作者｜华卫
昨夜，Anthropic 发布了 Opus 5 模型，这是其长期主打的重磅模型的最新版本。值得注意的是，在公告中列出的多项基准测试中，Opus 5 实际表现优于 Fable 5。
据 Anthropic 介绍，Opus 5 的能力接近其商用最强模型 Fable 5，而价格仅为后者的一半，且安全限制比 Fable 模型更宽松，很可能在大多数使用场景中成为更优选择。
距离 5 月 28 日上线的 Opus 4.8 仅过去两个月，Opus 5 便已推出，这是 Anthropic 在不到两个月内推出的第四款模型。Mythos 5、Fable 5 和 Sonnet 5 均在 6 月发布，目前只剩下轻量级模型 Haiku 仍在等待升级至 5 系列。
1 编码能力超越 Fable 5，还不受数据约束
这次，软件开发是 Opus 5 最大的改进之一。除此之外，在以业务和生产力为中心的应用方面也展现出了优势。
一张由 Anthropic 制作的基准测试图表显示，在知识工作方面的表现优于其以往任何模型，在编码任务上也显著优于 Opus 4.8，大致与备受追捧的 Fable 模型相当或略胜一筹。在几乎所有类型的任务中，它都明显优于 Opus 4.8 和 OpenAI 的 GPT-5.6-Sol。
在 Frontier-Bench（一项衡量模型能否根据工程图纸构建可用软件的编码评估）中，Opus 5 的得分较前代翻倍有余，并超越了所有竞品，包括 Fable 5。在测试新颖问题解决能力的 ARC-AGI 3 上，Opus 5 的得分约为次优模型的 3 倍。
在宣布新模型的博文中，Anthropic 强调，Opus 5“在验证自身工作并反复推敲直至成功方面更加强大”，并引用了基准测试中的例子：Opus 5 根据一个不完整的提示词自行编写了计算机视觉处理流程，此外还有其他案例。
据 Claude Code 工程师 Thariq Shihipar 称，Anthropic 在其最新型号中移除了 80% 的 Claude Code 系统提示，包括 Opus 5 和 Fable 5 等模型，而编码评估结果并未受到明显影响。
该公司还称，它在科研方面也更出色，尤其擅长预测蛋白质序列变异如何影响分子功能等任务。与此同时，该公司指出，已成功让该模型更难被“欺骗”。当前，Opus 5“展现出最低比例的欺骗性行为”。
并且，与其前代一样，Opus 5 不受涵盖 Fable 和 Mythos 的 30 天数据保留政策约束，该政策是与 Fable 和 Mythos 5 一同推出的，此前曾引发部分注重隐私的用户的担忧。
因此，Anthropic 预计，Opus 5 将成为大多数用户需要完成工作时的首选模型。此前，大家对 Fable 的不满之一就是其施加的安全限制。Anthropic 曾实施一套机制，Claude 会将涉及某些主题的提示词路由至 Opus 4.8 而非 Fable 5。许多人认为这些限制过于严苛，使得 Fable 在某些任务上几乎不可用。
不过，Opus 仍然设有实质性的安全护栏，但是在“较窄范围”的特定任务上进行的，特别是在漏洞利用生成和渗透测试等网络安全任务方面。例如，Opus 5 的护栏禁止其被用于扫描软件二进制文件中的漏洞，但允许其在源代码中搜索漏洞，因为后者更可能用于防御目的。
对此，Anthropic 表示，“Claude Opus 5 的安全措施旨在允许模型在网络安全和生物学领域的良性使用”。“根据我们的测试，我们预计分类器的干预频率将比 Fable 5 低约 85%。”Anthropic 称。
该公司还推出了一款新工具，以便在安全措施触发时降低其干扰性。用户现在可以选择加入一项名为“自动回退”（Automatic Fallbacks）的测试功能，当提示词触发安全分类器时，该功能会自动将请求路由至能力较低的模型。这样一来，开启该设置的 API 用户将获得功能性响应，而不是收到错误信息。
据悉，Opus 5 在网络安全方面比 Opus 4.8 更强大，但在漏洞利用开发方面仍远逊于 Mythos 5。
2 关键在于 token 效率，而非能力跃升
“Opus 5 专为日常使用而设计：它比其他模型更高效。它是 Claude Max 的新默认模型，也是 Claude Pro 上最强的模型。”这是 Anthropic 对该模型的定位。
定价方面，Opus 5 的 API 费用将维持每百万输入 token 5 美元、每百万输出 token 25 美元。Anthropic 还为 Opus 增加了一个“effort”菜单，用户可调整以指示模型是希望更详尽，还是更快更高效以节省 token。
近来，Cursor 和 Meta 等公司也在做类似工作，构建了一套“模型路由器”，即根据提示词的性质，从一系列选项中自动选择不同规模和能力的模型的系统。其思路是，不必为每个任务都使用 Fable 这样的模型，从而节省大量 token（进而节省算力和 / 或资金）。
Anthropic 称，在多项相关评估中，Opus 5 都是他们性能最佳、成本效益最高的模型。
在 CursorBench 3.2 测试中，在最大工作量下，该模型的性能与 Fable 5 的峰值得分相差不到 0.5%，但单项任务成本却只有后者的一半；此外，在高、超高和最大工作量下，Opus 5 在相同成本下也优于所有其他模型。
在知识型工作和问题解决任务中，该公司也观察到了类似的结果。例如：在 Zapier AutomationBench 测试中（该测试用于衡量模型能否从头到尾完成业务任务），Opus 5 的通过率约为同等成本下性能次优模型的 1.5 倍。即使在最低工作量设置下，Opus 5 完成的任务数量也超过任何其他模型。
在 OSWorld 2.0（一款计算机使用基准测试软件）中，Opus 5 在任何给定的价格下都优于其他所有型号，并且以略高于 Fable 5 三分之一的价格超越了 Fable 5 的最佳成绩。
Opus 5 的早期客户也报告称，资源使用量有所降低。Harvey 应用研究负责人 Niko Grupen 表示，该模型“在最大推理设置下，与 Opus 4.8 相比，平均生成的 token 数量减少了 26%，同时保持了相近的性能”。Zapier 首席执行官兼联合创始人 Wade Foster 表示，Opus 5“登顶了 Zapier AutomationBench 排行榜，且消耗的 token 数量不超过之前的 Claude 模型”；他补充说，之前的模型未能通过测试，而 Opus 5 达到了 100%。
Artificial Analysis 评估了包括 Opus 5 在内的各热门模型完成相同任务的成本，根据其最新数据，每项 Intelligence Index 任务的加权平均成本（美元）为：Fable 2.75 美元，Opus 5（最高设置）2.03 美元，GPT-5.6 Sol（最高设置）1.04 美元，Kimi K3 0.95 美元。
现在看来，Opus 5 在各项基准测试显示出的迭代提升，虽非性能上质的飞跃，但主要卖点或在于 token 效率。
Anthropic 研究产品管理负责人 Dianne Penn 在接受采访时表示，用户应该选择 Opus 5 来获得更高的性价比，而选择 Fable5 来处理“持续数天的、高度自主的项目”。
当被问及 Kimi K3 时，Penn 称，开源模型在用户委托 Claude 处理的复杂实际项目中表现如何“还有待观察”。“从我们的反馈和客户群体来看，企业看重的是价值。如果模型或产品更便宜，但无法达到相近的质量水平，那实际上并没有什么用。”
https://www.anthropic.com/news/claude-opus-5
https://artificialanalysis.ai/?cost=cost-per-task
声明：本文为 InfoQ 整理，不代表平台观点，也不构成投资建议，未经许可禁止转载。
会议推荐
做 AI 的谁还没点技术焦虑，来 AICon 深圳站，吃颗技术定心丸! 大会限时 9 折专属优惠，现在报名立减 580，更多详情可扫码或联系票务经理 13269078023 进行咨询。
