Opus 5 登场，居然比《神鬼寓言》还要好？！

中文العربية Deutsch English Español Français हिन्दी Bahasa Indonesia 日本語 한국어 Русский

Computing/SoftwareBusiness NewsInternet Technology

Transcript

00:00:00Claude Opus 5 刚刚发布，Anthropic 声称我们现在拥有了一个

00:00:04成本减半，但表现逼近 Fable 5 的模型。让我们来看看他们带来的成果。

00:00:09我们先来看看基准测试，数据相当令人惊艳。我们可以看到，

00:00:14它击败了 Fable 5，并在多项测试中遥遥领先 Opus 4.8，特别是在

00:00:20Agent 终端编程、知识工作和 Agent 搜索方面。同时，它在这些领域

00:00:27也击败了 GPT 5.6 等模型。Opus 5 唯一落后于 Fable 5 的领域是

00:00:33多学科推理（虽然差距并不大，实际上在使用工具时它能胜出），以及

00:00:39法律和健康领域。但在其他所有方面，它都击败了顶尖模型。如果这些数据

00:00:46属实，那真的很疯狂。这里显示，在 Cursor Bench 3.2 的最大计算投入模式下，该模型的表现

00:00:51距 Fable 5 的最高得分仅相差 0.5%，但单次任务成本却只有一半。太不可思议了。你可以看到

00:00:57红色代表 Opus 5，橙色代表 Fable 5，最下方的蓝色则是 Opus 4.8。

00:01:03确实，在极高投入下，Fable 5 领先一点，但大多数人并不会

00:01:08在极限投入下运行。大家通常使用高或超高设定。对比 Fable 的

00:01:13高和超高设定，Opus 5 能提供几乎相同的输出，但再次提醒，成本只有

00:01:17大约一半。在其他一些基准测试中，比如 Artificial Analysis 的 Coding Agent 指数，

00:01:23Opus 5 则是纯粹直接击败了 Fable 5。Frontier Bench 测试也是如此。

00:01:27它几乎是碾压了 Fable，而且价格更便宜。现在让我们来看看一些知识

00:01:32工作和问题解决任务。同样，我觉得真正疯狂的不仅仅是

00:01:37Fable 5 和 Opus 5 的竞争关系，而是从 Opus 4.8 到 Opus 5 的巨大跨越。所有这些

00:01:43各项指标，都是一次非常巨大的飞跃。再强调一次，如果像 Sonnet 5 那样

00:01:49性能虽优于前代，但价格高得令人望而却步（因为细分到

00:01:53每个任务时，Sonnet 5 某种程度上是目前最昂贵的模型），

00:01:57按任务细分来看。但这里情况并非如此。与这两款其他模型相比，Opus 的 Token 利用效率似乎极高。

00:02:03它能击败 Fable 5 这一点，真的非常令人震撼。

00:02:07另一个有趣的改进是视觉输出。这里展示了 Opus 5 处理

00:02:13风洞模拟工作的效果。而在右边，它正在构建一个 3D 交互式动物细胞

00:02:19Artifact 构件。Claude 的短板之一是无法直接生成图像等资源，

00:02:24因此它在 3D SVG、类似 HTML 图形绘制能力上的提升意义重大。

00:02:31另一个重大改进是，Anthropic 表示它在自我验证和仔细迭代

00:02:35直到成功方面的能力大增。这意味着什么？这意味着当我们将 Opus 5 用于

00:02:40长流程 Agent 任务时——那些不是单次回答，而是涉及循环逻辑的任务。

00:02:45比如大家现在常说的图工程（Graph Engineering）。任何需要

00:02:49Claude 根据我们给出的目标来检查自身工作，并不断循环反复的任务，

00:02:53Opus 5 在这方面的表现都远超 Opus 4.8。这里有一个有趣的

00:02:58例子：给 Opus 5 一张零件草图，要求编写代码将其重建为

00:03:033D FreeCAD 模型。但模型并未被直接提供查看该图纸的接口。

00:03:09它接到了目标，但没有被告知具体的实现路径。于是它自行

00:03:14编写了一套计算机视觉管线，从原始像素中提取几何结构，并成功重建了

00:03:19整个机械零件。对于任何设定了明确导向目标的长期复杂任务，

00:03:25Opus 5 达成任务的能力都远胜 4.8。在对齐异常行为控制方面，

00:03:29它也比此前所有模型更胜一筹。数值越低越好。我们在开源代码漏洞与利用检测上

00:03:35看到了从 Opus 4.8 到 5 的巨大能力提升。另一个亮点是安全防护。

00:03:40它不会像 Fable 那样，只要提及网络安全或生物学知识

00:03:45就直接拒绝回答。Opus 5 的安全栅栏比 Fable 5 要宽松得多。

00:03:50虽然内部依然保留了一些分类器，但官方称触发误拒的概率比 Fable 降低了 85%。

00:03:56最后，最重要的亮点是成本。正如我所说，它的价格只有 Fable 的一半。

00:04:01输入每百万 Token 为 5 美元，输出每百万 Token 为 25 美元。正如我们在基准测试

00:04:07图表中所见，这是一款 Token 效率相对极高的模型。所以我迫不及待想上手测试，

00:04:12因为如果数据属实，我们相当于用一半的价格获得了更好的 Fable。

Key Takeaway

Claude Opus 5 以每百万输入 Token 5 美元和输出 Token 25 美元的半价成本，在 Agent 编程与长流程任务中超越 Fable 5，并将误拒率降低了 85%。

Highlights

Opus 5 的输入价格为每百万 Token 5 美元，输出价格为每百万 Token 25 美元，单次任务成本仅为 Fable 5 的一半。
在 Cursor Bench 3.2 最高计算模式下，Opus 5 的得分与 Fable 5 仅相差 0.5%，在日常高与超高设定下提供同等输出。
模型内部防护机制触发无故拒绝的概率比 Fable 5 降低 85%，解决了提及网络安全或生物学知识即被拒绝的问题。
在未获提供直接图像查看接口的测试中，Opus 5 自行编写计算机视觉管线，从原始像素提取几何结构并重建了 3D FreeCAD 机械零件。

Timeline

基准测试与成本表现

Opus 5 在 Agent 终端编程、知识工作和 Agent 搜索等多项基准测试中超越 Opus 4.8 与 GPT 5.6。
Cursor Bench 3.2 极限投入模式下，Opus 5 与 Fable 5 最高分的差距仅有 0.5%。
在 Artificial Analysis Coding Agent 指数与 Frontier Bench 测试中，Opus 5 的得分直接超越 Fable 5。

Opus 5 在绝大多数领域击败了顶尖模型，仅在无工具辅助的多学科推理以及法律和健康领域略微落后。常规的高和超高设定下，模型能输出与 Fable 5 几乎一致的结果，但运行成本降低了一半。相比 Sonnet 5 按任务细分时的高昂单价，Opus 5 展现出了极高的 Token 利用效率。

视觉渲染与 Token 利用效率

Opus 5 相比 Opus 4.8 实现了大幅度性能跨越。
模型增强了 3D SVG 和 HTML 图形绘制能力，可直接输出复杂的交互式构件。

由于无法直接生成原生图像，模型通过代码提升了视觉呈现能力。具体表现包括处理风洞模拟工作流，以及直接构建可交互的 3D 动物细胞 Artifact 构件。

长流程 Agent 与自我迭代能力

自我验证与循环迭代能力的提升，增强了模型在长流程 Agent 任务中的表现。
模型能够在无直接接口的情况下，通过自行构建工具完成复杂的机械建模任务。

图工程等需要根据既定目标不断自我检查和反复循环的任务，在 Opus 5 上获得了远超 4.8 版本的完成度。在仅获得零件草图且缺乏图像读取接口的实验中，模型自行编写了计算机视觉管线，成功从原始像素中提取几何结构并重建了 3D FreeCAD 模型。

安全机制优化与定价优势

安全防护机制触发误拒的概率比 Fable 5 降低 85%。
输入价格定为每百万 Token 5 美元，输出价格为每百万 Token 25 美元。

模型改变了以往一触及网络安全或生物学话题就直接拒绝回答的严苛限制。在保留内部分类器的同时，大幅放宽了安全栅栏边界。结合高效的 Token 使用率，整体任务处理单价缩减至 Fable 5 的 50%。

Community Posts

Write about this video