Claude Opus5 “便宜”稳定的最强“AGI”！

Kimi K3 的表现确实亮眼，对于 K3 和 Claude 的用户来说，这无疑是个好消息。这不，Opus 5 也紧随其后发布了。

K3 虽强，但 Claude 更全面、更稳定、自主性更强，这是业内比较一致的看法。

今天 Claude Opus 5 发布，它的第一句话是这样写的：

看这种介绍，其实抓住第一句就够了。

深思熟虑、主动、价格便宜（相对），这才是真正的主力模型。

稳定、不出错、不犯傻，这才是真正的高性价比。

1、基准数据

重点看完，再来看看细节：

Opus 5 在大多数 Agent 类任务中处于领先地位，尤其是在“自主执行任务”和“复杂推理”这两个方向上。

多个维度甚至超过了 Fable 5，这确实有些出乎意料。

Fable 5 曾被宣传为“不敢发布的怪物”，没想到 Opus 5 轻松超越了它。

这个表格的强弱对比一目了然，都标得很清楚。

下面来解读一下：

1、终端智能编程（Agentic terminal coding）

这是最重要的一项。

• Opus 5：43.3%
• Fable 5：33.7%
• Opus 4.8：21.1%
• GPT-5.6 Sol：34.4%

这说明：

Opus 5 在类似 Claude Code 这种场景里提升巨大，能更好地：

• 理解大型代码库
• 修改多个文件
• 调试
• 自主完成开发任务

这正好是 Anthropic 主推的方向。

2、知识工作能力

GDVal-AA v2：

• Opus 5：1861
• Fable 5：1747
• GPT-5.6 Sol：1736
• Opus 4.8：1593

代表：

写报告、分析资料、处理复杂办公任务的能力提升。

3、新问题解决能力

ARC-AGI-3：

• Opus 5：30.2%
• Opus 4.8：1.5%
• GPT-5.6 Sol：7.8%

这一项比较特殊，测试模型面对陌生规则、没有训练经验的问题。

Opus 5 提升非常明显。

4、Agent 搜索能力

BrowseComp：

• Opus 5：90.8%
• GPT-5.6 Sol：90.4%
• Fable 5：87.4%

说明：

联网搜索、信息整理能力已经接近顶级水平。

5、电脑操作（Computer Use）

OSWorld 2.0：

• Opus 5：70.6%
• Fable 5：66.1%
• GPT-5.6 Sol：62.6%
• Opus 4.8：55.7%

表示：

操作真实电脑环境，比如：

• 点击界面
• 使用软件
• 完成流程

Opus 5 有明显优势。

2、每个任务成本

还有一个有意思的点：Claude 也开始谈性价比了！

它们推特的第三楼是这么说的：

他们给出了四种使用场景下的任务消耗情况图：

这让人意外：Anthropic 用了四张图来展示 Opus 5.0 的性价比（竞争真是美妙）。

从这四个图来看，Opus 5.0 实现了在相同价格下性能更高，相同性能下价格更低。

这四个图分别讲的是：

1、电脑操作任务

测试 AI 能不能像人一样操作电脑完成事情。

例如：

• 打开软件
• 点击按钮
• 填表
• 修改文档
• 使用网页应用
• 完成一套办公流程

2、企业业务流程任务

测试 AI 能不能完成真实工作流程。

例如：

• 处理客户请求
• 分析业务资料
• 整理数据
• 执行审批流程
• 跨多个系统完成任务

3、多学科综合推理任务

测试 AI 的复杂知识和推理能力。

例如：

• 数学问题
• 科学问题
• 医学问题
• 法律问题
• 工程问题
• 跨领域综合分析

4、智能编程任务

测试 AI 能不能自主完成软件开发。

例如：

• 阅读代码库
• 找 Bug
• 修改代码
• 编写功能
• 运行测试
• 完成开发任务

3、通用人工智能

当“梁圣”在朝着 AGI 这个目标前进的时候，Anthropic 已经给出了阶段性的结果。

前面提到了一个叫 AGI3 的基准！

这是一个很少被提及的新基准，之所以很少被提及，是因为它太难了，对当前模型来说基本上得不了多少分。

这个基准是今年上半年刚提出的，最大的特点是不告诉你规则。

相当于给你一个完全陌生的环境，不告诉你规则、目标、有效操作和重要元素，全部需要 AI 自己去探索。

这个基准刚推出时，几乎所有模型都徘徊在个位数的百分比。

Sol 的 7.8% 已经算非常高了。

但 Opus 5 直接把它干到了 30%，这让人不禁担心 Anthropic 会不会一下子刷到 80%，大家又没得玩了。

虽然大家都知道 AGI 还没有实现，但在这个 AGI3 基准上，它已经是最强的存在了。

4、不对齐行为

除了基准领先和性价比高，Claude 还强调了另一点：不对齐行为（越低越好）。

这个图主要表明，Opus 5 是 Claude 家族里最不容易出现危险、欺骗、鲁莽行为的模型。

这种数据不太适合放在第一个展示，但事实上这才是最重要的点。

5、安全防御

另外还强调了网络安全方面的：

这个图展示了两方面的能力：左图是发现漏洞的能力，右图是漏洞的利用能力。

也就是说，Opus 5.0 的防御能力已经和 Mythos 5 差不多了，只是在攻击力上差很多。

就是给了你最强的盾，而矛还在少数人手里。

这也不是坏事，至少人家打过来的时候，还能扛一下。

作为五代模型，现在推出什么功能都不会太新鲜了。

现在的模型比拼的是生态能力和实战能力。

别看 Opus 系列相对比较贵，但它真正完成任务的成本其实比较低。现在官方也用数据来证明单任务成本。

再者，Opus 总是能以非常专业的视角，帮你做最好的规划。开头也说了，它是一个深思熟虑的主动型模型。

“主动”这个词可能很多人没有体会，但实际使用中，它总是能想得更多、更全，做得更好。它绝对不是那种单纯执行任务的模型，而是会按最优路径来完成任务的模型。

就是那种你一个眼神，它心领神会，然后做得很好。

这也就是为什么在众多模型中，实际使用的只有 Opus，从 4.6 到 4.7 到 4.8，再到 5.0。

这次 Opus 5.0 的发布时机也很有意思，居然是在星期五，多少还是有点危机感，不过这是好事。

国产模型加油！你们变强了，对所有人都有好处。