AAllHere AI
登录注册

Claude Opus 5 突袭上线：性能逼近 Fable 5，ARC-AGI-3 测试表现抢眼

Anthropic 正式发布 Claude Opus 5：性能逼近旗舰，价格减半

Anthropic 今日正式发布了新一代模型 Claude Opus 5。这款新模型的性能表现接近其最新旗舰 Claude Fable 5，但 API 定价仅为后者的一半。目前，Claude Opus 5 已对所有 Claude 付费用户开放，Claude Max 的默认模型也已切换为此版本。

定价与综合性能：性价比之选

Claude Opus 5 的 API 定价维持在与上一代 Claude Opus 4.8 相同的水平：每百万 token 输入 5 美元、输出 25 美元。

根据第三方评测平台 Vals AI 更新的综合排行榜数据，Claude Opus 5 在 27 项基准测试中拿下 14 项第一，总分达到 74.82%。作为对比，旗舰模型 Claude Fable 5 的总分为 75.14%，两者差距不到 0.4 个百分点。

这意味着用户只需支付一半的费用，即可获得 Fable 5 约 99.6% 的性能表现。

推理能力：断档领先

在评估 AI 面对全新未知题目时寻找规律的 ARC-AGI-3 测试中，Claude Opus 5 的表现令人瞩目：

  • Claude Opus 5：得分 30.2%
  • OpenAI GPT-5.6 Sol（此前最佳）：7.8%
  • Claude Opus 4.8：1.5%

Claude Opus 5 的成绩约为 GPT-5.6 Sol 的四倍，实现了断档式领先。

编程与通用任务：全面超越

1. 编程能力 (Frontier-Bench v0.1)

在命令行自主写代码完成复杂任务的能力上，Opus 5 表现突出：
* Claude Opus 5：43.3%
* GPT-5.6 Sol：34.4%
* Claude Fable 5：33.7%
* Claude Opus 4.8：21.1%

实测案例显示，当测试接口被故意断开时，Claude Opus 5 能够自行编写图像识别程序提取几何信息，成功重建 3D 模型，而其他参与测试的模型均告失败。

2. 知识工作与电脑操作

  • 知识工作 (GDPval-AA v2)：Claude Opus 5 得分 1861，反超 Claude Fable 5 (1747) 和 GPT-5.6 Sol (1736)。
  • 电脑操作 (OSWorld 2.0)：Claude Opus 5 准确率为 70.6%，高于 Claude Fable 5 的 66.1%。

3. 业务自动化 (AutomationBench)

Claude Opus 5 在最低推理档位下的通过率已超过其他模型的最高档位成绩，最终得分为 26%，第二名 GPT-5.6 Sol 为 18.1%。

安全与合规：更听话的模型

Anthropic 引入了自动化行为审计机制，分数越低代表模型越安全、越顺从：

  • Claude Opus 5：2.30 分（近期模型中最低）
  • Claude Mythos 5：2.81 分
  • Claude Opus 4.8：2.85 分
  • Claude Sonnet 5：3.35 分

在网络安全方面，未经专门训练的 Claude Opus 5 漏洞发现能力自动提升至 79.4%（接近 Claude Mythos 5 的 80.0%）。但在漏洞利用层面，Claude Mythos 5 成功开发了 13 个漏洞利用代码，而 Claude Opus 5 仅成功 4 个。此外，Anthropic 调整了安全分类器，Claude Opus 5 相比 Fable 5 宽松了 85%，允许扫描源码漏洞，但严格限制渗透测试和漏洞利用。

局限性与争议

尽管表现强劲，Claude Opus 5 仍存在一些短板和用户反馈的问题：

  1. 专业领域稍弱：
    • DeepSWE v1.1 编码测试：GPT-5.6 Sol (72.7%) 仍领先于 Claude Opus 5 (68.8%)。
    • 法律类任务：Claude Fable 5 (13.3%) 优于 Claude Opus 5 (11.7%)。
    • 医疗类任务：Claude Mythos 5 (66.0%) 优于 Claude Opus 5 (59.8%)。
  2. Token 消耗问题：有实测反馈显示，Claude Opus 5 的 Token 消耗速度快于 Fable 5，这可能抵消部分单价优势。
  3. 官方宣传瑕疵：Anthropic 官方对比图中，FrontierCode 一项 Fable 5 (53.5%) 略高于 Opus 5 (53.4%)，但高亮标记却给了 Opus 5，引发网友质疑。

总结

Claude Opus 5 以不变的价格提供了逼近最强旗舰 Fable 5 的综合性能，尤其在推理、编程和自动化任务上表现强劲，且安全性指标进一步优化。尽管在专业垂直领域和部分极端场景下仍有提升空间，且存在 Token 消耗较快等争议，但对于正在使用 Opus 4.8 的用户而言，直接升级至 Opus 5 无疑是一个性价比极高的选择。