Anthropic 发布 Claude Opus 5

Claude Opus 5 在多个基准上达到或接近前沿水平。在 Frontier-Bench v0.1 上，它超越所有其他模型，性能是 Opus 4.8 的两倍以上，且每任务成本更低。在 CursorBench 3.2 上，最大努力设置下，其性能在 Fable 5 峰值的 0.5% 以内，但每任务成本仅为一半。在 ARC-AGI 3 上，其得分是次优模型的三倍。在 Zapier AutomationBench 上，通过率约为次优模型的 1.5 倍，且即使最低努力设置也超过其他模型。在 OSWorld 2.0 上，它以 Fable 5 最佳结果三分之一多一点的成本超越了所有模型。

定价与 Opus 4.8 相同（输入 $5/百万 token，输出 $25/百万 token），为 Fable 5 的一半，且略低于 OpenAI 的 GPT-5.6。Anthropic 还推出了“快速模式”（研究预览），速度翻倍但价格翻倍。

此次发布发生在 Anthropic 与美国政府最新一轮交锋数周后，以及 OpenAI 安全事件数天后。此前，Fable 5 和 Mythos 5 因政府担忧而被下线数周，重新上线时加强了网络安全防护。Anthropic 表示 Opus 5 是“最对齐的 Opus 模型”，不易被诱导滥用，并比 Opus 4.8 有更强的网络安全防护。发言人 Danielle Ghiglieri 称公司继续与政府合作进行独立测试。

Anthropic 报告了多个早期测试案例：在 Frontier-Bench 任务中，Opus 5 被要求从图纸重建 3D 模型，但无法直接查看图纸，它自主编写计算机视觉管线从像素中提取几何信息并成功重建，而其他模型五次尝试均失败。在修复流行开源包管理器的 bug 时，Opus 5 找到了根本原因并修复了社区补丁遗漏的边缘情况，而竞争模型仅修复了表面症状。一位交易公司工程师使用 Opus 5 在一个会话中构建了新交易所的市场数据馈送，Opus 5 甚至自行构建测试工具验证代码。

早期客户反馈包括：在 Devin 中，Opus 5 在困难调试和根因分析任务上表现突出；在 Zapier AutomationBench 上，它端到端运行了完整的客户流失预防序列，通过率达 100%；在基因组学分析中，它像细心的科学家一样选择正确的统计检验并交叉验证结果。