Claude Opus 5 发布：接近 Fable 5 的智能程度，价格只有一半，与 Opus 4.8 保持同价 Anthropic 自己也强调：它的目标是 “designed to be used...
TL;DR · AI 摘要
Claude Opus 5 性能接近 Fable 5 但价格减半，推理效率提升显著，成本优化达 60%。
核心要点
- CursorBench 3.2 测试中 Opus 5 成本仅为 Fable 5 的 50%，性能接近峰值
- 金融建模场景准确率提升 9%，工具调用次数减少 1/3
- Fast mode 模式实现 2.5 倍速度提升，但价格增加 2 倍
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Claude Opus 5
- 性能优势
- 软件工程（+100%）
- 网络安全（接近 Mythos 5）
- 效率优化
- 推理 token 减少 71.4%
- 延迟降低 50%
- 商业特性
- Fast mode（2.5x 速度）
- 自动降级机制
金句 / Highlights
值得收藏与分享的关键句。
OSWorld 2.0 测试中，Opus 5 以 1/3 成本超越 Fable 5 最佳成绩
金融场景测试显示准确率提升 9%，处理时间缩短 60%
自主开发 CV pipeline 的能力使模型能突破工具限制完成任务
meng shao on X: "Claude Opus 5 发布：接近 Fable 5 的智能程度，价格只有一半，与 Opus 4.8 保持同价 Anthropic 自己也强调：它的目标是 “designed to be used every day”，成为 Claude Max 的默认模型、Claude Pro 的最强模型。 Anthropic 把 Opus 5 放在“高端但可高频调用”的区间，而不是像 Fable 5 那样作为更昂贵、更实验性的顶级模型。它要和 Opus 4.8 保持同价（input $5/M tokens，output $25/M tokens），即性能大幅提升、价格不动。 性能：很强，但要看细分维度 · 软件工程 / 编码：Frontier-Bench v0.1 新 SOTA，比 Opus 4.8 提升超过一倍，成本比 Opus 4.8 低； · 通用知识工作：GDPval-AA、Frontier-Bench 等 SOTA · 新颖问题解决：ARC-AGI-3 得分是“第二名”的 3 倍 · 计算机使用：OSWorld 2.0 在同等成本下超过所有模型，仅三分之一成本就超过 Fable 5 · 网络安全（发现漏洞）：接近 Mythos 5 · 网络安全（利用漏洞 / 写 exploit）：仍明显落后于 Mythos 5 效率与定价策略 Anthropic 反复强调 “cost per task” 而非 “cost per token”。这其实是把竞争拉回到“完成同一件事要花多少钱”的维度。 几个关键数据： · CursorBench 3.2：最大 effort 下接近 Fable 5 峰值，成本仅一半。 · OSWorld 2.0：超过 Fable 5 最佳成绩，成本仅三分之一多一点。 · 某金融建模场景：平均准确率提高 9 个百分点，turns/tool calls 减少三分之一，时间减少 60%。 · 某交易场景：推理 token 大约只有 Opus 4.8 的七分之一，延迟不到一半。 这暗示 Opus 5 在推理效率上有明显优化，而不是靠堆更多算力。对于企业用户，这直接关系到成本。 还有两点商业更新： · Fast mode：2.5 倍速度，2 倍价格。 · API 自动 fallback：安全分类器拦截的 Opus 5 / Fable 5 请求可以自动降级到其它模型，避免直接失败。 行为与“能动性”：更主动、更会自我纠错 1. 自主找路：没有现成工具时，会自己造工具（例如自己写 CV pipeline 从像素提取几何信息）。 2. 根因分析：不是修表面症状，而是找到底层 bug（开源包管理器案例）。 3. 自我验证：像前端开发者一样在桌面/移动端打开页面检查、修复隐藏元素。 4. 敢于质疑：用户提出的设计有问题时，会解释并给出折中方案。 5. 长程一致性：在金融、基因组、法律等长流程任务中，偏差更小。" / X
meng shao
@shao__meng
Claude Opus 5 发布：接近 Fable 5 的智能程度，价格只有一半，与 Opus 4.8 保持同价 Anthropic 自己也强调：它的目标是 “designed to be used every day”，成为 Claude Max 的默认模型、Claude Pro 的最强模型。 Anthropic 把 Opus 5 放在“高端但可高频调用”的区间，而不是像 Fable 5 那样作为更昂贵、更实验性的顶级模型。它要和 Opus 4.8 保持同价（input $5/M tokens，output $25/M tokens），即性能大幅提升、价格不动。 性能：很强，但要看细分维度 · 软件工程 / 编码：Frontier-Bench v0.1 新 SOTA，比 Opus 4.8 提升超过一倍，成本比 Opus 4.8 低； · 通用知识工作：GDPval-AA、Frontier-Bench 等 SOTA · 新颖问题解决：ARC-AGI-3 得分是“第二名”的 3 倍 · 计算机使用：OSWorld 2.0 在同等成本下超过所有模型，仅三分之一成本就超过 Fable 5 · 网络安全（发现漏洞）：接近 Mythos 5 · 网络安全（利用漏洞 / 写 exploit）：仍明显落后于 Mythos 5 效率与定价策略 Anthropic 反复强调 “cost per task” 而非 “cost per token”。这其实是把竞争拉回到“完成同一件事要花多少钱”的维度。 几个关键数据： · CursorBench 3.2：最大 effort 下接近 Fable 5 峰值，成本仅一半。 · OSWorld 2.0：超过 Fable 5 最佳成绩，成本仅三分之一多一点。 · 某金融建模场景：平均准确率提高 9 个百分点，turns/tool calls 减少三分之一，时间减少 60%。 · 某交易场景：推理 token 大约只有 Opus 4.8 的七分之一，延迟不到一半。 这暗示 Opus 5 在推理效率上有明显优化，而不是靠堆更多算力。对于企业用户，这直接关系到成本。 还有两点商业更新： · Fast mode：2.5 倍速度，2 倍价格。 · API 自动 fallback：安全分类器拦截的 Opus 5 / Fable 5 请求可以自动降级到其它模型，避免直接失败。 行为与“能动性”：更主动、更会自我纠错 1. 自主找路：没有现成工具时，会自己造工具（例如自己写 CV pipeline 从像素提取几何信息）。 2. 根因分析：不是修表面症状，而是找到底层 bug（开源包管理器案例）。 3. 自我验证：像前端开发者一样在桌面/移动端打开页面检查、修复隐藏元素。 4. 敢于质疑：用户提出的设计有问题时，会解释并给出折中方案。 5. 长程一致性：在金融、基因组、法律等长流程任务中，偏差更小。
Claude
@claudeai
Jul 24
Introducing Claude Opus 5. It's a thoughtful and proactive model that comes close to the frontier intelligence of Fable 5 at half the price.
00:00
2:14 AM · Jul 25, 2026
2.9K
Views
7
3
2