🔥 新模型 · 旗舰发布

Claude Opus 5 发布：性能逼近自家旗舰 Fable 5，价格砍半

7 月 25 日凌晨，Anthropic 发布新一代旗舰大模型 Claude Opus 5。该模型在编程、复杂推理、知识工作等多项基准测试中实现 SOTA，性能极为接近自家更贵的 Fable 5，但单任务成本仅为其一半——在保持与 Opus 4.8 相同定价的前提下，完成了一次大幅跃升。

来源：公开报道• 2026-07-25• 全文约 4 分钟读完
#Anthropic #Claude Opus 5 #大模型 #SOTA #性价比
2 倍 Frontier-Bench 性能较 Opus 4.8 提升幅度
1/2 单任务成本，对标 Fable 5 峰值
2.3 分 非对齐行为得分，近期模型最低

⚡ 30 秒速览

  • 性能定位：在 CursorBench 3.2 Max Effort 模式下，距 Fable 5 峰值仅差 0.5%，但成本仅一半。
  • 编程 SOTA：Frontier-Bench v0.1 性能为 Opus 4.8 两倍以上，且降低单任务成本。
  • 推理跃升：ARC-AGI 3 得分是第二名模型的 3 倍；Zapier AutomationBench 通过率约 1.5 倍。
  • 科研突破：有机化学任务内部基准比 Opus 4.8 高 10.2 个百分点，蛋白质任务高 7.7 个百分点。
  • 安全定位：非对齐行为得分 2.3，为 Anthropic 迄今对齐程度最高模型；漏洞利用仍落后于 Mythos 5。
  • 定价策略：输入 5 美元 / 输出 25 美元（每百万 Token），与 Opus 4.8 持平；Fast mode 2.5 倍速、2 倍价。

01性能逼近旗舰，成本砍半 Opus 5 vs Fable 5

用户对 Claude 最集中的吐槽是"贵"。Opus 5 的发布直接回应了这一点：在维持与 Opus 4.8 相同定价的前提下，实现了性能的大幅跃升，并在多项基准中逼近甚至超越更贵的 Fable 5。

Fable 5（旗舰）

性能天花板，CursorBench 3.2 Max Effort 峰值基准。

Opus 5（新发）

相同测试下峰值仅差 0.5%，但单任务成本仅 一半。

3×ARC-AGI 3 得分倍数
1.5×Zapier 通过率倍数
1/3OSWorld 成本即超 Fable 5
2.5×Fast mode 速度倍数

注：ARC-AGI 3 与 Zapier AutomationBench 的倍数均以"相同单任务成本"为基准对比；OSWorld 2.0 为"任意给定成本下"对比。倍数为官方披露，未见第三方复测。

在计算机操作基准 OSWorld 2.0 中，Opus 5 在任意给定成本下均优于其他所有模型，仅需略高于三分之一的成本即可超过 Fable 5 的最佳成绩。即使最低努力设置下，Opus 5 通过的任务数也超过了其他任何模型。

02编程与推理：多项 SOTA 核心能力跃升

🥇 Opus 5Frontier-Bench v0.1
SOTA
Fable 5CursorBench 3.2 Max Effort
峰值
Opus 5CursorBench 3.2 Max Effort
-0.5%
Opus 5OSWorld 2.0（任意成本）
SOTA
Opus 5ARC-AGI 3
3× 第二

注：柱形为示意性表达，非分数绝对值；"3× 第二"指 Opus 5 得分为第二名模型 3 倍；"-0.5%"指 Opus 5 距 Fable 5 峰值差距。数据为官方披露。

03它到底强在哪？三个硬核案例

🔧 自主构建视觉管线：从图纸到 3D 模型竞争模型 0/5 成功

  • Frontier-Bench 任务：收到机械零件图纸，要求在 FreeCAD 中重建 3D 模型，但未提供直接查看图纸的接口。
  • Opus 5 自行编写了一套计算机视觉处理管线，从原始像素中提取几何特征，完成完整重建，多次重复实验均成功。
相同设置下，其他竞争模型尝试 5 次无一成功。

🐛 根治深层 Bug：不止于表面修复根因分析

  • 面对一款热门开源包管理器的真实 Bug，Opus 5 找到根本原因，并修复了社区补丁遗漏的边缘情况。
  • 竞争模型仅修复表面症状便报告问题已解决。

🧪 自建测试套件：没有数据源就自己造主动性

  • 某交易公司工程师用 Opus 5 在单次会话中为新交易所构建市场数据接入源——旧模型完全无法完成。
  • 因当时没有可用于验证的实时数据源，Opus 5 自己构建了一套测试套件，检查代码是否准确解析交易所数据。
Lovable 联创 Fabian Hedin：「Opus 家族自 4.5 以来最大的一次飞跃」

04为什么能做到？思考在前，行动在后

Opus 5 在自我校验与审慎迭代方面能力提升显著，能持续优化直至任务成功。其核心变化在于写代码前更爱"动脑子"——在规划阶段就能捕获自己的逻辑缺陷。

接收意图→深度规划→自我校验→迭代执行→验证交付

JetBrains IDE AI 负责人 Denis Shiryaev 评价：Opus 5 最令其印象深刻的是判别力与决策力，在写下代码前会更深入地思考，这是解题能力的一次重要跨越。

此外，Opus 5 引入了两个测试期功能：对话中途更换工具提示词缓存不失效，以及API 自动降级处理（遇到安全分类器标记的请求时避免直接拒绝，默认退回 Opus 4.8）。

编辑视角

本文核心数据均来自 Anthropic 官方发布与单方披露，包括 Frontier-Bench、CursorBench、ARC-AGI 3 等基准的对比结果，未见第三方独立复测。其中"性能为 Opus 4.8 两倍""成本仅 Fable 5 一半"等结论，建议读者结合官方技术报告与独立评测综合判断。

此外，Anthropic 在安全篇幅中承认 Opus 5 在漏洞利用方面仍大幅落后于 Mythos 5——这一坦诚与其在编程、推理领域的强势宣传形成对照，是阅读时应留意的平衡信号。

旗舰模型不再只拼参数天花板，而是把"同等性能下更便宜"作为核心卖点——海外大模型厂商的竞争维度，正从"谁更强"转向"谁更值"，这是中国开源与闭源模型持续施压的直接结果。

▶现在就能用

Opus 5 已成为 Claude Max 新默认模型，也是 Claude Pro 中性能最强的模型；开发者可在 API 中调用 claude-opus-5。

claude.ai → 选 Opus 5