Claude Opus 5 正式发布：近 Fable 5 水平，价格砍半

核心看点

• Claude Opus 5 正式发布，性能接近 Fable 5，但价格只有一半
• 在 Frontier-Bench、CursorBench 等基准测试中全面领先
• ARC-AGI 3 得分是第二名的三倍
• 安全性大幅提升，对齐性评分创 Anthropic 历史新高
• 定价与 Opus 4.8 持平：输入 5美元/百万 token，输出 25美元/百万 token

详细解析

Anthropic 在 7 月 24 日正式发布了 Claude Opus 5，这是 Opus 系列的又一次重大升级。官方将其定位为"日常使用的默认模型"——既有接近 Fable 5 的智能水平，又保持了 Opus 系列的速度和成本优势。

性能表现

Opus 5 在多个关键基准测试中表现亮眼：

• Frontier-Bench v0.1：超越所有竞品，以更低的成本将 Opus 4.8 的性能提升了一倍以上
• CursorBench 3.2：在最高 effort 设置下，性能接近 Fable 5 的峰值，但成本只有一半
• ARC-AGI 3：解决新问题的能力得分是第二名的三倍
• Zapier AutomationBench：端到端完成业务流程的通过率是竞品的 1.5 倍
• OSWorld 2.0：计算机使用基准测试中，以 Fable 5 三分之一出头的成本超越了 Fable 5 的最佳成绩

实际应用案例

Opus 5 的主动性和验证能力大幅提升。几个典型场景：

• 自主视觉处理：拿到一张机械零件图纸，在无法直接查看的情况下，自己写了个计算机视觉管道从像素中提取几何信息，成功重建了 3D 模型
• 根因分析：发现一个流行开源包管理器的真实 bug，不仅修复了表面症状，还找到了社区补丁遗漏的底层原因
• 自主测试：为交易所构建市场数据流时，找不到实时数据验证，就自己写了个测试框架来验证代码正确性

安全性与对齐性

Opus 5 是 Anthropic 迄今为止最对齐的模型：

• 自动行为审计中，整体不对齐行为评分 2.3，为近期模型最低
• 欺骗行为率最低
• 最不容易被诱导滥用
• 在网络安全方面，能发现漏洞但开发利用能力远低于 Mythos 5，降低了恶意使用风险

企业反馈

多家早期试用企业给出了积极评价：

• Cognition（Devin）："在 FrontierCode 1.1 上接近 Fable 水平，调试和根因分析特别强"
• Cursor："以 Opus 的速度和成本提供接近 Fable 5 的智能"
• Zapier："端到端自动化通过率 100%，之前模型都没通过"
• Lovable："内部评测中最强 Opus 模型， hardest agentic coding 任务提升 22%"

定价与可用性

Opus 5 已全面上线：

• 输入：5美元/百万 token
• 输出：25美元/百万 token
• Fast 模式：2.5 倍速度，价格翻倍
• Claude Max 默认模型，Claude Pro 最强模型

同时 API 还新增了两个 beta 功能：对话中切换工具（不破坏 prompt cache）和自动 fallback（被安全分类器标记的请求自动路由到其他模型）。

总结

Claude Opus 5 是一次务实的升级——没有追求最极端的性能，而是在"足够聪明"和"足够便宜"之间找到了最佳平衡点。对于日常开发、知识工作和自动化任务来说，它可能是目前性价比最高的选择。特别是其出色的验证能力和自主性，让它在长周期、多步骤任务中表现尤为突出。