作者 | 克雷西
备受关注的 Opus 5 模型于 25 日凌晨由 Anthropic 正式发布。多项硬核评测数据显示，该模型在性能上追平甚至反超竞品 Fable 5，而定价仅为后者的一半。
在 Frontier-Bench 测试中，Opus 5 超越了包括 Fable 5 在内的所有对手，性能达到上一代 Opus 4.8 的两倍以上；在 CursorBench 最高努力设置下，其成绩与定价两倍的 Fable 5 峰值仅差 0.5%。
官方演示展示了其强大的多模态生成能力：既能实时渲染气流路径清晰的风洞模拟，也能生成可 360 度旋转、细节精确到核糖体的 3D 细胞结构图。
值得注意的是，为适配新一代模型的判断力，Anthropic 将 Claude Code 的系统提示词删减了八成，但评测成绩并未下降。网友普遍认为，Opus 5 的表现已接近下一代模型水准。
开发者实测：复杂场景生成能力突破
Opus 5 上线后迅速引发开发者社区的测试热潮，其在游戏开发、物理模拟及 CAD 设计等领域的表现令人瞩目。
博主 am.will 原本认为 Opus 5 仅是 Fable 的廉价版，但在仅消耗 27% 订阅额度的情况下，该模型成功构建出高质量的 Rocket League 克隆版游戏，代码已开源。
博主 OmedTheVibeCoder 在竞技场对决动画测试中表示，Opus 5 的表现完全超越了预期，生成的画面并非简单的代码渲染，而是如同可交互的完整地图。
在滑雪场景生成测试中，Alex Ermolov 指出 Opus 5 与 Fable 5 持平，且优于其他所有测试模型，首次生成即无穿模现象，物理滑行逻辑准确。
Minecraft 复刻测试被 Chetaslua 誉为“迄今为止最好的创作”，接入 Unity 后效果显著。此外，在连环机关场景中，Opus 5 对物理规律的把控严丝合缝。
Noema 进行的跨年代街区生成测试中，Opus 5 仅用一个 HTML 文件便实现了从 1945 年到 2055 年的建筑、车辆及人群演变，即便降低 effort 等级，其结果仍大幅领先 Fable 5 与 GPT-5.6 Sol。
在阿波罗任务点火升空场景复现中，火箭喷焰与遥测数据均通过程序实时生成，未依赖素材库。CAD 设计方面，其在多项机械任务中的表现亦超越竞品。
教育应用场景中，开发者 Matt Shumer 利用 Opus 5 构建了实时 AI 家教原型，实现了讲解分数概念时同步绘制图形。另有测试显示，Opus 5 能通过纯代码描述化学过程，利用几何优化器现场求解坐标，精准渲染三羧酸循环的 3D 动画。
在成本效益对比中，atomic.chat 的破坏场景测试显示，Opus 5 以 0.508 美元的成本完美解决龙卷风、重锤砸楼等难题，而 Fable 5 花费近两倍资金却出现物理逻辑错误；GPT 5.6 虽便宜但无法完成核心任务。
具备自主验证能力的硬核自检
Opus 5 展现出独特的“自我验证”能力。在重建波音 747 3D 模型的测试中，博主 Victor M 发现，虽然 Fable 5 交付更快，但仅依靠肉眼验证；而 Opus 5 耗时更长，却编写了测量脚本，从渲染画面中提取正射轮廓，逐项核对翼展、轴距等 14 项指标与公开数据的公差。
这种能力在官方案例中同样得到印证：面对无直接看图方式的机械零件重建任务，Opus 5 自主编写计算机视觉管道提取几何数据并成功重建；在处理开源包管理器 Bug 时，它能深入底层原因修复边缘情况；在搭建交易所实时行情源时，因缺乏验证数据，它主动构建测试环境以校验代码解析的正确性。
性价比优势与基准测试表现
Opus 5 延续了前代定价策略（输入 5 美元/百万 token，输出 25 美元/百万 token），仅为 Fable 5 的一半，同时保留 Fast 模式。在各项基准测试中，其表现优异：
- Frontier-Bench v0.1：得分 43.3%，远超 Fable 5 的 33.7% 及上一代 Opus 4.8 的 21.1%。
- ARC-AGI-3：在新问题测试中得分 30.2%，是 GPT-5.6 Sol 的近四倍，较上一代提升近 20 倍。
- Human's Last Exam：开启工具后得分 64.7%，反超 Fable 5 的 63.9%。
- OSWorld 2.0：电脑操作任务得分 70.6%，高于 Fable 5 的 66.1%，且成本不足其三分之一。
此外，Opus 5 在今年的 IMO 2026 竞赛中取得满分成绩，且未使用外部工具。安全拦截频率较 Fable 5 降低约 85%，用户体验更为流畅。
上下文工程策略升级
伴随 Opus 5 发布，Anthropic 更新了上下文工程策略。针对新一代模型判断力的提升，Claude Code 的系统提示词被精简超过 80%，而编码评测成绩保持不变。
主要变革包括：
- 规则柔性化：将“默认不写注释”等硬性规则改为“贴合周围代码风格”，由模型自主判断注释密度。
- 工具接口优化：简化 Todo 等工具的状态定义，减少示例依赖，让模型基于接口逻辑自行决策。
- 渐进式披露：将不常用的说明拆分为独立技能文件，仅在需要时调用；记忆机制也由手动写入改为用户信息自动存储。
这一系列调整表明，随着模型智能水平的跃升，过去用于辅助弱模型的规则与脚手架正逐步被移除，转而信任模型自身的判断能力。
行业动态
Opus 5 发布后，马斯克引用 FrontierCode 性价比图表指出，Grok 4.5 与 Opus 5 共同处于帕累托前沿，前者以更低价格提供同等性能下的最优解之一。
参考链接：
[1] https://www.anthropic.com/news/claude-opus-5
[2] https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models
