文 | 字母AI
Anthropic这回真是豁出去了。
新模型Opus 5刚刚亮相，性能几乎要追上旗舰Fable 5，但价格直接砍半。
时间线拉得挺密。5月28日，Claude Opus 4.8问世；12天后，能力更强的Fable 5和Mythos 5接力登场；6月30日，Sonnet 5上线；到了7月24日，Anthropic又抛出了Opus 5。
短短57天，这家公司的Claude产品线几乎轮了一遍。即便在以月为单位迭代的AI圈子里，这速度也显得有点离谱。
最让人猝不及防的，是Fable 5和Opus 5之间仅隔了45天。
起初，Fable 5是Anthropic面向大众用户的能力标杆，按常理说，它该在聚光灯下多停留一阵子。可Opus 5追得太紧，很快就把风头抢了过去。
Anthropic仿佛在喊话：“能打败我的，只有我自己。”
这波更新节奏，明显是在对标OpenAI。7月9日，OpenAI发布GPT-5.6，并把Fable 5列为主要参照对象。15天后，Anthropic推出Opus 5，又将GPT-5.6 Sol纳入核心对比，在陌生问题求解、电脑操作和商业流程等项目中展示优势。
两家在产品发布和宣传上的针锋相对，已经很明显了。
Opus 5到底什么来头？Anthropic这次交了哪些底牌？
**性能与性价比**
Opus 5的价格沿袭了上一代Opus 4.8的标准，性能却有了质的飞跃。
Anthropic展示了Opus 5在不同“投入档位”下的表现。用户可以根据需求自行调节：简单任务选更省钱、更快的模式，遇到难题再提升档位，换取更优结果。
从披露信息看，Opus 5在处理具有实际价值的软件工程任务时尤为擅长。
比如在Frontier-Bench v0.1评测中，Opus 5超过了所有其他模型。相比Opus 4.8，它完成每项任务的成本更低，成绩却翻了一倍还多。
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到0.5%，而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，若按相同成本比较，Opus 5的表现依然超越所有其他模型。
在知识工作和问题解决任务中，Anthropic也观察到了类似趋势。例如：
在ARC-AGI 3这类“陌生题”测试中，模型无法依赖现成套路，必须自行摸索规则、判断目标并调整策略。Opus 5的得分达到第二名的3倍，这意味着它在面对从未见过的问题时，更有能力通过试错找到解法。
这种优势也延伸到了真实工作流程中。
AutomationBench要求模型调用商业软件，从头到尾独立完成一项任务。Opus 5的通过率约为第二名的1.5倍；即便使用最低投入档位，其成绩也超过了其他模型的最高水平。
换句话说，Opus 5无需付出最高的推理成本，也能处理更多任务。
在电脑操作测试OSWorld 2.0中，Opus 5在各个成本区间均处于领先地位。它花费的成本略高于Fable 5的三分之一，成绩却超越了Fable 5的最高水平。
这表明，Opus 5在打开应用、查找信息、跨软件操作并持续推进任务时，效率显著更高。
这一特点在其他评测中也十分明显。
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%；允许使用工具后，它升至64.7%，反超Fable 5的63.9%，且成本更低——单靠模型内部知识，Opus 5未必总是第一，但一旦可以搜索、调用工具和反复核对，优势便会扩大。
在模拟真实知识工作的GDPval-AA v2中，它最高得分1861，高于Fable 5的1747和GPT-5.6 Sol的1736。大约花费700美元，就能达到其他模型最高投入档位附近的成绩。DeepSearchQA上的领先幅度较小，但也以更低的成本取得了略高的通过率。
Opus 5在Anthropic全部生命科学评测中都超过了Opus 4.8。其中，光谱推断分子结构和预测蛋白质变异影响两项任务分别提高了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潜力更大。
Anthropic还通过两个可交互演示展示了Opus 5的视觉生成能力。第一个是一个可实际操作三维风洞：用户可以旋转汽车、调整风速，观察气流如何绕过车身，同时查看阻力系数等数据。第二个是一个三维动物细胞模型，用户可以转动、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了便于展示做了哪些简化。
从这两个案例可以看出，Opus 5已经将代码、三维建模、交互界面和知识讲解整合进了同一个成品里。用户只需给出一段要求，它就能直接搭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，Opus 5比此前模型更懂得独立推进任务。
一次测试要求模型根据机械零件图纸，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索性自己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。
同样的条件下，其他模型连续尝试5次也未成功。
另一次任务来自一个流行的开源软件包管理器。Opus 5查出了程序错误的根本原因，还补上了社区修复方案遗漏的边缘情况。
参与对比的另一款模型只消除了表面症状，便宣布问题已解决。
一家交易公司的工程师让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，Opus 5因找不到实时数据用于验证，便自行制作了一套测试工具检查代码。
这些案例展示了Opus 5的进步，也解释了Anthropic为何花了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、修正错误后，人类需要确认它不会为了达成目标而隐瞒问题、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，它更能遵守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”，通俗来说，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。
Anthropic并未专门用攻击任务训练Opus 5，但随着模型综合能力提高，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，但在编写漏洞利用程序、把缺口转化为实际攻击手段的阶段，Opus 5仍明显落后。它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%，正常的安全研究更少受到误伤。
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，可以使用限制较少的版本。
生物学领域也采用了类似安排。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有明显局限。
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用上更强的模型，高风险任务则继续留在安全边界之外。
**加量不加价**
Opus 5可以说是一次“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美元的价格体系。
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，它最直接的对手是OpenAI旗舰模型GPT-5.6 Sol。两者输入价格相同，Opus 5的输出价格低约17%。
处理超长资料时，Opus 5的价格优势会更加凸显。Anthropic对最高100万Token的上下文维持普通单价。而GPT-5.6 Sol在输入超过27.2万Token后，整次请求的输入价格翻倍，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，这项差异会直接反映在账单上。
按照Anthropic公布的评测，Opus 5虽未在所有项目中胜过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做事的任务上，其表现和价格都更具竞争力。
用Anthropic的话说，Opus 5专为日常使用而设计，效率高于其他型号。如今，这款新模型成为了Claude Max的全新默认型号，也是Claude Pro的最强型号。
