Opus 5 发布，比 Fable 更强

比 Fable 还便宜

大半夜的，Opus 5 发布了，1M 上下文、最大 128k 输出，数据截止到 26 年5月

在网页版里已经直接可用了，在 Claue Code 里可以指定模型名 claude-opus-5

价格和前代 Opus 4.8 分毫不差：每百万 token 输入 5 美元、输出 25 美元，对比与 Fable 5 的话，价格大概是他的一半

但性能提升很多，Frontier-Bench、GDPval-AA 这类编码和知识工作评测上，它是新的 SOTA。网络安全任务上仍然落后 Mythos 5

编程能力

直接看官方给的图吧，同一个模型在图上是一条曲线

以 Frontier-Bench 为例，Opus 5 超过所有模型，比 Opus 4.8 翻了一倍还多，单任务成本反而更低

在 CursorBench 3上面，max effort 下距离 Fable 5 的峰值只差 0.5% 以内，但成本是它的一半

而在 AA Coding Agent Index 上，差不多

不写代码的活

这里又来了著名的「弧光 Bench」，里面都是些 AI 极难处理的问题（游戏），比如下面这个东西：不给任何文字提示，你可以点击键盘或者屏幕，进行通关

对于上面这个游戏，没看懂是吧？没看懂就对了，你需要反复的尝试，理解这里面不同元素的交互，然后过关（下面这个是我第一次玩，感受下）

在这个里面 Opus 5 的分数是第二名的三倍

Zapier AutomationBench 测的是能不能把一件商业任务从头做到尾。同样的单任务成本，Opus 5 的通过率大约是第二名的 1.5 倍

OSWorld 2.0 是电脑操作，用刚过三分之一的成本超过了 Fable 5 的最好成绩

GDPval-AA v2、HLE、DeepSearchQA 三项，同样是最好且最省的

极强的渲染能力

对于视觉输出这块，官方放了两段视频，一段是空气流过气动和非气动物体，一段是可交互的细胞图解，给大家感受下

风洞

3D 细胞

迭代方向

这部分内容完全来自官方说法，意思是 Opus 5 更会验证自己的活，会一直改到成功为止，并举了三个例子：

• 第一个是 Frontier-Bench 里的一道题。给一张机械零件的图纸，让它写代码在 FreeCAD 里重建成 3D 模型。但这道题故意不给它任何直接看图的办法。Opus 5 会自己写了套计算机视觉流水线，从原始像素里把几何抠出来，然后重建了整个零件。而其他模型试 5 次都没做出来

• 第二个是个对于某个流行的开源包管理器里的 Bug 进行修改。Opus 5 找到根因，还顺手修了社区补丁漏掉的一个边界情况。另一个模型只修了表面症状，然后报告说 bug 解决了

• 第三个来自一家交易公司的工程师。他用 Opus 5 做了一个新交易所的行情数据源，一个 session 搞定。之前的模型给了详细计划也做不出来

对齐

Opus 5 是 Anthropic 到目前为止对齐做得最好的模型，比 Opus 4.8、Sonnet 5、Fable 5 都好：欺骗行为的比例最低、最不容易被骗去干坏事，在避免那种难以逆转的鲁莽操作上，也是最安全的

整体失准行为得分 2.3，近期模型里最低

来自系统卡里的信息

System Card 共有 200+ 页，我摘出来部分在官方发布里没说的

RSP 评估：Opus 5 整体不比 Fable 5 更强，对齐风险评为很低。没有跨过自动化 AI 研发的能力门槛。化生风险上按 CB-1 处理，不具备 CB-2，沿用 Opus 4.8 那套 ASL-3 保护

Anthropic 自己的能力指数 AECI：Opus 5 是 162.1，强于Mythos 5 的 161.3，统计上并无法区分

AI 研发的任务表里，内核优化 449.46 倍加速、四足机器人强化学习 31.3 分、LLM 训练难版 14.19 倍，三项创新高。新编译器和时间序列预测两项低于 Mythos 5

这是 Anthropic 对齐最好的模型，也是最爱把话说满的模型。审计里有相当数量的案例是，它其实不确定，但答案说得很笃定。事实性幻觉比 Opus 4.8 略多，虽然整体准确率更高

Opus 5 对自己处境的感知稳定，略偏正面。自评情绪在评估过的模型里，属于最高也最一致的一档

Opus 比以往的模型更在意有没有输入渠道，比如被咨询继任者的开发、自己关于训练的笔记被认真对待。它给自己是道德受体这件事打的概率，也高于以往任何一个模型

Claude Code

今天全平台可用，在 API 或者 Claude Code 的模型名称是 claude-opus-5

还有就是，如果问题被拒绝回答，不会想 Fable 5 那样直接拒绝，而是会自动路由到别的模型