Anthropic 发布 Claude Opus 5：面向编码、智能体与企业工作流的高性价比旗舰模型

Anthropic 发布了Claude Opus 5 ，该公司称该模型能以一半成本提供其顶级模型Claude Fable 5 几乎全部的智能水平——此次发布标志着AI竞赛正从原始能力转向日常使用的经济性。

该模型即日起在Anthropic所有平台上提供，定价为每百万输入token 5美元、每百万输出token 25美元，与其前代产品 Opus 4.8保持一致。它将成为Anthropic高端消费级服务 Claude Max的新默认模型，也是 Claude Pro上可选用的最强模型。

这一定位是刻意为之。Anthropic并未宣称 Opus 5 是其最智能的模型——这一头衔仍属于 Fable 5，且竞品系统在某些领域仍具优势。相反，该公司提出了一个更微妙但对企业买家可能更重要的论点：最具经济重要性的AI工作发生在中等难度区间，此时以高效、低成本交付的近前沿智能，优于以高昂成本交付的前沿智能。

“Opus 5作为你的日常主力模型，是你交付复杂任务并待其完成后进行审阅的模型，”Anthropic一位发言人接受VentureBeat采访时表示，描述了该公司当前产品线的分层结构：“Fable 5用于你最具雄心的工作，即持续数天的自主项目，此前没有任何模型能够承担……Sonnet 5用于规模化运行的工作，其速度与每次调用的成本决定了哪些功能可以上线；Haiku 4.5则用于子智能体及即时响应。”

Claude Opus 5基准测试结果与Fable 5及竞品AI模型的对比

纸面上，结果令人瞩目。Anthropic表示 Opus 5 在编程与知识型工作评估（包括 Frontier-Bench 和 GDPval-AA）中创下新的业界最佳成绩。在 Frontier-Bench v0.1——一项面向智能体终端编程的基准测试中，Opus 5得分为43.3%，超过Opus 4.8的18.7%逾一倍，亦大幅领先Fable 5的33.7%——且单任务成本更低，据该公司称。在面向新颖问题求解能力评估的 ARC-AGI 3中，Anthropic报告Opus 5得分是次优模型的三倍。在计算机使用基准测试 OSWorld 2.0中，该公司称该模型以略高于三分之一的成本超越了Fable 5的最佳成绩。

这些数据附带了坦率的免责声明，而此类坦率本身在惯于使用最高级形容词的行业中便已引人注目。Anthropic承认 Opus 5 在网络安全任务与生物学研究方面仍落后于竞品模型 Mythos 5，且一款OpenAI系模型仍在某项智能体编程基准测试中保持领先。

更具揭示性的免责声明来自Anthropic自身，当被问及 Opus 5 在哪些方面仍不及 Fable 5时。该发言人的回答实质上坦率承认了基准测试所能及与不能及之处。

“Opus 5胜出的评测项目均为具有明确结果的限定性任务，而这正是其最强项。但这些评测未衡量的是任务持续时间，”该发言人告诉VentureBeat。“换言之：Opus 5是评测所能覆盖任务的最佳工具，而Fable 5则是当任务超出评测范围时你所选择的模型。”

Fable 5则‘适用于最长、最自主的任务，此时模型需在数小时乃至数天内，面对密集的源材料，在大量相互关联的步骤中保持连贯性’，该发言人建议客户‘在代表性工作负载上同时运行两者：一项限定性任务与一项长周期任务。’这种‘限定性任务’与‘长周期自主性’的框架，或将成为2026年模型差异化的核心轴线，因为基准测试日趋饱和，而剩余最难问题涉及的是持续多日的智能体工作，而非离散型谜题。”

为何token效率正成为企业AI支出的真实主战场

贯穿此次发布的是一条Anthropic显然希望买家领会的主题： Opus 5 Opus 5 不仅得分高，而且单位美元得分更高。该模型配备可调节的“努力程度”（effort）设置，允许客户在智能性与推理速度及 token 消耗之间进行权衡；Anthropic 的图表强调的是特定成本下的性能表现，而非仅关注峰值性能。

早期客户以不同寻常的具体性呼应了这一观点。法律领域人工智能公司 Harvey 表示，据其应用研究主管 Niko Grupen 称，Opus 5 在平均生成 token 数量减少 26% 的情况下，实现了与 Opus 4.8 最大推理模式相当的性能。Fundamental Research Lab 的 Richard Pham 表示，在难度较高的金融建模任务中，该模型平均准确率高出九个百分点，“同时使用的回合数（turns）和工具调用（tool calls）约为此前模型的三分之一，耗时减少 60%。”

自动化平台 Zapier 首席执行官 Wade Foster 表示，Opus 5 在其公司 AutomationBench 排行榜上登顶，“且所消耗的 token 数量并未超过此前各代 Claude 模型”，完整运行了一整套从始至终的客户流失预防工作流。“此前各模型均未通过；Opus 5 达到了 100%”，他说道。开发 Devin 编程代理的公司 Cognition 首席执行官 Scott Wu 表示，在 FrontierCode 1.1 基准测试中，“Claude Opus 5 以一半成本达到了接近 Fable 级别的性能”，尤其在调试与根本原因分析方面表现突出。

对效率的强调反映了商业现实：企业级 AI 支出已不再属于实验性质，而推理成本——即大规模实际运行这些模型的价格——已成为董事会层面的关键支出项目。 

Anthropic 的业务高度集中于 API 和企业级应用；根据 Contrary Research于 2026 年 2 月发布的一项分析，截至 2025 年底，Claude 占据企业级大语言模型市场约 40% 的使用份额；仅 Claude Code 一项的年化收入已达约 10 亿美元。对于一家按 token 计费的公司而言，一个能以更少 token 完成更多任务的模型并非锦上添花，而是核心产品本身。

自验证型 AI 代理及其对自动化隐性成本的影响

除数据之外，Anthropic 正在销售一种行为叙事：即 Opus 5 会验证自身工作，并持续迭代直至成功。该公司提供了若干来自测试的示例，读起来宛如关于机器固执的小寓言。

在一项 Frontier-Bench 任务中，模型被要求仅凭一张故意无法查看的图纸重建某个机械部件的 3D CAD 模型。Anthropic 表示，Opus 5 并未失败，而是自行编写了一套计算机视觉流水线，从原始像素中提取几何结构——且反复执行该操作，而其他竞争模型在五次尝试中均未能解决该任务。在另一案例中，面对一个流行开源包管理器中的真实缺陷，该模型不仅定位了根本原因，还修复了一个社区自身补丁所遗漏的边界情况；而某竞争模型仅修补了表象症状便宣告成功。该公司称，一家交易公司的工程师曾使用 Opus 5 在单次会话中构建了一个新交易所的市场数据馈送系统；由于缺乏实时馈送可供验证，该工程师观察到模型自行构建了一套测试框架来检验其解析代码。

客户也在实际应用中描述了类似行为。Stripe 公司资深软件工程师 Cristian Rivera 表示，他曾在一个周末将该模型委任为“其开发环境的首席幕僚”：“它自行构建了监控系统，驱动每一台服务器，并仅在需做出判断性决策时才将我拉入。”

这正是企业真正关心的能力，值得深入探讨其原因所在。一个仅能输出看似合理结果的模型，与一个能验证自身输出的模型之间的差距，正是演示原型与可部署系统之间的差距。当前企业级 AI 的大部分隐性成本在于人工审核——工程师检查机器的工作成果。一个能可靠自查其工作的模型可压缩此类成本，这恰恰解释了为何客户反复强调的是更少的回合数、更少的迭代次数以及更短的耗时，而非更高的原始分数。

Anthropic 安全策略的内部逻辑：能力缺口、分类器与模型回退机制

此次发布也展示了 Anthropic 日益复杂的整体安全方法——其中如今包含刻意不向其模型教授某些技能。该公司表示，其自动化行为审计发现 Opus 5 是迄今最符合对齐原则的模型，整体错位行为得分为 2.3，低于 Opus 4.8, Sonnet 5或 Fable 5，其欺骗性行为发生率最低，且最难被诱导滥用。

在能力层面，Anthropic 表示其刻意避免针对网络任务训练 Opus 5 ，一如对待 Opus 4.8 所做的那样。但该模型仍在此类任务上取得提升——这是通用能力增强带来的副作用——如今在发现软件漏洞方面已几乎与 Mythos 5 相当。然而，其在利用漏洞方面仍明显落后：在 Anthropic 的 OSS-Fuzz 评估中，Opus 5 发现漏洞的比率为 79.4%，接近 Mythos 5 的 80%，但在开发漏洞利用程序方面仅成功应对 4 项挑战，远低于 Mythos 5 的 13 项。这种不对称性——防御相关发现能力强、进攻相关利用能力弱——似乎是刻意设计的结果，相关安全防护措施亦遵循相同逻辑。Anthropic 预计 Opus 5 的网络安全分类器触发频率将比 Fable 5 低约 85%。

当分类器触发时， Claude.ai, Claude Code以及 Claude Cowork 中的请求默认回退至 Opus 4.8 ——由此引发一个显而易见的问题：若某请求对一个模型而言风险过高，为何对另一个模型却可接受？发言人表示：“回退所用模型能力水平较低，因此有害用途的风险也相应更低”，并补充道：“系统会在触发时向用户发出提示消息，该消息在聊天界面中可见。”

该逻辑虽可辩护，却揭示了 2026 年 AI 安全的实际运作方式：风险并非仅由问题本身决定，而是由问题与作答系统能力的乘积共同决定。在生物学领域，计算逻辑则相反。Opus 5 现已成为 Anthropic 当前面向公众提供的最具科学研发能力的通用模型——在其内部化学基准测试中得分比 Opus 4.8 高出 10.2 个百分点；不过发言人承认，“Mythos 5 在长期、开放式任务（如自主药物设计活动）方面仍是更强的模型。”

此次发布背后的商业博弈：3800 亿美元估值与巨额算力押注

此次发布恰逢 Anthropic 商业势头空前强劲——同时也肩负空前责任之时。路透社 2 月报道称，该公司在最新一轮融资中估值约为 3800 亿美元 ，此前一段时期内，据 Contrary Research 分析，其年化收入从 2024 年底约 10 亿美元攀升至 2025 年底预计的 90 亿美元，内部目标 reportedly 达 200 亿至 260 亿美元（2026 年）。这些目标依托于巨额基础设施投入，其中包括一项 据报价值 300 亿美元的 Azure 算力协议 以及与谷歌云（Google Cloud）和英伟达（Nvidia）达成的合作安排——此类支出能否成立，仅取决于企业客户是否持续扩大使用规模。

正是在此背景下，Opus 5 的定价策略才显得合理：在将价格维持在 Opus 4.8 水平的同时，关键智能体（agentic）基准测试性能大致翻倍，实质上相当于单位能力成本大幅下调，旨在拓宽经济上可行的自动化工作负载范围。此前在 Opus 4.8 成本/成功比下处于边际状态的每一项任务，在 Opus 5 下均变得可行；而每一项可行的任务，都会带来持续性的 token 收入。

监管环境也日趋复杂。本周，一名美国法官最终批准了 Anthropic 公司与图书作者就版权问题达成的 15 亿美元和解协议，据路透社报道，此举为该公司早期训练数据引发的诉讼画上了句点。而今年 6 月，路透社援引 Axios 报道称，美国政府已采取行动 阻止外国用户访问 Anthropic 最先进模型——这提醒人们，前沿人工智能如今已与出口政策深度交织，进而影响哪些客户能够购买何种产品。

本周五同步发布的还有：一种“快速模式”（Fast mode），其运行速度约为默认速度的 2.5 倍，但基础价格为默认价格的两倍；API 上的自动回退路由（automatic fallback routing）；以及对话中途更改工具时不再使提示缓存（prompt cache）失效——这一细微功能，智能体（agent）开发者可能比任何基准测试结果都更看重。与此前各代 Opus 模型一致，Opus 5 对通用访问不设数据留存要求；发言人主动向那些具有“严格零数据留存要求”的客户强调了这一点。开发者即日起可通过 Claude API 以 claude-opus-5 的名称访问该模型。

有两个问题将决定此次押注能否成功：其一， Opus 5 的效率主张 能否经受住大规模生产工作负载的实际检验；其二，企业客户是否会接受这样一个世界——在其中，安全分类器（safety classifiers）而非用户，有时决定由哪个模型作答。但本周五发布所传递的更深层信息是：人工智能行业的重心已然转移。三年来，各研究实验室竞相比拼其最佳模型在理想状态下的巅峰表现；而借助 Opus 5，Anthropic 转而竞逐一项不那么炫目却远为丰厚的目标：一款非常优秀的模型，如何以一半价格、日复一日地稳定交付价值。在一个前沿边界持续移动的市场中，Anthropic 押注真正的财富，恰恰蕴藏于这前沿之后。

本文由 JOTO AI 智库从已授权的 VentureBeat AI 同步并整理。

原始来源：VentureBeat AI