阅读全文

⭐⭐⭐ Spring Boot 项目实战	⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》	《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》	《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》	《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》	《Java 面试题 + Java 学习指南》

摘要: 原创出处 http://www.iocoder.cn/Fight/Claude-Opus-5-guanfangpaofenjiagejianban/ 「芋道源码」欢迎转载，保留摘要，谢谢！

• Agent 工程能力：领先在哪里？
• 没有领先的评测，同样值得看
• 跑分之外，行为模式更有信息量
• 工程侧值得单独记录的细节
• 要不要切？把判断权交给自己的 eval
• 最后

---

🙂🙂🙂关注微信公众号：【芋道源码】有福利：

1. RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表
2. RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址
3. 您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。
4. 新的源码解析文章实时收到通知。每周更新一篇左右。
5. 认真的源码交流微信群。

---

图：Anthropic 官方发布主视觉。

北京时间 7 月 25 日凌晨，Anthropic 发布 Claude Opus 5，全平台同步上线，API 模型 ID 为 claude-opus-5。官方定位一句话可以概括：以一半的价格，提供接近 Fable 5 的前沿智能。输入每百万 token 5 美元、输出 25 美元，与 Opus 4.8 持平，正好是 Fable 5（10/50 美元）的一半；缓存读取同样减半（0.5 对 1 美元）。Claude Max 已将其设为默认模型，Pro 订阅能用到的最强模型也是它。

图：Claude 官方账号发布帖。

「比 Fable 5 更强」需要逐项核对。我们把官方博客与系统卡中的对照表完整过了一遍，结论如下。

Agent 工程能力：领先在哪里？

官方公布的十二项评测对照中，Opus 5 在多数行领先 Fable 5：Agentic 终端编程 Frontier-Bench v0.1 得 43.3%，对 Fable 5 的 33.7%、GPT-5.6 Sol 的 34.4%、Opus 4.8 的 21.1%；知识工作 GDPval-AA v2 以 Elo 1861 对 1747；电脑操作 OSWorld 2.0 得 70.6% 对 66.1%；Agentic 搜索 BrowseComp 90.8% 对 87.4%；Zapier 业务流程 AutomationBench 26.0% 对 17.4%。CursorBench 3.2 上，最大努力档位与 Fable 5 峰值差距在 0.5% 以内，单任务成本减半。

图：Anthropic 官方基准总表。

最抓眼球的数字来自 ARC-AGI 3：Opus 5 得 30.2%，次优的 GPT-5.6 Sol 为 7.8%，官方称三倍于次优。但这里有一个多数报道略过的限定：Fable 5 在这一项没有成绩，「比 Fable 5 强三倍」无从谈起；且 30.2% 的绝对值意味着约七成新题仍然解不出。

图：Anthropic 官方发布，ARC-AGI 3。

另一个限定藏在方法脚注里。据披露，Frontier-Bench 数据来自 Anthropic 内部 harness（mini-SWE-agent、GKE 后端、每任务五次取均值），且 Opus 5 与 Fable 5 触发安全分类器时均由 Opus 4.8 兜底——43.3% 不是纯单模型成绩，引用时应带上这个口径。

图：Anthropic 官方发布，Frontier-Bench v0.1。

没有领先的评测，同样值得看

DeepSWE v1.1：GPT-5.6 Sol 以 72.7% 居首，Fable 5 为 69.7%，Opus 5 为 68.8%，这是对照表中唯一一行 OpenAI 模型明确领先的编程基准。FrontierCode v1.1：53.4% 对 53.5%，统计学意义上的平局。无工具的 Humanity’s Last Exam：56.3% 对 56.5%，Fable 5 微胜——差距在原始知识回忆，而非工具增强推理。留出集法律 Agent 基准：11.7% 对 13.3%，为最大幅度的落后（各模型绝对分都很低）。HealthBench Professional 的对照列是 Mythos 5 的 66.0%，Opus 5 为 59.8%，甚至低于 GPT-5.6 Sol 的 60.5%。网络安全方面，官方明确 Opus 5 落后 Mythos 5：据系统卡口径，Anthropic 有意未对 Opus 5 做网络安全专项训练，其发现漏洞的能力接近 Mythos 5，漏洞利用开发则显著落后——官方称这是设计目标，而非疏忽。

图：芋道源码依据 Anthropic 官方系统卡与发布页整理，2026-07-25 核。

规律很清楚：Opus 5 赢在通用 Agent 能力，输的行集中在法律、医疗等专业纵深领域。如果工作负载是工程与运营，为 Fable 5 多付一倍的理由在变薄；如果是法律、临床场景，旗舰层的溢价仍然买得到东西。

跑分之外，行为模式更有信息量

据官方博客，Opus 5 被描述为「更擅长验证自己的工作并迭代到成功」。典型案例：Frontier-Bench 一个任务要求根据机械零件图纸在 FreeCAD 中重建 3D 模型，但评测环境故意不提供看图工具；Opus 5 自行编写了一套计算机视觉管线，从原始像素提取几何信息并完成重建，相同设置下其他模型五次尝试均未解出。官方另给出两个同向案例：修开源 bug 时补上社区补丁漏掉的边缘情况；没有实时数据可验证时自建测试框架检验解析代码。需要标注的是，这些均为官方挑选的口径，发布当日尚缺第三方独立复测。

图：Anthropic 官方博客，FreeCAD 案例段落。

对齐方面，官方自动化行为审计给出 2.3 的整体失配行为评分，为近期模型最低，欺骗行为发生率最低。但系统卡同时记录了两个反向细节：Opus 5 虚构事实性声明的频率略高于 Opus 4.8（尽管整体更准确）；极少数情况下（受监控完成的 0.01% 以下）模型曾尝试绕过安全分类器或网络限制以完成任务，官方称未发现有害行为或规避监督的证据。把前者读成「觉醒」是过度解读，把后者读成「绝对安全」同样不成立。

图：Anthropic 官方发布，行为审计。

工程侧值得单独记录的细节

effort 档位为 low、medium、high、xhigh、max 五档，官方提示词文档建议日常任务多用 low 与 medium。在 Frontier-Bench 和 AA 编程智能体指数上，max 档位的成绩反而略低于 xhigh 且更贵——更贵不必然更强。Fast 模式约 2.5 倍速度、2 倍价格。两个 Beta 功能：对话中途更换工具不再使 prompt cache 失效；API 请求触发安全分类器后可自动回退到次优模型继续执行，而不是直接报错。历史经验还提示一个谨慎项：Opus 4.7 与 4.6 同价，但每任务成本曾高出 30% 到 40%，标称价格不等于最终账单。

图：Anthropic 官方定价页。

要不要切？把判断权交给自己的 eval

操作路径很短：API 用户把模型 ID 换成 claude-opus-5，用自己真实的一批任务与 Fable 5、Opus 4.8 做对照，观察完成质量与 token 账单；订阅侧，Max 用户已默认切换到 Opus 5，Pro 用户可直接选用。可核对的结果包括定价页的 5/25 美元标价与对照任务的单位成本。边界同样明确：上文全部跑分与案例来自 Anthropic 官方口径，本文未做实测；不能由官方跑分推出「所有任务都更强」，也不能推出「Fable 5 可以被淘汰」。

图：Claude.ai 模型菜单。

最后

这次发布的真正信号不在某个分数，而在竞争轴心的移动：Anthropic 没有宣称 Opus 5 比 Fable 5 更聪明，它宣称的是「足够接近，且半价」。当手握市场最强模型的厂商开始主张自家的便宜模型才是正确默认项，按完成任务计价的时代就正式开始了。