🔥 模型 · 发布速递
Opus 5 半价反超 Fable 5 登顶硬核榜，Anthropic 同步砍掉八成系统提示词
7 月 25 日凌晨，Anthropic 正式发布 Claude Opus 5。在硬核编程基准 Frontier-Bench v0.1 上，它以 43.3% 反超 Fable 5 的 33.7%，价格仅为后者一半；同日，Anthropic 把 Claude Code 的系统提示词删掉超 80%，编码评测成绩却纹丝不动。
来源：公开报道•
2026-07-25•
全文约 4 分钟读完
#Anthropic
#Claude Opus 5
#代码生成
#上下文工程
43.3%
Frontier-Bench v0.1 · 领先 Fable 5 近 10 个百分点
1/2
价格 · 每百万 token 输入 $5 / 输出 $25
80%
Claude Code 系统提示词被删减 · 成绩未降
⚡ 30 秒速览
- 赢了多少：Frontier-Bench 43.3% vs Fable 5 的 33.7%；ARC-AGI-3 拿 30.2%，是 GPT-5.6 Sol（7.8%）的近四倍。
- 价格策略：与上一代 Opus 4.8 持平，是 Fable 5 的一半；Fast 模式两倍价格换 2.5 倍速度。
- 提示词瘦身：Anthropic 把 Claude Code 系统提示词删超 80%，编码评测成绩零下降——判断力追上来了，脚手架可以拆了。
- 网友炸场：5 倍 Max 订额度度的 27% 搭出可玩 Rocket League 克隆版；3 道破坏场景题花 $0.508 全做对，Fable 5 花近两倍钱却翻车。
- 安全松绑：预计触发拦截的频率比 Fable 5 降约 85%；IMO 2026 竞赛满分且未用外部工具。
01硬核榜 Top 5 Opus 5 在编程与推理上反超
🥇 Claude Opus 5Anthropic
43.3
Opus 4.8Anthropic · 上一代
21.1
注：柱形自 15 分起缩放，非零起点；分差以标注分数为准。Opus 5 较 Fable 5 领先 9.6 个百分点，较上一代 Opus 4.8 翻倍有余。
在另一项专测"模型没见过的新问题"的 ARC-AGI-3 上，差距更为悬殊：
30.2%
Opus 5
7.8%
GPT-5.6 Sol
~1.5%
Opus 4.8（估算）
Opus 5 在 ARC-AGI-3 的得分较上一代翻近 20 倍，是 GPT-5.6 Sol 的近四倍。
02它到底强在哪？三个让网友炸场的实测
🎮 用 27% 算力搭出可玩的 Rocket League 克隆网友实测
- 博主 am.will 原以为 Opus 5 只是"便宜版 Fable"，测完直接改口说"大错特错"。
- 仅用 5 倍 Max 订阅额度的 27%，就搭出他见过最好的 Rocket League 克隆版，游戏能玩，代码开源在评论区。
博主 OmedTheVibeCoder 测完竞技场对决后评价："不是接近，是完全甩开了它。"并补充说自己"差点从椅子上摔下来"。
💥 三道破坏场景题：花一半钱，全做对成本对比
- 题目：龙卷风卷起整片场地、重锤砸楼、卡车压塌桁架桥。
- Opus 5：花 $0.508 全部做对。
- Fable 5：花费近两倍，龙卷风卷不起地面物体，楼在锤子碰到前自己塌了，桥炸成一堆木棍。
- GPT-5.6：最便宜（$0.14），但锤子压根没碰到楼。
来源：atomic.chat 横向对比测试。
✈️ 波音 747 重建：多写 4 倍代码，多了一道自检硬核自检
- Fable 5：42 分钟、4 文件、约 1000 行代码，跑 17 轮渲染、查 54 张截图，验证方式只靠肉眼看。
- Opus 5：71 分钟、20 模块、约 4000 行代码，25 套镜头预设，多写了一个测量脚本。
- 验证方式：从渲染画面提取正射轮廓，算出翼展、轴距、前缘扫掠角等 14 项指标，逐项核对波音 747-400 公开数据公差。
- 前 43 分钟只渲染素模确认轮廓过关，才上涂装；6 个视角拼成联系表一次看完。
博主 Victor M 结论：Fable 5 交货快约 40%，但用着同样的 747-400 真实数据，却从没拿建好的模型反过来量过这些数据对不对。
03为什么提示词能砍 80%？判断力追上来了
Opus 5 发布同日，Anthropic 工程师 Thariq 发文披露：Claude Code 的系统提示词被删掉超 80%，编码评测成绩零下降。这 80% 的删减，正是专门针对 Opus 5、Fable 5 这代模型做的。
背后逻辑只有一句：过去靠规则硬堵的地方，现在可以放手交给模型自己判断。
旧规则
"默认不写注释"——早期模型判断力不够，怕注释又多又乱，只能定死这条规则；用户想要详细注释时反而帮了倒忙。
新规则
"贴合周围代码的风格，匹配注释密度、命名和习惯"——判断权交还给了模型。
同样的逻辑也用在工具设计与上下文管理上：
例子教学→接口极简→渐进式披露→自主记忆
Todo 工具只留"待处理/进行中/已完成"几个状态，模型自己判断怎么用；不常用说明拆成技能文件按需调用；Claude 自己判断哪些信息值得记，直接存成记忆。
规则、例子、记忆，本来都是给判断力不够的模型搭的脚手架。现在脚手架被一根根拆掉——因为模型自己就能接得住。
编辑视角
本篇核心跑分与"反超"结论主要来自 Anthropic 官方通告与企业通稿，部分网友实测为单方披露、未见第三方复测；FrontierCode 榜单还曾出现把得分更低的 Opus 标成获胜者的 bug（已修正）。读者宜把"半价干翻"视作厂商定调的性价比叙事，而非独立测评结论。
但有一处信号独立于跑分争议：Anthropic 敢在同一代模型上砍掉 80% 系统提示词而成绩不降，说明行业正从"用规则补模型判断力"转向"让模型自己接住判断"——脚手架的拆除，比跑分本身更能说明这一代模型的真实进步。
当厂商开始拆掉自己搭的脚手架，意味着模型能力正从"被规则托住"跨入"自己站稳"——这才是这一代发布真正值得标记的拐点。