智东西

作者 | 云鹏

编辑 | 漠影

智东西 7 月 25 日早间报道，今天凌晨，Anthropic 的新一代旗舰大模型Claude Opus 5正式发布并上线，其兼顾 " 深思熟虑 " 与 " 主动响应 " 特点，在性能上极为接近 Claude Fable 5，但价格只有一半。

此时网友祭出神评：

" 如果跟 Fable 5 差不多，那为什么还要花 2 倍的价格用 Fable 5？"

回到模型，在拿手老本行编程方面，Claude Opus 5 在 Frontier-Bench 和 GDPval-AA 等编程与知识工作评估中实现 SOTA，不过在网络安全任务上仍落后于 Mythos 5。

Anthropic 这次真是既吹足了新模型，又给此前大热的 Fable 5 和 Mythos 5 留足了面子，可以说是" 端水大师 "了。

价格方面，Claude Opus 5 定价为输入每百万 Token 5 美元 / 输出每百万 Token 25 美元（与 Opus 4.8 持平）。开发者可在 API 中使用 claude-opus-5。快速模式（Fast mode）运行速度约为默认速度的 2.5 倍，价格为基础价格的 2 倍。

此次 Claude 还更新了两个处于测试阶段的功能：对话中途更换工具提示词缓存不失效、API 自动降级处理（遇到被安全分类器标记的请求时）避免请求直接被拒绝。

Anthropic 提到，Opus 5 专为日常高频使用设计，比以往模型的工作效率更高，其已经成为 Claude Max 新默认模型，是 Claude Pro 中性能最强的模型。

对于 Opus 5 的发布，网友们讨论度很高，也有人掏出了那张 " 老图 "：

还有网友吐槽 Anthropic 的拿手好戏：重置

也有网友使用后发现 Opus 5 的写作风格跟 4.8 很像，跟 Fable 5 完全不是一个模式，尤其在用词上：

有人认为，叫 Opus 5 不如说是 Fable 5.1：

网友还贴心的预测了各类文章又要 " 教你用 Opus 5" 了，这个帖子热度颇高：

一、从高价值软件工程到科研、视觉输出，性能与性价比成突出优势

大家吐槽 Claude 最多的一个词，就是 " 贵 "。

这一次，在维持与前代产品 Opus 4.8 相同成本的前提下，Claude Opus 5 实现了性能的大幅跃升。

该模型的 " 思考程度 / 努力程度 "（Effort）设置支持用户灵活调节——既可以追求极致智能，也可以节省 Token 以获取更快、更廉价的结果。

Opus 5 在高价值的软件工程任务中表现优异：

Frontier-Bench v0.1：Opus 5 超越了所有其他模型，在降低单项任务成本的同时，性能达到了 Opus 4.8 的两倍以上。

CursorBench 3.2：在最高努力模式（Max Effort）下，其性能距离 Fable 5 的峰值得分仅相差 0.5%，但单任务成本仅为后者的一半；在 High、Xhigh 和 Max 努力模式下，Opus 5 在相同成本下的性能表现均优于所有其他模型。

在知识工作与复杂问题解决任务中，Opus 5 同样表现亮眼：

ARC-AGI 3（考验模型解决全新未知问题的评估）：Opus 5 的得分是第二名模型的 3 倍。

Zapier AutomationBench（衡量模型端到端完成商业自动化流程的能力）：在相同单任务成本下，Opus 5 的通过率约为第二名模型的 1.5 倍。即使在最低努力设置下，Opus 5 通过的任务数也超过了其他任何模型。

OSWorld 2.0（计算机操作使用基准测试）：在任意给定成本下，Opus 5 的表现均优于其他所有模型，仅需略高于三分之一的成本即可超过 Fable 5 的最佳成绩。

此外，它在多项相关评估中均成为了性能最强且最具性价比的模型，包括 HLE、AutomationBench、DeepSearchQA 等测试。

对于科学研究而言，Opus 5 相比 Opus 4.8 带来了显著提升。在涵盖结构生物学、有机化学和生物信息学等领域的全部生命科学评估中，Opus 5 的表现均优于 Opus 4.8。其最显著的突破体现在：

有机化学任务（如根据光谱数据推断分子结构）：在内部基准测试中得分比 Opus 4.8 高出 10.2 个百分点。

蛋白质相关任务（如预测蛋白质序列变异对其功能的影响）：得分提升了 7.7 个百分点。

最后，Opus 5 具备了大幅增强的视觉输出生成能力。

生成空气动力学风洞风流图解：

细胞结构互动图示：

二、自我校验、迭代能力提升，写代码前更爱 " 动脑子 "，Lovable 联创：4.5 后最大飞跃

Claude Opus 5 在自我校验与审慎迭代方面能力提升显著，能持续优化直至任务成功。这也是当前业内非常关注的模型能力之一。

在评估和早期测试中，我们及测试用户发现了许多体现 Opus 5 主动性（Agency）与严谨性的典型案例：

自主构建视觉管线：在 Frontier-Bench 的一项任务中，模型收到一张机械零件图纸，要求编写代码在 FreeCAD 中重建 3D 模型，但任务故意未向模型提供直接查看图纸的接口。Opus 5 的做法是：自行编写了一套计算机视觉处理管线，从原始像素中提取几何特征，进而完成了完整机械零件的重建，且多次重复实验均告成功。在相同设置下，其他竞争模型尝试 5 次无一成功。

根治深层 Bug：面对一款热门开源包管理器中的真实 Bug，Opus 5 找到了根本原因，并修复了社区补丁遗漏的边缘情况；而竞争模型仅修复了表面症状而非底层根因，就报告问题已解决。

自建测试套件：某交易公司的工程师使用 Opus 5 在单次会话中为一个新交易所构建了市场数据接入源。此前即便工程师提供了详尽方案，旧模型也完全无法完成该任务。由于当时没有可用于验证的实时数据源，Opus 5 甚至自己构建了一套测试套件，用以检查代码是否准确解析了交易所数据。

Anthropic 还发布了一些业内知名人士对 Opus 5 的评价，比如：

Cognition CEO Scott Wu 提到 Opus 5 在自家 Devin 软件中，在困难问题的调试与根因分析任务中表现出色。

Zapier CEO Wade Foster 提到，Claude Opus 5 在未增加 Token 消耗的前提下拿下了 Zapier AutomationBench 榜首。它读取了一份原始客户健康度表格，端到端执行了整套客户流失预防流程（标记风险账户、通知负责人、整理留存报告）。旧模型没完成，但 Opus 5 100% 拿下了。

Lovable 联合创始人 Fabian Hedin 认为，Claude Opus 5 是 Opus 家族自 4.5 以来最大的一次飞跃。

在 JetBrains IDE AI 负责人 Denis Shiryaev 看来，Claude Opus 5 最令其印象深刻的是判别力与决策力，其在写下代码前会更深入地思考，在规划阶段就能捕获自己的逻辑缺陷，这是解题能力的一次重要跨越。

三、安全性更高、更不容易被骗，重点限制漏洞利用能力

在部署前的测试中，Anthropic 自动化行为审计表明，Opus 5 是其迄今为止对齐程度最高的模型。

它比 Opus 4.8、Sonnet 5 或 Fable 5 更符合《Claude ’ s Constitution》，欺骗行为发生率最低，且最不容易被误导或诱导滥用，在避免可能产生不可逆副作用的轻率行为方面是目前 Anthropic 最安全的模型。

在自动化行为审计中，Opus 5 在整体非对齐行为上的得分为 2.3，为近期模型中的最低值

与 Opus 4.8 一样，Anthropic 特意避免在网络攻防任务上训练 Opus 5。不过，由于通用能力的提升，该模型在相关任务上的表现仍有显著增强，在寻找网络安全漏洞方面已逼近 Mythos 5。

在漏洞利用（即把漏洞转化为实质性网络威胁）方面，它依然大幅落后于 Mythos 5（这一点在 OSS-Fuzz 评估中得到了验证）。

网络安全方面，Opus 5 的网络安全分类器限制相对比 Fable 5 更加宽松，允许 Opus 5 在源代码中查找漏洞，但会拦截 " 基于二进制 " 的漏洞扫描、渗透测试以及 Exploits 生成。针对拦截请求，系统默认会自动退回至 Opus 4.8。

生物领域，Opus 5 延续了与 Opus 4.8 类似的安全防护体系，据称是目前可用于科学研究的最强通用模型。

结语：Claude 开始走 " 性价比 " 路线了

Claude Opus 5 这次是性能与性价比双重提升，在核心的编程、复杂推理、知识工作中提升显著，性价比优势突出，行业关注的自我校验迭代能力也有所提升，Anthropic 在安全性方面花了比较大的篇幅解读。

当前国内开源、闭源模型 " 爆更 " 给海外大模型厂商带来显著压力，不少海外科技巨头逐渐转向中国模型，加码 " 性价比 "，或许会成为海外大模型厂商后续的重要策略之一。