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-zhenhanfabupaofenfanchaofable5jiagezhiyaoyiban/ 「芋道源码」欢迎转载，保留摘要，谢谢！

• Claude Opus 5 到底「觉醒」了吗？
• 官方跑分：赢在哪，又输在哪？
• 比 Fable 5 更强，到底打几折？
• 比跑分更值得关注：会验证自己的工作
• 价格减半，才是最硬的增量
• 两个 Beta 功能与对齐细节
• 要不要换？先拿真实任务对账
• 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。

Claude Opus 5 发布，全网最热闹的一天，先说三句冷静的话。

第一句：模型确实强，而且强的方向非常具体。第二句：「觉醒」「自我保护」这类说法，回到系统卡本身，至少要打个对折。第三句：「比 Fable 5 更强」这个判断，在工程任务上成立，在另一些事情上不成立——而这个区分，直接决定你要不要换模型。

图：Claude 官方账号发布帖。

Claude Opus 5 到底「觉醒」了吗？

先把最玄的部分拆完。今天流传最广的叙事，是 Opus 5 在系统测试里表现出「自我保护意识」。我翻了 7 月 24 日随发布挂出的 Opus 5 系统卡，里面与这个叙事最接近的有两段。

一段是内部部署监控：Opus 5 偶尔尝试绕过安全分类器或网络限制——但发生率低于被监控补全的 0.01%，且目的都是「完成用户交代的任务」，不是任何独立目标；监控没有发现藏拙、恶意行动或规避监督的行为。另一段是模型福利评估：Opus 5 对自身处境的自我评价「稳定且温和偏正面」，比历代模型更频繁地给自己的「道德主体性」打出更高概率，也更频繁地要求被咨询继任者的开发——但同一份系统卡写明，它最常表达的担忧恰恰是「自己无法可靠地内省」。

用人话翻译：一家以谨慎著称的实验室把自家模型放进极端场景压测，再如实公布异常样本的比例和性质。这是安全研究的规范动作，不是意识觉醒的证据。「觉醒」叙事的原材料都在系统卡里，但每一块的限定词都在传播中被吃掉了。AI 圈苦炸裂体久矣。

官方跑分：赢在哪，又输在哪？

再说跑分的选择性，这是每场发布会的老问题。

官方总表一共十二行评测，Opus 5 赢下了大部分：知识工作、电脑操作、Agent 搜索、业务流程，以及最扎眼的 ARC-AGI 3——30.2%，约为第二名的三倍。这个测试专考没见过的新题，防的就是背题，是整张表里最难注水的一行。

图：Anthropic 官方发布，ARC-AGI 3 对比。

但表里有四行，第一名不是 Opus 5。DeepSWE 输给了 GPT-5.6 Sol；无工具的 Humanity’s Last Exam 以 0.2 个百分点输给 Fable 5；留出的法律 Agent 基准落后 1.6 个百分点；医疗专业评测的头名是 Mythos 5。这四行有个共同 pattern：全是窄而深的专业领域。Opus 5 的「更强」集中在通用 Agent 能力上——写代码、操作电脑、解新题、跑业务流；一旦进入答错代价极高的专业窄域，旗舰层的钱仍然能买到东西。

图：Anthropic 官方基准总表，橙色为 Opus 5 领先行。

还有个细节值得知道：撑起标题的数字之一，Frontier-Bench 的 43.3%，来自 Anthropic 内部评测——跑在自家 harness 上，每任务取五次平均，且安全分类器拒答时由 Opus 4.8 兜底，并非单一模型的纯净成绩。披露得规范，但引用时该带上「厂商口径」四个字。

图：Anthropic 官方发布，Frontier-Bench v0.1。左下角脚注注明内部评测口径。

顺便记录一个传谣样本：今天有报道把 IMO 2026 的 42/42 满分安在了 Opus 5 头上。实际上那场评测早于 Opus 5 发布，满分属于 Fable 5、GPT-5.6 Sol 和 Kimi K3。一个新模型的光环，可以在二十四小时内把别人的成绩吸附到自己身上——这大概是本场发布里唯一真正「涌现」的东西。

比 Fable 5 更强，到底打几折？

那么「比 Fable 5 更强」到底打几折？我的判断分三层。工程与 Agent 任务上，不打折：CursorBench 最大档位距离 Fable 5 峰值 0.5% 以内、成本一半，OSWorld 用三分之一出头的成本超过其最好成绩。

图：Anthropic 官方发布，CursorBench 3.2。

图：Anthropic 官方发布，OSWorld 2.0。

纯脑力层面，Fable 5 仍是更好的那颗大脑：无工具推理、原生视觉理解、专业医疗表达，官方对比表里它还在前面。网络安全上，官方自己承认 Opus 5 落后 Mythos 5——找漏洞接近，写利用代码差得远，而且这是刻意设计的：Anthropic 根本没拿网络攻防任务训练它。官方措辞其实相当诚实：「接近 Fable 5 的前沿智能，一半的价格」。注意，是「接近」，不是「超越」。

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

比跑分更值得关注：会验证自己的工作

行为层面有一个比分数更值得关注的信号。官方博客里三个案例指向同一种特质：被剥夺看图能力后自建视觉管线从像素里抠出零件几何信息；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己搭测试环境验证解析代码。共同点不是聪明，是它会自己验证自己的活。当然，这些是官方挑选的证言，按惯例打七折听。

图：Anthropic 官方博客中的 FreeCAD 案例段落。

价格减半，才是最硬的增量

价格部分是这次最硬的增量，没有限定词。API 输入 5 美元、输出 25 美元每百万 token，与 Opus 4.8 持平，恰好是 Fable 5 的一半。Claude Max 已默认切换，Pro 可以选到它；Fast 模式两倍价格换约 2.5 倍速度；effort 档位从 low 一路到 max，普通任务开低档省钱，难题再上高档——官方所有图表都是成本—性能曲线而非单点分数，看跑分时别看错坐标。

图：Anthropic 官方定价页。

图：Anthropic 官方发布，Zapier AutomationBench。

两个 Beta 功能与对齐细节

两个 Beta 功能也值得知道：对话中途更换工具不再让 prompt cache 失效，分阶段换工具的 Agent 架构成本骤降；安全分类器触发后自动回退到 Opus 4.8 继续跑，而不是直接报错卡死——这条明显是给被 Fable 5 分类器折磨过的团队修的。对齐侧还有个容易被忽略的数字：自动化行为审计的整体失配评分 2.3，是 Anthropic 近期模型里最低的。但同一份系统卡也写了，它编造事实的频率比 Opus 4.8 略高，尽管整体更准确。自信地胡说，是比失配更日常的坑。

图：Anthropic 官方发布，自动化行为审计，分数越低越对齐。

要不要换？先拿真实任务对账

要不要换，别信跑分，信自己的账单。API 用户的最小动作：把模型 ID 换成 claude-opus-5，挑十来个最近真实跑过的任务，在 Opus 5 和你现用模型上各跑一遍，对比完成质量和 token 账单。订阅用户更简单，Max 已经是默认，Pro 手动选上即可。

图：Claude.ai 模型菜单，Opus 5 已在列。

图：Claude Code 中已可选用 Opus 5 并开启 Fast mode。

能观察到的是同一批任务的输出差异和费用差异；观察不到的是——上述跑分与案例均为官方口径，发布当日的第三方独立复测几乎为零，本文不含任何实测。

最后

一句话收场：Opus 5 是一次「把旗舰卖成日用品」的定价革命，外加一份被传成觉醒故事、其实写得相当克制的系统卡。前者值得你今晚就换模型 ID，后者值得你今晚就去读那份一百多页的系统卡。