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

admin

文 | 字母AI

Anthropic真是“疯”了。
就在刚刚，新模型Opus 5发布，性能直逼旗舰模型Fable 5，价格却降了一半。

5月28日，Claude Opus 4.8发布。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又发布了Opus 5。
短短57天，这家公司几乎把Claude的几条主要产品线都更新了一遍。即便放在模型按月迭代的AI行业里，这个速度也有些夸张。
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，是Anthropic面向普通用户开放的能力标杆。正常情况下，这样一款模型至少应该在聚光灯下多待一阵。Opus 5却很快追了上来。
Anthropic简直就是在高喊：“打败”我自己的只能是我自己！
Anthropic这轮更新也紧贴着OpenAI的节奏。7月9日，OpenAI刚刚发布GPT-5.6，并在官方评测中把Fable 5列为主要参照模型之一。15天后，Anthropic发布Opus 5，又将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。
在产品发布和官方宣传上，两家公司追着对方出牌的意味已经十分明显。
Opus 5究竟是何方神圣？来看看Anthropic这次公布了什么。
性能与性价比
Claude Opus 5的价格与上一代Opus 4.8相同，性能却有了大幅提升。
Anthropic展示了Opus 5在不同“投入档位”的表现。用户可以自己调整，简单任务可以选更省钱、更快的模式，遇到难题时再提高档位，换取更好的结果。
从Anthropic的披露看，Opus 5尤其擅长处理具有实际价值的软件工程任务。
例如，在Frontier-Bench v0.1评测中，Opus 5超过了所有其他模型；与Opus 4.8相比，它完成每项任务的成本更低，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最高得分之间的差距不到0.5%，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，按照相同成本比较，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，Anthropic也观察到了类似结果。例如：
在ARC-AGI 3这类“陌生题”测试中，模型拿不到现成套路，只能自己摸索规则、判断目标并调整策略。Opus 5的得分达到第二名的3倍，说明它遇到从未见过的问题时，更有能力靠试错找到解法。
类似优势也出现在真实工作流程中。
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，也超过其他模型的最高成绩。
也就是说，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，Opus 5在打开应用、查找信息、跨软件操作并持续推进任务时，效率明显更高。
这种特点在其他评测中也很明显。
HLE考察跨学科难题，不调用工具时，Opus 5以56.3%略低于Fable 5的56.5%；允许使用工具后，它升至64.7%，反超Fable 5的63.9%，成本也更低——Opus 5单靠模型内部知识未必总是第一，但一旦可以搜索、调用工具和反复核对，优势就会扩大。

在模拟真实知识工作的GDPval-AA v2中，它最高得分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上的领先幅度较小，但同样以更低成本取得了略高的通过率。
Opus 5在Anthropic全部生命科学评测中都超过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高10.2和7.7个百分点。这些提升意味着，Opus 5在辅助分子结构分析、蛋白质功能预测等科研环节上更有潜力。
Anthropic还用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：用户能够旋转汽车、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为了便于展示做了哪些简化。

从这两个案例看，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。用户给出一段要求后，它可以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。
参与对比的另一款模型只消除了表面症状，随后便宣布问题已经解决。
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，Opus 5找不到实时数据用于验证，便自行做了一套测试工具检查代码。
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。
模型开始自行补工具、检查结果、修正错误后，人类需要确认它不会为了完成目标隐瞒问题、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。
“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，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，真正利用这些问题发动攻击的能力仍受到限制。
Opus 5可以继续检查源代码和寻找漏洞，二进制漏洞扫描、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
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完成率更高，单位任务成本反而下降。
横向来看，它最直接的对手是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的价格优势还会更明显。Anthropic对最高100万Token的上下文维持普通单价。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，这款新模型成为了Claude Max的全新默认型号，也是Claude Pro的最强型号。