AREX Feed Article
Anthropic 放出 Opus 5：Frontier-Bench 翻倍、距 Fable 5 仅 0.5%，定价一分不涨
2026 年 7 月 24 日，Anthropic 发布了 Claude Opus 5，作为 Claude Max 和 Claude Pro 的新默认模型。定价与前代 Opus 4.8 完全持平（输入每百万 token $5，输出 $25），但在 上性能翻倍，在 CursorBench 3.2 上距旗舰 Claude Fable 5 仅差 0.5%，开销却只有一半。
更反常的是它处理长程智能体任务的方式。在一项 Frontier-Bench 任务中，Opus 5 被给了一张机械零件手绘图的原始像素，要求重建为 3D FreeCAD 模型，且不提供任何直接查看图纸的途径。它自行编写了一条计算机视觉管线从像素中提取几何信息，反复重建出完整零件。同等条件下，没有竞品模型在五次尝试内解出这道题。
Cursor 和 Devin 当天接盘，Alex Albert 翻出半年前的老账
发布当日， 宣布 Opus 5 即刻可用，称其在 CursorBench 上默认 effort 下得分 66.7，与 Fable 5 的 66.5 几乎持平，且兼容零数据保留协议。 同步将 Opus 5 接入 Devin，在 FrontierCode 1.1 上以一半成本逼近 Fable 级表现，尤其在困难调试和根因分析任务上优势明显。
Lovable 联合创始人 Fabian Hedin 在 Anthropic 官方博客中给出了更具体的数字："Claude Opus 5 在我们内部评估中超越了家族中每一个模型。它在最难的智能体编码任务上比 Opus 4.7 提升了 22%，而且更稳，各轮之间的方差小得多。"LatchBio 的 CEO Alfredo Andere 描述得更生动："在我们的基因组分析中，Opus 5 比我们跑过的任何模型都更像一个谨慎的科学家：它会选用正确的统计检验排除混杂因素，用独立方法交叉验证自己的结果，在漫长的多步分析中始终保持方向。"
Anthropic 研究员 翻出了半年前的一条旧推文做对比："仅仅六个多月后，Opus 5 已经能做出接近超人类水平的电子表格和幻灯片，质量堪比咨询顾问的产出。变化太快了。"
，HyperWriteAI 前 CEO 兼 AI 投资人，在试用近两周后提醒用户："如果你用老办法使 Opus 5，它会很烂。删掉所有 skills、MCP、Claude.md，从头开始。不要再告诉它怎么做，只说你想要什么。这两个小改动差别巨大。"
两个月四连发，模型发布从"大片首映"变成了"每周上新"
Opus 5 是 Anthropic 在不到两个月内发布的第四个 Claude 5 系列模型。此前， 于 6 月 9 日首发，随后因出口管制被下架，7 月 1 日重新部署并附加了更新的网络安全防护； 于 6 月 30 日发布，以 $2/$10 的入门价提供接近 Opus 4.8 的智能体能力。Opus 4.8 夹在其中，充当了过渡角色。
将这种节奏描述为 AI 部署模式已从"重磅发布"转向"能力、成本、速度的快速迭代"，同时指出 Anthropic 为 Opus 5 新增的 effort 拨盘让用户可按任务需求调节计算资源投入——OpenAI 此前也为客户推出了类似的算力和 token 控制功能。
Axios 还提到，特朗普政府已着手推迟部分模型发布。Anthropic 发言人对 Axios 表示："我们继续与政府伙伴合作，由他们对我们的模型进行独立测试。Opus 5 也在其中。"
翻倍、三倍、0.5%——三个数字说清性价比
Opus 5 的性能跃升集中体现在几个硬指标上：
Frontier-Bench v0.1 翻倍。Opus 5 以更低的单任务成本超越 Opus 4.8 两倍以上，且压过所有被测模型。这是 Anthropic 在软件工程评估上取得的新最优。
ARC-AGI 3 三倍领先。这项评估要求模型解决全新类型的问题，Opus 5 的得分是第二名模型的三倍。
CursorBench 3.2 仅差 0.5%。在 max effort 下，Opus 5 达到了 Fable 5 峰值得分的 99.5%，开销省一半。在 high、xhigh、max 三档 effort 上，它在给定成本下的性能均超过所有竞品。
其他评估佐证了同一趋势：Zapier AutomationBench 上，Opus 5 的通过率在同等成本下约为次优模型的 1.5 倍，最低 effort 档位已超过任何其他模型的最高分。OSWorld 2.0 上，它以 Fable 5 最佳成绩三分之一多一点的费用超越了 Fable 5。
安全侧同样值得留意。在自动化行为审计中，Opus 5 的总体不当行为得分为 2.3，低于 Opus 4.8、Sonnet 5 和 Fable 5，是 Anthropic 近期模型中最"对齐"的一个。它遵守 Claude Constitution 的程度最高，欺骗性回应率最低，也最不容易被诱导滥用。
配套发布的还有两项 beta 功能：Claude Platform 上的对话中途工具切换（不破坏 prompt 缓存），以及 API 端的自动回退——当安全分类器拦截请求时，可配置自动路由到其他模型，而非直接阻断。
不再是"备用机"：Opus 5 对 Fable 5 的替代意味着什么
在 Opus 5 之前，Anthropic 的产品分层是清晰的：Opus 级负责日常，Fable（Mythos）级负责最难的任务。Opus 4.8 与 Fable 5 之间存在巨大的能力鸿沟，频繁切换模型是常态。
Opus 5 改变的是这个假设。当一款 Opus 定价的模型能在 CursorBench 上追平 Fable 5、在 OSWorld 上超越 Fable 5、在 Frontier-Bench 上刷新最优，"上 Fable"的理由正在被侵蚀。Anthropic 对 Axios 表示，Fable 5 仍应作为"最复杂、长程自主任务"的首选模型，但 Opus 5 已在多数日常场景中模糊了这条分界线。
Triple Whale 联合创始人兼 CEO AJ Orbach 的测试给出了一个更形象的注脚："Opus 5 会像一个真正的前端工程师那样检查自己的工作。在我们的 benchmark 上，它在桌面和手机宽度上打开页面，发现了一款产品被埋在了移动端折叠线以下、一个结账按钮跑到了屏幕外，在交回来之前全修好了。"对大多数工程团队来说，一个会自查、会迭代、会在交付前纠错的模型，比一个理论得分更高但需要人盯着的模型实用得多。
Alex Albert 在发布当天的推文里留下了一句注脚：六个月前他还觉得 Opus 4.5 已经把日常任务推到了新高度，现在 Opus 5 直接把这条线又往上划了一截。
参考链接
- _