Opus 5 深夜炸场，价格还挺香。。。

北京时间 7 月 25 日凌晨，Anthropic 正式发布了 Claude Opus 5。

图源：Anthropic 官方发布

图源：Anthropic 官方发布

现在 Claude.ai 和 Claude Code 都已经能用了。Claude Max 直接把它设成了默认模型，Claude Pro 也能用上目前最强的 Opus。

官网文章和 System Card 我大概扫了一遍，benchmark 一张接一张，看得人眼花。

但最后大家只要记住一件事情就好了。

Claude Opus 5 的能力接近 Fable 5 ，但价格只要一半。

小马拉大车了属于是。

图源：Anthropic 官方发布

Opus 5 的 API 价格是每百万输入 Token 5 美元、输出 Token 25 美元，和 Opus 4.8 完全一样。

Fable 5 是 10 美元和 50 美元。刚好贵一倍。

价格砍半，能力到底留下了多少？

在 CursorBench 3.2 上，Opus 5 开到 max effort 后，距离 Fable 5 的峰值不到 0.5%，每个任务的成本只有一半。

图源：Anthropic 官方发布

Frontier-Bench v0.1 更夸张。Opus 5 在更低的单任务成本下，成绩超过 Opus 4.8 两倍。

图源：Anthropic 官方发布

知识性的工作也差不多。

ARC-AGI 3 测的是模型面对新问题时的解题能力，Opus 5 的得分是第二名的三倍。

图源：Anthropic 官方发布

Zapier 的 AutomationBench 测的是模型能不能从头到尾把业务任务做完。同样的任务成本下，Opus 5 的通过率大约是第二名的 1.5 倍。哪怕只开最低 effort，它完成的任务也比其他模型多。

图源：Anthropic 官方发布

在 OSWorld 2.0 上，Opus 5 也压过了其他模型。它用略高于 Fable 5 三分之一的成本，超过了 Fable 5 的最好成绩。

图源：Anthropic 官方发布

当然，这些大多是官方评测，Frontier-Bench 还是 Anthropic 的内部测试。放进真实项目里到底如何，还得实际用起来，或者看看大家的测评，或者看看其他厂商的压力便知。

这次 Opus 5 有一个地方我还挺喜欢的，它会自己想办法验证结果。

官方给了几个例子。

Frontier-Bench 让它根据一张机械零件图，写代码重建 3D FreeCAD 模型。偏偏评测环境又没给它直接看图的工具。Opus 5 自己写了一套计算机视觉流程，从原始像素里提取几何形状，然后把零件重建出来。相同设置下，它连续做成了，其他模型试了五次都没解出来。
还有一个开源包管理器的真实 Bug。社区补丁漏掉了一个边界情况，Opus 5 找到根本原因后顺手补上了。另一个模型只修了表面，然后就说问题已经解决了。
另一个例子来自一家交易公司。工程师让它给新交易所做市场数据源，现场又没有实时数据可供验证。Opus 5 干脆自己搭了测试框架，检查代码有没有正确解析交易所数据。

现在模型跑长时任务已经不稀奇了，怕就怕它写完之后一拍屁股告诉你：任务完成了，或者出现幻觉，或者随便做了做就敷衍了事儿的交差。

不过 Opus 5 这次给我的感觉，是它知道怎么给自己擦屁股。

而且 Anthropic 在最新的提示词文档里专门说了，以前给旧模型加的最后再验证一次，或者找个 SubAgent 复查之类的提示，可以直接删掉。

因为 Opus 5 自己就会检查，再写一遍，它可能会自己查起来没完了。。。

官方这次还放了两个视觉 Demo，做的都不错。

第一个是能操作的风洞。可以调风速、转动车身，看气流怎么绕过不同物体。