Anthropic发布Opus 5，性能直逼Fable 5，价格却只有一半？

说实话，Anthropic最近的更新节奏，确实有点让人跟不上。

就在刚刚，新模型Opus 5正式发布，性能直逼旗舰级的Fable 5，但价格却直接砍了一半。

要说这次更新有多密集：5月28日，Claude Opus 4.8上线；12天后，更强的Fable 5和Mythos 5登场；6月30日，Sonnet 5跟上；到了7月24日，Opus 5又来了。

短短57天，这家公司几乎把Claude的几条主要产品线都翻了个新。就算放在模型按月迭代的AI行业里，这个速度也快得有点夸张。

其中最让人意外的，是Fable 5和Opus 5之间只隔了45天。Fable 5刚发布时，还是Anthropic面向普通用户的能力标杆，按理说这种旗舰模型怎么也得在聚光灯下多待一阵。结果Opus 5转眼就追了上来。

这架势，简直就是在高喊：“打败”我的，只能是我自己。

当然，这轮更新也紧贴着OpenAI的节奏。7月9日，OpenAI刚发完GPT-5.6，还把Fable 5列为评测的主要参照模型。15天后，Anthropic就拿出了Opus 5，直接把GPT-5.6 Sol放进核心对比，在陌生问题求解、电脑操作和商业流程等项目中展示自己的优势。两家公司你追我赶的意味，已经再明显不过了。

那么，Opus 5究竟是何方神圣？来看看Anthropic这次都公布了什么。

性能与性价比

先说价格。Claude Opus 5的定价和上一代Opus 4.8完全一样，但性能却有了大幅提升。

Anthropic展示了Opus 5在不同“投入档位”下的表现。用户可以自己调整：简单任务，选更省钱、更快的模式；遇到难题时，再提高档位换取更好的结果。

从测试数据来看，Opus 5尤其擅长处理具有实际价值的软件工程任务。

举个例子，在Frontier-Bench v0.1的评测里，Opus 5超过了所有其他模型。和Opus 4.8相比，它完成每项任务的成本更低，但成绩却提高了一倍以上。

在CursorBench 3.2评测中，当投入档位设为最高时，Opus 5与Fable 5的最高得分差距不到0.5%，但每项任务的成本却只有Fable 5的一半。在high、xhigh和max三个投入档位下，按相同成本比较，Opus 5的表现也超过了所有其他模型。

在知识工作和问题解决任务中，也观察到了类似的结果。比如在ARC-AGI 3这类“陌生题”测试里，模型拿不到现成套路，只能自己摸索规则、判断目标、调整策略。Opus 5的得分达到了第二名的3倍——这意味着，遇到从未见过的问题时，它更擅长靠试错找到解法。

这种优势也延续到了真实工作流程里。

AutomationBench要求模型调用商业软件，从头到尾完成一项任务。Opus 5的通过率约为第二名的1.5倍；即使使用最低投入档位，也超过了其他模型的最高成绩。换句话说，Opus 5不用付出最高的推理成本，也能完成更多任务。

在电脑操作测试OSWorld 2.0中，Opus 5同样在各个成本区间领先。它只花费略高于Fable 5三分之一的成本，成绩就超过了Fable 5的最高水平。这意味着，打开应用、查找信息、跨软件操作、持续推进任务，它的效率明显更高。

这种特点在其他评测中也很明显。

HLE考察的是跨学科难题，不调用工具时，Opus 5以56.3%略低于Fable 5的56.5%；但允许使用工具后，它直接升至64.7%，反超Fable 5的63.9%，而且成本更低。这说明，单靠模型内部知识，Opus 5不一定总是第一，但一旦可以搜索、调用工具、反复核对，它的优势就会迅速扩大。

在模拟真实知识工作的GDPval-AA v2中，Opus 5最高得分1861，高于Fable 5的1747和GPT-5.6 Sol的1736。大约花700美元，就能达到其他模型最高投入档位附近的成绩。DeepSearchQA上的领先幅度虽然小一些，但同样以更低成本取得了略高的通过率。

值得一提的是，Opus 5在Anthropic全部生命科学评测中都超过了Opus 4.8，其中光谱推断分子结构和预测蛋白质变异影响两项任务，分别提高了10.2和7.7个百分点。这些提升意味着，在辅助分子结构分析、蛋白质功能预测这类科研环节上，它更有潜力。

Anthropic还用了两个可交互的演示，展示了Opus 5的视觉生成能力。第一个是一个可以实际操作的三维风洞，用户能旋转汽车、调整风速，观察气流如何绕过车身，同时查看阻力系数等数据。第二个是一个三维动物细胞模型，用户可以转动、剖开细胞，点击细胞核、粗面内质网等结构查看说明，页面还会主动指出示意图做了哪些简化。

从这两个案例来看，Opus 5已经能把代码、三维建模、交互界面和知识讲解，整合进同一个成品里。用户给出一段要求，它就能直接搭出接近教学软件或产品原型的演示。

安全与对齐

Anthropic用了几个案例，说明Opus 5比此前的模型更会独立推进任务。

一次测试要求模型根据机械零件图纸，用代码重建一个FreeCAD三维模型，但系统没有提供直接查看图纸的工具。Opus 5干脆自己写了一套计算机视觉程序，从原始像素中提取尺寸和几何结构，随后完成了建模。同样条件下，其他模型连续尝试5次也没有成功。

另一次任务来自一个流行的开源软件包管理器。Opus 5查出了程序错误的根本原因，还补上了社区修复方案遗漏的边缘情况。而参与对比的另一款模型，只消除了表面症状，随后就宣布问题已经解决。

一家交易公司的工程师，还让Opus 5为新交易所搭建市场数据系统。此前的模型即使拿到详细方案也无法完成，而Opus 5找不到实时数据用于验证，就自行做了一套测试工具来检查代码。

这些案例展示了Opus 5的进步，也解释了Anthropic为什么花了很大篇幅讨论安全。

当模型开始自行补工具、检查结果、修正错误后，人类就需要确认它不会为了完成目标而隐瞒问题、绕过限制，或者做出风险过高的决定。

Anthropic称，Opus 5是目前对齐表现最好的Claude模型。上线前的自动化审计显示，与Opus 4.8、Sonnet 5和Fable 5相比，它更能遵守Claude宪法，欺骗行为更少，也更难被诱导执行有害请求。

所谓“对齐”，说得直白一些，就是模型能力提高以后，做事方式仍符合开发者设定的规则。

网络安全领域最能体现这种两难。Anthropic没有专门用攻击任务训练Opus 5，但模型综合能力提高后，它寻找代码漏洞的水平已经接近Mythos 5。两者在发现漏洞时表现相近，但到了编写漏洞利用程序、把缺口转化成实际攻击手段的阶段，Opus 5仍明显落后。它已经很会检查哪里出了问题，但真正利用这些问题发动攻击的能力，仍然受到限制。

具体来说，Opus 5可以继续检查源代码和寻找漏洞，但二进制漏洞扫描、渗透测试及漏洞利用程序生成，则会被拦截。相比Fable 5，新分类器触发干预的频率预计减少约85%，正常的安全研究更少被误伤。

触发限制后，Claude.ai、Claude Code和Claude Cowork会默认改用Opus 4.8处理请求；加入网络安全验证计划的企业和研究人员，可以使用限制较少的版本。

生物学领域也采用了类似安排。Opus 5成为Anthropic面向普通用户开放的最强科研模型，但在需要长时间独立运行的研究任务中，仍有明显局限。此前在Fable 5上因安全限制被拦截的生物学请求，现在会先转交给Opus 5处理。普通科研问题因此能用上更强的模型，高风险任务仍然留在安全边界之外。

加量不加价

整体来看，Opus 5可以算是一次“加量不加价”。

它延续了Opus 4.8每百万输入Token 5美元、输出Token 25美元的价格。但正如前文所述，在多项编程和智能体测试中，新模型的完成率更高，单位任务成本反而下降了。

横向来看，它最直接的对手是OpenAI旗舰模型GPT-5.6 Sol，两者的输入价格相同，但Opus 5的输出价格低了约17%。

处理超长资料时，Opus 5的价格优势会更明显。Anthropic对最高100万Token的上下文维持普通单价，而GPT-5.6 Sol的输入超过27.2万Token后，整次请求的输入价格翻倍，输出价格提高50%。对于大型代码库、长篇研究资料和复杂智能体任务，这项差异会直接反映到账单上。

按照Anthropic公布的评测，Opus 5虽然没有在所有项目中胜过GPT-5.6 Sol，但在电脑操作、商业流程和陌生问题求解等需要模型连续做事的任务上，表现和价格都更有竞争力。

用Anthropic的话说，Opus 5专为日常使用而设计，它比其他型号效率更高。如今，这款新模型已经成为了Claude Max的全新默认型号，也是Claude Pro的最强型号。