Claude Opus 5 发布
来自 Anthropic News · 期号 2026-07-24
摘要
Anthropic 发布了 Claude Opus 5，定位是接近 Fable 5 的智能水平、但价格只有一半的日常用模型。 在 Frontier-Bench 和 GDPval-AA 上它拿了新 SOTA，但在网络安全任务上仍落后于 Mythos 5。在 CursorBench 3.2 上开到最大 effort 时，得分只比 Fable 5 低 0.5%，但每次任务成本只有一半。ARC-AGI 3 的得分是次优模型的三倍。OSWorld 2.0 上，它在任意成本下都超过所有模型，用 Fable 5 三分之一的花费就超过了 Fable 5 的最好成绩。 Opus 5 现在是 Claude Max 的默认模型，也是 Claude Pro 上最强的模型。
深读
导读 Anthropic 发布了 Claude Opus 5，定位是智能水平接近旗舰模型 Fable 5、但价格只有一半的日常用模型。它在多个编码和知识工作基准上取得了新 SOTA，但在网络安全等高风险能力上仍落后于 Mythos 5。读完可以了解 Opus 5 在哪些任务上实现了性价比突破、在哪些方面仍有限制，以及它如何平衡能力与安全。 关键信息 - 定价与 Opus 4.8 相同：每百万输入 token 5 美元，每百万输出 token 25 美元。 - 在 Frontier-Bench v0.1 上，Opus 5 超越所有其他模型，且每任务成本低于 Opus 4.8。 - 在 CursorBench 3.2 上开到最大 effort 时，得分仅比 Fable 5 低 0.5%，但每任务成本只有一半。 - 在 ARC-AGI 3 上，Opus 5 的得分是次优模型的三倍。 - 在 OSWorld 2.0 上，Opus 5 以不到 Fable 5 三分之一的花费就超过了 Fable 5 的最好成绩。 - 在内部自动化行为审计中，Opus 5 的整体不当行为得分为 2.3，是近期模型中最低的。 逐节讲解 性能与成本效益 Opus 5 在同等成本下相比前代 Opus 4.8 有显著提升。文章用 effort 设置（用户可调节以优化智能或节省 token）来展示性能变化。在软件工程任务上，Frontier-Bench v0.1 中 Opus 5 超越所有模型，性能是 Opus 4.8 的两倍以上且每任务成本更低。CursorBench 3.2 上，在 max effort 设置下，Opus 5 的峰值得分与 Fable 5 相差不到 0.5%，但每任务成本减半。 在知识工作和问题解决任务上：ARC-AGI 3（解决新颖问题的评估）中得分是次优模型的三倍；Zapier AutomationBench（端到端完成商业任务）中，同等成本下的通过率约为次优模型的 1.5 倍，即使最低 effort 设置也能通过更多任务；OSWorld 2.0（计算机使用基准）中，任意成本下都优于所有模型，以 Fable 5 三分之一多一点的花费就超过了 Fable 5 的最好成绩。 在科学研究方面，Opus 5 在生命科学评估（结构生物学、有机化学、生物信息学）上全面优于 Opus 4.8。有机化学任务提升最明显，例如从光谱数据推断分子结构得分高出 10.2 个百分点；蛋白质相关任务（预测序列变异对功能的影响）得分高出 7.7 个百分点。 使用体验与自主性 Opus 5 在验证工作和迭代能力上更强。文章列举了多个早期测试案例：在一个 Frontier-Bench 任务中，模型被故意不给直接查看图纸的途径，它自己编写计算机视觉管线从像素中提取几何信息并重建了 3D 模型，而竞品模型五次尝…