作者｜格林 董义振 出品 | 新芒xAI
过去一年，大模型公司的发布会越来越像一场“军备竞赛”。
谁的推理更强，谁的代码能力更好，谁的多模态更自然，谁的上下文更长。每一次新模型发布，行业都会习惯性地追问同一个问题：它是不是又刷新了榜单？
但 Claude Opus 5 这次释放出的信号，可能不只是“模型更强了”。
更值得关注的是，Anthropic 正在把大模型竞争从单纯的能力比拼，推向一个更现实、也更残酷的新阶段：大模型不只要回答得好，还要回答得起。
美国时间 7 月 24 日，Anthropic 正式发布 Claude Opus 5。按照官方说法，Opus 5 在许多任务上接近 Claude Fable 5 的前沿能力，但价格只有 Fable 5 的一半。
它的 API 价格为每百万输入 token 5 美元、每百万输出 token 25 美元，与上一代 Opus 4.8 保持一致。
这句话听起来像一句普通的产品宣传，但放到今天的大模型行业里，其实很关键。
因为大模型正在从“好不好用”，进入“能不能大规模用”的阶段。
大模型价格战：
早期的大模型价格战很直接：你降 20%，我降 50%；你开放免费额度，我把轻量模型打到更低价格。
但 Claude Opus 5 的打法不太一样。
它没有简单把价格砍到最低，而是把价格、性能、速度、推理深度拆成了更细的组合。
用户可以通过 effort setting 调整模型在一个任务上投入多少“思考量”：更高 effort 意味着更深推理、更强结果，但也会消耗更多 token；更低 effort 则更快、更省，更适合普通任务。
换句话说，大模型正在从“统一电价”，走向“分时电价”。
以前你调用一个模型，只能接受它默认的能力和成本。现在，模型公司开始把“思考强度”做成可调参数，让企业按任务类型来决定：这个任务需要博士级推理，还是普通助理级处理就够了？
这才是精细计费时代的真正含义。
不是所有问题都值得用最贵的模型回答。也不是所有工作都需要模型全力思考。
企业真正怕的，
不是模型贵，而是账单不可控
很多人谈大模型价格战，容易只看单价。但企业客户真正焦虑的，往往不是某个模型每百万 token 贵几美元，而是 AI 账单无法预测。
一个客服系统、一套代码审查流程、一个销售自动化 Agent，只要开始规模化跑起来，token 消耗会迅速变成一笔长期成本。
更麻烦的是，Agentic AI 和传统聊天机器人不同。
聊天机器人通常是一问一答，成本比较容易估算。但 Agent 要规划任务、调用工具、检索资料、反复验证、修正错误，有时候还要跨多个系统执行操作。它不是回答一次，而是“工作一轮”。
这意味着，同一个需求，可能消耗几千 token，也可能消耗几十万 token。企业真正需要的，不是一个“全能但昂贵”的模型，而是一套可管理的智能资源调度系统。
Claude Opus 5 的 effort dial、任务中切换模型、自动 fallback，本质上都是在回应这个问题：当 AI 开始进入真实业务流程，模型公司必须帮客户控制成本。
未来企业采购 AI，不会只问“哪个模型最强”，而会问三个更现实的问题：
这个任务用哪个模型最划算？
这个模型在什么 effort 档位最合适？
如果它拒答、超时、成本过高，能不能自动切到另一个模型？
这也是为什么 Claude Opus 5 值得写。它不是一次单点升级，而是在告诉市场：大模型正在变成云计算资源。
从“买模型”到“买算力策略”
如果把过去的大模型看成一个超级应用，那么今天的大模型更像云计算服务。
企业不会只买一台最强服务器，而是会根据任务负载选择 CPU、GPU、存储、带宽和调度策略。同样，未来企业也不会只固定使用一个最强模型，而会根据任务复杂度，把不同模型、不同推理强度、不同上下文长度组合起来。
简单文本摘要，用低成本模型。
复杂代码重构，用高 effort 的强模型。
合规风险较高的任务，用安全策略更严格的模型。
实时语音交互，用速度更快、延迟更低的模型。
长周期 Agent 工作流，则需要一个能持续规划、验证、调用工具并管理上下文的模型。
Claude Opus 5 的发布，把这个趋势摆到了台面上：模型能力正在被产品化、颗粒化、计量化。
这其实会改变 AI 行业的竞争逻辑。
过去，大模型公司拼的是“谁的上限最高”。接下来，它们还要拼“谁能把不同档位的智能卖得更清楚、更稳定、更可控”。
为什么 Anthropic
此时强调“半价接近 Fable 5”？如果 Opus 5 在大量知识工作、代码、企业自动化任务中接近 Fable 5，那么对企业来说，一个很自然的问题就会出现：
为什么日常任务还要一直用最贵的模型？
这不是 Anthropic 一家的问题，而是整个前沿模型行业都会遇到的问题。
最强模型可以用于标杆、研究、极复杂任务和长周期 Agent。但真正撑起商业收入的，往往是高频、稳定、可规模化的日常工作流。
这就是 Opus 5 的战略位置：它不是要取代 Fable 5，而是要成为企业每天都愿意打开、愿意接入、愿意持续付费的主力模型。
在 AI 商业化里，“最强”不一定等于“最赚钱”。
最赚钱的模型，可能是那个能力足够强、成本足够可控、适合被大规模部署的模型。
AI Agent 会把计费问题彻底放大
这件事对 Agentic AI 尤其重要。
Agent 的价值在于替人做事，但做事就意味着不确定性。它可能要查资料、写代码、跑测试、打开网页、改表格、发邮件、做复盘。每多一步，都是成本。
如果模型公司不能把 Agent 的成本透明化，企业就很难放心把关键流程交给 AI。
所以，未来 Agent 产品的核心竞争力，可能不只是“能不能完成任务”，还包括“能不能在预算内完成任务”。
一个真正成熟的企业 Agent，应该像项目经理一样理解成本：
什么步骤值得深度推理？
什么步骤可以交给便宜模型？
什么时候应该停止继续探索？
什么时候应该请求人工确认？
什么时候结果已经足够好，不必继续消耗算力？
Claude Opus 5 的精细化 effort 控制，正是朝这个方向迈出的一步。它把“模型思考”从黑盒，变成企业可以调度的资源。
这也是大模型进入生产系统必须经历的一关。
对中国大模型公司的启发：
便宜还不够，要可调度对中国大模型公司的启发：便宜还不够，要可调度
这件事对中国大模型厂商也有启发。
过去一年，中国模型最大的优势之一是价格。无论是开源模型、API 调用，还是本地化部署，中国厂商都在用更低成本争夺开发者和企业客户。
但如果只停留在“我比你便宜”，这个优势会很快被追平。
真正的下一步，是让企业能够精细管理模型成本。
也就是说，中国大模型厂商不能只做低价模型，还要做模型路由、任务分级、推理强度控制、上下文压缩、缓存复用、Agent 成本审计、私有化部署账单管理。
企业买的不是一个聊天框，而是一套 AI 生产力系统。
谁能让企业清楚知道每个 Agent、每条工作流、每次调用到底花了多少钱，带来了多少效率，节省了多少人力，谁才更有机会拿下长期订单。
这也是国产大模型进入企业市场后绕不开的问题：便宜是敲门砖，可控才是护城河。
大模型进入“智能会计时代”
Claude Opus 5 的发布，表面上是 Anthropic 又更新了一个模型。
但它更像一个行业信号：大模型竞争正在进入智能会计时代。
模型公司不再只展示榜单分数，而是要告诉客户：
同样一件事，我能不能用更少 token 完成？
同样一个结果，我能不能用更低 effort 完成？
同样一个 Agent 流程，我能不能自动选择更合适的模型？
这会让大模型行业越来越像云计算行业。云厂商不是只卖最强服务器，而是卖弹性、调度、稳定性和成本治理。AI 公司未来也不会只卖最强模型，而是卖一整套“智能资源管理能力”。
谁能把智能卖得更便宜，谁就能获得更多用户。
但谁能把智能卖得更可控，谁才可能真正进入企业核心流程。
▌新芒xAI评论
Claude Opus 5 最值得讨论的地方，不是它又刷新了多少榜单，而是它把一个行业现实摆到了所有人面前：
大模型已经过了只靠炫技吸引注意力的阶段。
下一轮竞争，不只是模型更聪明，而是模型的聪明能否被企业按需调用、按量计费、按任务优化。
当 AI 成为企业日常工作的一部分，价格战就不会停留在“谁更便宜”。
它会变成一场更精细的战争：谁能让每一次模型思考，都变得更值得。
专注「AI前沿科技」和「大公司商业秩序」
兼具内容品质和传播影响力
