文 | 字母AI

Anthropic这次的操作，只能用“疯狂”来形容。

就在刚刚，新一代模型Opus 5正式亮相。它的性能几乎追平了旗舰级模型Fable 5，但价格却直接砍半。

回顾一下时间线：5月28日，Claude Opus 4.8发布；仅仅12天后，能力更强的Fable 5和Mythos 5登场；6月30日，Sonnet 5上线；到了7月24日，Anthropic再次出手，发布了Opus 5。

短短57天内，这家公司几乎把Claude系列的核心产品线全刷新一遍。即便在按月迭代已成常态的AI行业，这种更新速度也显得颇为夸张。

其中最引人注目的，是Fable 5与Opus 5之间仅相隔45天。

Fable 5刚问世时，被视为Anthropic面向大众用户的能力标杆。按常理，这样的旗舰模型本该在聚光灯下多停留一段时间。但Opus 5迅速逼近，打破了这一预期。

Anthropic仿佛在宣告：“打败我的，只有我自己。”

这轮密集更新，明显是对标OpenAI的节奏。7月9日，OpenAI发布GPT-5.6，并将Fable 5列为官方评测的主要参照对象之一。15天后，Anthropic推出Opus 5，同时将GPT-5.6 Sol纳入核心对比阵营，在陌生问题求解、电脑操作及商业流程等项目中展示自身优势。

在产品发布与宣传策略上，两家公司的贴身肉搏意味已然浓厚。

Opus 5到底有什么看头？我们不妨拆解一下Anthropic披露的细节。

**性能与性价比**

Opus 5的价格沿袭了上一代Opus 4.8的标准，但性能实现了大幅跃升。

Anthropic展示了Opus 5在不同“投入档位”下的表现差异。用户可根据需求灵活调整：简单任务可选用更省钱、更快的模式；遇到复杂难题时，则提高档位以换取更佳结果。

从披露数据来看，Opus 5在处理具有实际价值的软件工程任务时表现尤为突出。

例如，在Frontier-Bench v0.1评测中，Opus 5超越了所有其他模型；相较于Opus 4.8，它在完成每项任务的成本更低的情况下，成绩提升了一倍以上。

在CursorBench 3.2评测中，当投入档位设为最高时，Opus 5与Fable 5最高得分之间的差距不足0.5%，而每项任务的成本仅为Fable 5的一半。

在high、xhigh和max三个投入档位下，若按相同成本进行对比，Opus 5的表现依然优于所有竞品。

在知识工作与问题解决领域，Anthropic也观察到了类似趋势。

以ARC-AGI 3这类“陌生题”测试为例，模型无法套用现成套路，必须自行摸索规则、判断目标并调整策略。Opus 5的得分达到第二名的3倍，表明其在面对未见问题时，具备更强的试错与求解能力。

这种优势同样体现在真实工作流中。

AutomationBench要求模型调用商业软件，从头到尾独立完成任务。Opus 5的通过率约为第二名的1.5倍；即便使用最低投入档位，其成绩也超过了其他模型的最高水平。

换言之，Opus 5无需付出最高的推理成本，便能完成更多任务。

在OSWorld 2.0电脑操作测试中，Opus 5在各个成本区间均保持领先。它仅花费略高于Fable 5三分之一的成本，成绩便超越了Fable 5的最高水平。

这意味着，Opus 5在打开应用、检索信息、跨软件协作及持续推进任务时，效率显著更高。

这一特点在其他评测中亦有印证。

HLE考察跨学科难题。在未调用工具时，Opus 5以56.3%的得分略低于Fable 5的56.5%；允许使用工具后，其得分升至64.7%，反超Fable 5的63.9%，且成本更低——这说明Opus 5单靠内部知识未必总是第一，但一旦结合搜索、工具调用及反复核对，优势便会扩大。

在模拟真实知识工作的GDPval-AA v2中，其最高得分达到1861，高于Fable 5的1747和GPT-5.6 Sol的1736。仅需约700美元，即可达到其他模型最高投入档位附近的成绩。DeepSearchQA上的领先幅度虽小，但也以更低的成本取得了略高的通过率。

Opus 5在Anthropic全部生命科学评测中均超过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升了10.2和7.7个百分点。这些进步意味着，Opus 5在辅助分子结构分析、蛋白质功能预测等科研环节上潜力更大。

Anthropic还通过两个可交互演示，展示了Opus 5的视觉生成能力。第一个是一个可实际操作三维风洞：用户可旋转汽车、调节风速，观察气流绕过车身的过程，同时查看阻力系数等数据。第二个是三维动物细胞模型：用户可转动、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为便于展示所做的简化处理。

从这两个案例可见，Opus 5已将代码、三维建模、交互界面与知识讲解整合进同一成品中。用户只需提供一段需求，它即可搭建出接近教学软件或产品原型的演示。

**安全与对齐**

Anthropic通过几个案例说明，Opus 5比此前模型更具独立推进任务的能力。

在一次测试中，模型需根据机械零件图纸，用代码重建FreeCAD三维模型，但系统未提供直接查看图纸的工具。Opus 5自行编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，随后成功完成建模。

而在同等条件下，其他模型连续尝试5次均未成功。

另一次任务源自一个流行的开源软件包管理器。Opus 5不仅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。

参与对比的另一款模型仅消除了表面症状，便宣布问题解决。

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胜任，Opus 5因缺乏实时数据用于验证，便自行开发了一套测试工具来检查代码。

这些案例既展示了Opus 5的进步，也解释了Anthropic为何花费大量篇幅讨论安全问题。

当模型开始自行补充工具、检查结果、修正错误时，人类必须确认它不会为了达成目标而隐瞒问题、绕过限制，或做出高风险决策。

Anthropic表示，Opus 5是目前对齐表现最佳的Claude模型。

上线前的自动化审计显示，相较于Opus 4.8、Sonnet 5和Fable 5，Opus 5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。

通俗地说，“对齐”是指随着模型能力提升，其行为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局面。

Anthropic并未专门针对攻击任务训练Opus 5，但随着综合能力的提升，其寻找代码漏洞的水平已接近Mythos 5。

两者在发现漏洞方面表现相近，但在编写漏洞利用程序、将缺口转化为实际攻击手段的阶段，Opus 5仍明显落后。它虽擅长检查问题所在，但真正利用这些问题发动攻击的能力仍受限制。

Opus 5可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将被拦截。

相比Fable 5，新分类器触发干预的频率预计减少约85%，从而减少对正常安全研究的误伤。

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，则可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存在明显局限。

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。这使得普通科研问题能借助更强模型解决，而高风险任务则仍留在安全边界之外。

**加量不加价**

Opus 5堪称一次“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美元的定价策略。

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。

横向对比来看，其最直接的对手是OpenAI旗舰模型GPT-5.6 Sol。两者输入价格相同，Opus 5的输出价格低约17%。

处理超长资料时，Opus 5的价格优势更为明显。Anthropic对最高100万Token的上下文维持普通单价。而GPT-5.6 Sol在输入超过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在账单上。

根据Anthropic公布的评测，Opus 5虽未在所有项目中胜过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，其表现和价格均更具竞争力。

用Anthropic的话说，Opus 5专为日常使用设计，效率高于其他型号。如今，这款新模型已成为Claude Max的全新默认型号，也是Claude Pro的最强型号。