Anthropic发布Opus 5性能媲美Fable 5价格仅一半

Anthropic近期动作频频，令人瞩目。

就在近日，Anthropic发布了全新模型Opus 5，其性能直逼旗舰级模型Fable 5，而价格却大幅降低了一半。

回顾此前的发布节奏：5月28日，Claude Opus 4.8问世；仅12天后，性能更强大的Fable 5与Mythos 5便相继登场；6月30日，Sonnet 5上线；而到了7月24日，Anthropic又推出了Opus 5。

在短短57天内，这家公司几乎将Claude的主要产品线悉数升级。即便在AI模型按月迭代的当下，如此密集的更新速度也显得颇为夸张。

其中，最引人注目的莫过于Fable 5与Opus 5之间仅相隔45天。

Fable 5发布之初，被定位为Anthropic面向普通用户提供的能力标杆。按照常理，这款模型理应在聚光灯下停留更长时间。然而，Opus 5迅速追赶了上来。

Anthropic此举无异于向外界宣告：“超越”我的，只能是我自己！

Anthropic的这轮更新也紧紧跟随了OpenAI的步伐。7月9日，OpenAI发布了GPT-5.6，并在最新评测中将Fable 5列为主要参考模型之一。15天后，Anthropic发布Opus 5，并将GPT-5.6 Sol纳入核心对比，展示了其在陌生问题求解、电脑操作以及商业流程等项目上的优势。

在产品发布与宣传策略上，两家公司互相追赶、交替出牌的意味已经十分明显。

Opus 5究竟有何过人之处？让我们来看看Anthropic此次公布了哪些信息。

性能与性价比

Claude Opus 5的定价与上一代Opus 4.8保持一致，但在性能上实现了显著提升。

Anthropic展示了Opus 5在不同“投入档位”下的表现。用户可以根据任务需求灵活调整，处理简单任务时可选择更经济、更快速的模式，遇到复杂难题时则提升档位，以获取更优效果。

从Anthropic披露的信息来看，Opus 5在处理具有实际价值的软件工程任务方面尤为出色。

例如，在Frontier-Bench v0.1评测中，Opus 5的表现超越了所有其他模型；与Opus 4.8相比，它不仅完成每项任务的成本更低，成绩更是提高了一倍以上。

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足0.5%，但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，以相同成本进行比较，Opus 5的表现同样优于所有其他模型。

在知识工作与问题解决任务中，Anthropic也观察到了类似的结果。例如：

在ARC-AGI 3这类“陌生题”测试中，模型无法依赖现成套路，只能自行摸索规则、判断目标并调整策略。Opus 5的得分达到第二名的3倍，这表明它在面对从未见过的问题时，具备更强的通过试错找到解决方案的能力。

类似的优势也体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，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。

在电脑操作测试OSWorld 2.0中，Opus 5同样在各个成本区间保持领先。它仅花费略高于Fable 5三分之一的成本，便取得了超越Fable 5最高水平的成绩。

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十分突出。

HLE考察跨学科难题，在不调用工具的情况下，Opus 5以56.3%的得分略低于Fable 5的56.5%；但允许使用工具后，其得分升至64.7%，反超Fable 5的63.9%，且成本更低——Opus 5单靠模型内部知识未必总是最优，但一旦能够搜索、调用工具并进行反复核对，其优势便会显现。

在模拟真实知识工作的GDPval-AA v2测试中，Opus 5的最高得分为1861，高于Fable 5的1747和GPT-5.6 Sol的1736。大约花费700美元，便能达到其他模型最高投入档位附近的成绩。在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均超越了Opus 4.8，其中在光谱推断分子结构和预测蛋白质变异影响两项任务上，分别提升了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具有更大的潜力。

Anthropic还通过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，并查看阻力系数等数据。第二个是一个三维动物细胞模型，用户可以旋转、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。

从这两个案例来看，Opus 5已经能够将代码、三维建模、交互界面和知识讲解整合进一个完整的成品中。用户给出需求后，它可以直接构建出接近教学软件或产品原型的演示。

安全与对齐

Anthropic通过几个案例说明了Opus 5在独立推进任务方面比以往模型更为出色。

在一次测试中，模型被要求根据机械零件图纸，用代码重建一个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，随后完成了建模。

在相同条件下，其他模型连续尝试5次均未成功。

另一次任务来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，还补充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，随后便宣布问题已解决。

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，而Opus 5在找不到实时数据用于验证时，便自行开发了一套测试工具来检查代码。

这些案例展示了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，人类需要确认它不会为了完成目标而隐瞒问题、绕过限制，或做出风险过高的决定。

Anthropic表示，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，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。

所谓“对齐”，通俗地说，就是模型能力提升后，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并未专门用攻击任务训练Opus 5，但随着模型综合能力的提升，它寻找代码漏洞的水平已接近Mythos 5。

两者在发现漏洞时表现相近，但到了编写漏洞利用程序、将缺口转化为实际攻击手段的阶段，Opus 5仍明显落后。它虽然很擅长检查哪里出了问题，但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，但二进制漏洞扫描、渗透测试及漏洞利用程序生成等操作则会被拦截。

相比Fable 5，新分类器触发干预的频率预计减少约85%，正常的安全研究受到误伤的可能性更低。

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，则可以使用限制较少的版本。

生物学领域也采取了类似的安排。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。普通科研问题因此能够使用更强的模型，而高风险任务仍然被限制在安全边界之外。

加量不加价

Opus 5可以称得上是“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。

但正如前文所述，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，它最直接的竞争对手是OpenAI旗舰模型GPT-5.6 Sol，两者输入价格相同，而Opus 5的输出价格低了约17%。

在处理超长资料时，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的输入超过27.2万Token后，整次请求的输入价格将翻倍，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而言，这一差异将直接反映在账单上。

根据Anthropic公布的评测结果，Opus 5虽然并未在所有项目中超越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执行任务的项目上，其表现和价格都更具竞争力。

用Anthropic的话来说，Opus 5专为日常使用而设计，它比其他型号效率更高。如今，这款新模型已成为了Claude Max的全新默认型号，同时也是Claude Pro的最强型号。