Anthropic 发布 Claude Opus 5 模型

Opus 5 在多个基准测试中展现出强劲性能。在 Frontier-Bench v0.1 上，Opus 5 得分 43.3%，是 Opus 4.8（21.1%）的两倍多，并超越 Fable 5（33.7%）和 GPT-5.6 Sol（34.4%）。在 ARC-AGI-3 上，Opus 5 得分 30.2%，是第二名 GPT-5.6 Sol（7.8%）的近四倍。然而，这些成绩主要来自 Anthropic 内部数据，独立验证有限，且 ARC-AGI-3 缺乏 Fable 5 的对比数据。

API 定价方面，Opus 5 与 Opus 4.8 相同（输入 5 美元/百万 Token，输出 25 美元/百万 Token），仅为 Fable 5 的一半。Anthropic 声称 Opus 5 在相同或更低成本下提供更优性能，例如在 CursorBench 3.2 中，最高努力档位下与 Fable 5 峰值成绩仅差 0.5%，成本只有一半。

Opus 5 被 Anthropic 称为迄今对齐程度最高的模型，综合失准得分 2.3，在自动化行为审计中表现出最低的鲁莽或欺骗行为率。安全分类器触发频率预计比 Fable 5 低 85%，允许在源代码中查找漏洞，但禁止二进制漏洞扫描、渗透测试和 Exploit 生成。这一设计旨在平衡安全与可用性，使 Opus 5 比 Fable 5 限制更少。

在网络安全能力上，Opus 5 强于 Opus 4.8，但落后于 Mythos 5。在 OSS-Fuzz 评测中，Opus 5 识别漏洞的成功率接近 Mythos 5，但在开发利用程序方面远不如 Mythos 5。生物方向防护延续前代设计，Opus 5 在长时程自主研究任务上仍有明显局限。

尽管 Opus 5 在多个领域表现优异，但在某些任务上仍落后于竞品。在 DeepSWE v1.1 上，GPT-5.6 Sol 领先于 Opus 5。在健康和法律任务上，Fable 5 和 Mythos 5 仍保持领先。此外，Fast 模式虽然速度提升约 2.5 倍，但价格翻倍，可能限制其实际应用。

用户反馈中存在负面体验（如误操作删除代码库），但未获官方证实。Anthropic 强调 Opus 5 的通用访问不设数据保留要求，但安全分类器拦截的请求默认回退至 Opus 4.8 处理。