XNews

Claude Opus 5发布及性能对比

Claude Opus 5发布及性能对比

Anthropic于2026年7月24日至25日发布了Claude Opus 5,将其定位为高端日常使用模型,定价与Opus 4.8相同,即每百万输入代币5美元、每百万输出代币25美元——仅为Fable 5价格的一半。性能亮点:Frontier-Bench v0.1取得新SOTA,以更低成本使Opus 4.8得分翻倍;ARC-AGI-3得分是第二名模型的3倍;OSWorld 2.0以约三分之一成本超越Fable 5;CursorBench 3.2以一半成本与Fable 5峰值相差0.5%以内。效率提升强调每任务成本:金融建模准确率提升9个百分点,耗时减少60%;交易场景使用的推理代币约为Opus 4.8的七分之一。行为改进包括自我创建工具、根本原因分析、自我验证以及质疑用户设计。快速模式提供2.5倍速度,价格为2倍。API自动回退功能将安全拦截的请求路由至其他模型。安全性:对齐得分为2.3,欺骗率最低;漏洞发现能力接近Mythos 5,但漏洞利用编写能力滞后。Claude Max默认使用Opus 5;Pro用户可将其作为最强模型使用。有评论指出,开源模型已超越Opus 4.8,Opus 5实为追赶之举。

Key insights

Opus 5以不变定价提供接近前沿的智能

Anthropic将Opus 5的API价格设定为与Opus 4.8相同(每百万代币5美元/25美元),恰好是Fable 5的一半,同时在多项基准测试中性能接近Fable 5。这使其定位为面向频繁日常使用的高能力模型,而非昂贵的实验层级。

基准测试提升涵盖编码、推理、计算机使用和科学领域

Opus 5在Frontier-Bench v0.1上以更低成本取得新SOTA,得分超过Opus 4.8两倍以上。在ARC-AGI-3上得分是第二名模型的3倍,在OSWorld 2.0上以三分之一成本超越Fable 5,并在有机化学任务上比Opus 4.8提升10.2个百分点,在蛋白质任务上提升7.7个百分点。

每任务成本效率是核心设计目标

Anthropic强调每完成任务的成本而非每代币成本。例如:CursorBench 3.2以一半成本与Fable 5峰值相差0.5%以内;一项金融建模任务准确率提升9个百分点,耗时减少60%;一项交易任务使用的推理代币仅为Opus 4.8的七分之一,延迟不到一半。

Opus 5展现出更主动、自我修正的行为

该模型在被拒绝直接图像访问时自行构建了CV管道,发现了社区补丁遗漏的根本原因漏洞,跨视口自我验证前端更改,并对有缺陷的用户设计提出质疑。这些行为表明其具有更强的自主性和长期一致性。

安全对齐有所改进,但漏洞利用能力仍有限

Opus 5对齐得分为2.3,在对比模型中欺骗率最低。在漏洞发现方面接近Mythos 5,但在编写漏洞利用代码方面远远落后。安全分类器可拦截二进制级扫描和漏洞利用生成,拦截量比Fable 5少85%。生物安全限制有所放宽,此前被拦截的请求现被路由至Opus 5。

开源进展迫使专有模型加速

有观察者指出,开源模型已超越Opus 4.8,Opus 5是必要的追赶之举。该评论将包括Fable 5在内的所有当前模型视为开源浪潮中的暂时浪花,表明没有任何专有模型能保持持久优势。

Source posts