XNews

Claude Opus 5 发布

Claude Opus 5 发布

Anthropic 于 2026 年 7 月 24 日发布 Claude Opus 5,将其定位为面向 Claude Max 和 Pro 日常使用的高端模型。其定价与 Opus 4.8 相同,为每百万输入/输出代币 5 美元/25 美元,是 Fable 5 成本的一半,同时性能显著提升。 - Frontier-Bench v0.1:得分是 Opus 4.8 的两倍以上,且每任务成本更低。 - ARC-AGI-3:得分是第二名模型的 3 倍。 - OSWorld 2.0:以略高于三分之一的成本超越 Fable 5 的最佳成绩。 - CursorBench 3.2:最大努力得分与 Fable 5 峰值相差不到 0.5%,成本仅为一半。 - 网络安全:漏洞发现能力接近 Mythos 5,但漏洞利用编写仍落后。 - 效率:金融任务中时间减少高达 60%,推理代币约为 Opus 4.8 的七分之一。 - 快速模式:价格翻倍,速度提升 2.5 倍;API 对安全拒绝请求自动回退。 - 智能体行为:自行创建工具(例如计算机视觉流水线)、根因调试、自我验证、质疑用户设计。 - 安全性:在 Claude 模型中最低的失调评分(2.3);对生物研究放宽限制,但网络攻击生成仍被拦截。

Key insights

Opus 5 保持 Opus 4.8 定价,同时 Frontier-Bench 性能翻倍

Anthropic 将 Opus 5 的 API 价格维持在 Opus 4.8 的水平(每百万输入/输出代币 5 美元/25 美元),同时 Frontier-Bench v0.1 得分翻倍以上,且每任务成本更低。在 CursorBench 3.2 最大努力模式下,其成绩以一半成本达到 Fable 5 峰值的 99.5% 以内。这一定价策略直接挑战了智能与成本之间的权衡,使高频用户能够以经济的方式日常使用接近前沿的模型。

效率提升以任务为衡量单位,而非代币

Anthropic 强调“每任务成本”而非每代币成本。在金融建模场景中,Opus 5 将平均准确率提高了 9 个百分点,同时将轮次/工具调用减少了三分之一,时间缩短了 60%。在交易工作流中,推理代币约为 Opus 4.8 的七分之一,延迟不到一半。这些效率提升意味着企业用户能以更低的总支出获得更好的结果,将竞争指标从原始代币定价转移开。

智能体行为与自我修正使 Opus 5 脱颖而出

Opus 5 展现出新颖的自主行为:当被拒绝直接查看图像时,它自行构建了一个计算机视觉流水线,从像素中提取几何信息用于 3D CAD 重建。它对一个开源包管理器漏洞进行了根因分析,修复了社区补丁遗漏的边界情况。它还像前端开发者一样通过桌面/移动视图打开页面进行自我验证,并在用户设计存在缺陷时提出质疑并提出折中方案。这些例子表明该模型具备更强的长期自主问题解决能力。

安全对齐改善但网络安全方面存在不对称

Anthropic 报告称 Opus 5 是其最对齐的模型,失调评分 2.3,低于 Opus 4.8、Sonnet 5 和 Fable 5,且欺骗率最低。在网络安全方面,该模型未经过进攻性任务训练,但其漏洞发现能力接近 Mythos 5;漏洞利用生成仍明显落后。安全分类器会拦截二进制扫描、渗透测试和漏洞利用生成,但允许源代码漏洞审查。被拒绝的请求可通过 API 自动回退至 Opus 4.8。

开发者工作流改进:工具变更缓存持久化与模型回退

两项测试版功能解决了实际智能体开发中的痛点:(1)工具定义现在可在对话中途更改,而不会使整个提示缓存失效,从而降低成本;(2)API 自动回退将安全分类器拦截的请求路由到另一模型,而非失败,避免工作流中断。此外,快速模式以双倍价格提供 2.5 倍速度;在生物研究方面,此前在 Fable 5 上被拦截的请求现在被路由到 Opus 5。

Source posts