Anthropic的Claude Opus 5在多数基准测试中与Fable 5持平或超越，成本却远低于后者

根据Artificial Analysis的测试，Claude Opus 5在综合智能指数上以61分位居第一，领先Fable 5（60分）和GPT-5.6 Sol（59分）。该指数整合了九项测试，涵盖知识工作、编码、科学推理和事实准确性。在科学推理方面，Opus 5在“人类最后的考试”中得分为53%，与Fable 5持平；但在物理基准CritPt上，它落后于GPT-5.6 Sol、GPT-5.5 Pro和GPT-5.6 Terra。

Epoch AI的独立测试给出了类似但更保守的结论：Opus 5的整体能力指数为159，略低于Fable 5的161；但在软件工程指数上，两者均为161，并列领先。这表明前沿模型之间的竞争极为激烈，尚无模型能拉开明显差距。

Opus 5在成本上具有明显优势。在智能指数任务中，平均每次任务成本为2.03美元，低于Fable 5的2.75美元。在知识工作基准AA-Briefcase上，Opus 5在“最大”推理层级下每次任务成本为17.79美元，比Fable 5的22.30美元低20%；而在“高”层级下仅需10.41美元，不到Fable 5的一半，且性能仍优于Fable 5。

然而，Opus 5的事实准确性存在短板。在AA-Omniscience基准上，其准确性虽比Opus 4.8提升7分，但仍落后Fable 5。更令人担忧的是，Opus 5在不确定时更频繁地作答，导致幻觉率高达50%，比Opus 4.8上升14个百分点。这一缺陷在高风险应用中可能带来严重问题。

在编码方面，Opus 5在“超高”层级下与Claude Code配合，在Artificial Analysis编码指数上与GPT-5.6 Sol并列第一（67分）。在Terminal-Bench v2.1上，Opus 5在“最大”层级下得分89%，与GPT-5.6 Sol持平。

但Vals.ai的测试显示，Opus 5在“高”推理层级下编码性能最佳（89.8%），而“超高”和“最大”层级反而下降至约88.3%-88.4%。原因是最高层级倾向于生成更复杂的解决方案，从而引入更多错误。Terminal-Bench 2.1也呈现类似模式：“高”层级因更高效的时间利用而优于“最大”层级。Anthropic已将“高”设为API和Claude Code的默认层级。

Opus 5在知识工作基准AA-Briefcase上表现尤为突出，在“最大”推理层级下达到1720 Elo，领先Fable 5达146分。其分析质量Elo高达2016，比Fable 5领先近300分。然而，在演示质量上，Opus 5以1628 Elo落后于GPT-5.6 Sol的1666分。

性能提升伴随着时间成本：在“最大”层级下，Opus 5每次任务平均耗时超过36分钟，执行103次传递，比Opus 4.8的24分钟和55次传递长约50%。