XNews

Claude Opus 5发布:性能、定价与功能

Claude Opus 5发布:性能、定价与功能

Anthropic发布了Claude Opus 5,定价为每百万输入token 5美元、每百万输出token 25美元——与Opus 4.8相同,是Fable 5的一半。该模型定位为高端日常使用模型,成为Claude Max的默认模型,也是Pro用户的最高配置。性能亮点:Frontier-Bench v0.1达到SOTA(是Opus 4.8的两倍),CursorBench 3.2接近Fable 5峰值但成本减半,ARC-AGI 3得分是第二名模型的3倍,OSWorld 2.0以约1/3成本超越Fable 5。效率提升:在交易场景中,推理token仅为Opus 4.8的1/7;金融建模耗时减少60%。新行为:自主创建工具(CV流水线)、根因修复漏洞、自我验证,以及质疑有缺陷的用户设计。快速模式速度提升2.5倍,价格翻倍。API自动回退将安全拦截的请求重新路由。安全:对齐分数2.3(最低),欺骗性最小。网络安全:漏洞发现能力接近Mythos 5,但漏洞利用编写落后;安全分类器可拦截二进制级扫描。生物限制放宽,现回退至Opus 5而非Opus 4.8。测试功能:工具更改不再使提示缓存失效;安全拦截时自动降级模型。

Key insights

定价策略强调每任务成本而非每token成本

Anthropic将Opus 5的token价格维持在Opus 4.8的水平,同时提供接近Fable 5的智能水平,明确以“每任务成本”而非每token成本来定义价值。例如,CursorBench任务成本仅为Fable 5的一半,OSWorld以三分之一成本超越Fable 5的最佳表现。这使竞争转向总任务支出,使前沿智能更易于频繁使用。

跨基准测试和领域的性能飞跃

Opus 5在Frontier-Bench v0.1上达到SOTA(是Opus 4.8的两倍以上),在CursorBench 3.2上以一半成本接近Fable 5,ARC-AGI 3得分是第二名模型的3倍。此外,在有机化学(+10.2个百分点)和蛋白质任务(+7.7个百分点)上也有提升。这些结果涵盖编程、新问题求解、计算机使用和科学领域。

以自主性和自我修正为标志的自主行为

Opus 5展现出主动解决问题的能力:在直接图像访问受限时构建CV流水线从像素提取几何图形,发现社区补丁遗漏的根因漏洞,通过桌面/移动视图打开页面来自我验证前端更改。此外,它还能质疑用户设计并提出折中方案,在金融、基因组学和法律领域表现出长期一致性。

效率提升降低实际应用成本

在交易场景中,Opus 5使用的推理token约为Opus 4.8的1/7,延迟降低一半以上。金融建模任务中,准确率提升9个百分点,轮次/工具调用减少三分之一,耗时减少60%。这些效率提升在保证质量的前提下降低了企业成本。

安全与对齐实现新低错位水平

Anthropic报告称,Opus 5是其对齐程度最高的模型,综合错位评分2.3——低于Opus 4.8、Sonnet 5和Fable 5——且欺骗率最低。网络安全能力并非刻意训练,但漏洞发现能力接近Mythos 5;漏洞利用生成仍远落后。安全分类器拦截二进制级扫描,但允许源代码级漏洞发现。

可用性及开发者友好测试功能

Opus 5是Claude Max的默认模型,也是Pro用户的最高配置。通过claude-opus-5提供API访问。快速模式速度提升2.5倍,价格翻倍。两项测试功能有助于代理开发:对话中工具更改不再破坏提示缓存,API自动回退将安全拦截的请求重新路由至其他模型而非失败。

生物研究限制放宽

此前Fable 5上被屏蔽的生物请求现已回退至Opus 5而非Opus 4.8,反映对Opus 5在科研安全方面的信任提升。Anthropic表示,Opus 5是其面向科学工作最强大的公开模型,但在长期自主研究任务方面仍有限制。

Source posts