overlapping intervals.
Args:
intervals: iterable of (start, end) pairs with start <= end.
Returns:
New list of disjoint (start, end) tuples sorted by start.
Touching intervals like (1, 2) and (2, 3) are merged.
"""
merged = []
for start, end in sorted(tuple(iv) for iv in intervals):
if merged and start <= merged[-1][1]:
prev_start, prev_end = merged[-1]
merged[-1] = (prev_start, max(prev_end, end))
else:
merged.append((start, end))
return merged
def test_overlapping_and_touching():
assert merge_intervals([(1, 3), (2, 6), (8, 10), (15, 18)]) == [
(1, 6), (8, 10), (15, 18)]
assert merge_intervals([(1, 2), (2, 3)]) == [(1, 3)]
def test_unsorted_and_nested():
assert merge_intervals([(5, 7), (1, 10), (2, 3)]) == [(1, 10)]
def test_edge_cases():
assert merge_intervals([]) == []
assert merge_intervals([(4, 4)]) == [(4, 4)]
assert merge_intervals([(1, 2), (3, 4)]) == [(1, 2), (3, 4)]
if __name__ == "__main__":
test_overlapping_and_touching()
test_unsorted_and_nested()
test_edge_cases()
print("all tests passed")
A couple of notes on choices worth knowing about:
(1, 2) and (2, 3) become (1, 3) because the comparison is start <= prev_end. If your intervals are half-open (e.g. time slots where 2 is an exclusive end), change it to start < merged[-1][1] so they stay separate.(5, 1) will produce nonsense rather than an error; add a check if the input isn't trusted.Complexity is O(n log n) time from the sort, O(n) extra space.
Read: We ran the same 3 prompts on 12 AI models — Unedited answers, latency and price for every model, measured through the NinjaChat API in September 2026.
Served by Anthropic as claude-opus-5. Answers vary run to run; these are one take each, not the best of several.
Mudanças em vários arquivos com testes, levadas até o fim em vez de apenas esboçadas.
Um milhão de tokens de contexto: repositórios inteiros, conjuntos de contratos e arquivos de pesquisa em uma só conversa.
Revisões de arquitetura, análises de trade-offs e planos que precisam resistir ao escrutínio.
Capturas de tela, diagramas, PDFs e planilhas como parte da conversa.
Tuned to this model — click any line to copy.
O Claude Opus 5 está no topo da família Claude 5 da Anthropic, lançado em 24 de julho de 2026 e posicionado acima do Claude Sonnet 5 e do Claude Fable 5. É o modelo que a Anthropic aponta para programação agêntica, uso do computador e raciocínio de longo prazo: as tarefas em que o modelo precisa manter um plano ao longo de muitas etapas, usar ferramentas pelo caminho e perceber quando está errado. No NinjaChat, Claude Opus 5 está incluído em todos os planos, junto com o restante do catálogo de modelos.
A principal mudança é que o raciocínio vem ativado por padrão. O Opus 5 decide quanto pensar antes de responder e raciocina mais quando o problema merece, então uma pergunta de duas linhas volta rápido, enquanto uma refatoração que atravessa uma base de código recebe a deliberação necessária. Somado a uma janela de contexto de 1 milhão de tokens e 128K tokens de saída, isso significa que você pode entregar um repositório inteiro, um conjunto de contratos ou um trimestre de anotações de pesquisa em uma única conversa e pedir algo que abranja tudo isso.
Na prática, o Opus 5 é o modelo para quando o trabalho é daquele tipo que você passaria a um colega sênior e revisaria depois, e não uma tarefa rápida de assistente. Mudanças de código em vários arquivos com testes, uma revisão de arquitetura que precisa pesar trade-offs, um documento longo que você quer debater em vez de resumir. Ele lê imagens e arquivos, chama ferramentas e produz saída estruturada quando você pede JSON, então se encaixa tanto em fluxos de trabalho quanto em conversas.
Ele também é ponderado. O Opus 5 é mais lento que o Sonnet 5 e custa mais por token na API, e é por isso que a NinjaChat mantém os dois no seletor: comece com o Opus na parte difícil e passe para o Sonnet no volume. Se o que você mais precisa é velocidade, o Claude Fable 5 dá conta do bate-papo do dia a dia com uma fração do esforço.
A Anthropic reporta 96,0% no SWE-bench Verified para o Opus 5, o benchmark de engenharia de software que virou sinônimo de capacidade de programação agêntica. Benchmark não é o trabalho real, mas esse número bate com a sensação de uso: ele conclui tarefas que outros modelos deixam pela metade.
Do zero ao seu primeiro resultado em menos de um minuto.
01
Crie uma conta no NinjaChat e escolha um plano
02
Abra o chat e escolha o Claude Opus 5 na lista de modelos
03
Entregue a tarefa inteira, com arquivos incluídos, e não um fragmento
04
Deixe ele pensar: perguntas mais difíceis demoram mais de propósito
05
Mude para o Sonnet 5 ou o Fable 5 nas perguntas rápidas de acompanhamento
Comparações honestas — onde o {model} vence e onde não vence.
Raciocínio mais profundo e trabalho agêntico de longo prazo mais confiável
O Sonnet 5 é mais rápido e mais barato para tarefas do dia a dia
Melhor em benchmarks de programação agêntica e uso do computador
O Sol tem uma janela de contexto maior e um ecossistema de ferramentas diferente
Raciocínio ativado por padrão, pontuação maior no SWE-bench e melhor uso de ferramentas
O Opus 4.8 continua disponível caso você tenha prompts ajustados para ele
Todo plano NinjaChat inclui 50+ modelos, um estúdio completo de imagens e geração de vídeo.



Uma única assinatura cobre todos os modelos do NinjaChat, incluindo Claude Opus 5.
O modelo Opus da Anthropic de fevereiro de 2026 para raciocínio complexo, programação e trabalho com agentes
Anthropic's newest Sonnet — near-Opus intelligence for coding and agents
O mais novo modelo de fronteira da OpenAI para raciocínio, programação e agentes