Anthropic 发布 Claude Opus 5：性能逼近 Fable 5，价格腰斩

过去很长一段时间，想用顶级 AI 解决复杂工程难题，不仅要忍受昂贵账单，还得随时准备好给卡壳的智能体收拾烂摊子。

Anthropic 正式推出 Claude Opus 5。新模型在维持前代 Opus 4.8 价格（每百万输入 token 收费 5 美元、输出 25 美元）的前提下，性能逼近自家顶级旗舰 Fable 5，综合使用成本却直接砍半。目前它已经上线全平台与 AWS Bedrock，并成为 Claude Max 的默认模型和 Claude Pro 的最强选项。

甚至给自己写了套视觉工具

比起单纯刷基准分，Opus 5 身上最明显的变化是那种不怕碰壁的自主执行力。

在早期的官方测试里，工程师故意给模型出难题：给它一张零件草图，让它写代码重建出 3D 几何模型，但不给它任何直接读取图片的视觉接口。结果 Opus 5 并没有报错放弃，而是自己现场写了一套计算机视觉管道，从原始像素里反求几何坐标，最后成功完成了建模。在同样的刁难下，其他竞品试了五次都没做出来。

类似的能力也体现在真实业务场景中。一家量化交易公司的工程师让它对接新交易所的行情数据流，Opus 5 不仅在一个会话内搞定了此前模型根本做不出的代码，甚至在找不到现成测试环境的情况下，顺手自己搭了一个测试套件来验证解析逻辑。在开源包管理器的真实漏洞修复中，它也直接挖出了底层根因，而不是像其他模型那样只在表面打补丁。

基准数据同样印证了这种端到端能力。在衡量全新未知问题推理能力的 ARC-AGI 3 测试中，Opus 5 跑出了超过 30% 的成绩，得分直接达到次优模型的 3 倍。在模拟真实电脑操作的 OSWorld 2.0 上，它超越了同类所有选手，效果胜过 Fable 5，花费却只有后者三分之一强。

榜单光环背后的另一面

不过，业内评测很快给这股热潮浇了点冷水。

有独立评测博主指出，Anthropic 在宣发图表里耍了点小心思：对比成本时用了对数坐标轴，弱化了高昂的绝对花费；而在评估软件工程任务的核心指标 Deep Sweep 上，OpenAI 的 GPT-5.6 Soul 依然位列第一，但 Anthropic 在图表里却把对手弱化成了浅灰色。

第三方机构的实测成绩也出现分化。Artificial Analysis 的独立榜单上，Opus 5 确实小幅反超 Fable 5 与 GPT-5.6 Soul 登顶，但每任务成本几乎是后者的两倍。而在 Abacus AI 的 Live Bench 综合榜单上，Opus 5 甚至滑落到了第三位，排在 Fable 5 之后。在针对金融与编程的 Valse 指数上，它也只能排在第二，仅领先开源模型 Kimi K3 零点几个百分点。此外，ARC-AGI 3 的亮眼分数很大程度来自类似《见证者》风格的解谜游戏，一旦遇到规则完全陌生的新互动机制，它的发挥甚至不如前代 Opus 4.8。

另一个老问题依然存在：安全围栏。尽管 Anthropic 强调 Opus 5 的安全拦截率比 Fable 5 减少了约 85%，也允许在源码中寻找安全漏洞，但它依然严禁生成攻击利用代码和二进制扫描。遇到敏感问题，系统依然会降级回退到 Opus 4.8，在生物学和网络攻防前沿任务上，它依然落后于 Mythos 5。

为什么重要

对企业和开发者来说，Opus 5 最实用的升级其实是工程落地细节。它不仅支持会话中途增删工具而不破坏 Prompt 缓存，还在 AWS Bedrock 上默认开启零数据保留（ZDR），解决了许多企业顾忌的数据合规问题。如果你的业务场景涉及长链条调试、跨文件重构或多步骤文档解析，它确实值得立即接入尝试。

我们认为，Anthropic 这次打出了一张很聪明的性价比牌。它没有硬着头皮去卷 Mythos 5 级别的极限算力与高危边界，而是把 Fable 5 的长程规划与反思纠错能力下放到了主力价位，逼着竞争对手在代码智能体领域重构价格体系。

但从行业竞争来看，它的优势并不绝对。在更广泛的通用基准和性价比对比中，GPT-5.6 依然咬得很死，开源阵营也在快速逼近。Opus 5 证明了自主智能体的实用上限可以很高，但想彻底拉开差距，Anthropic 还得在降本和放宽过度防卫之间找到更好的平衡。