这两天圈子里一直有风声，说 Opus 5 要来了。
原本大家等的日子过了，又拖了一天，Opus 5 才出来。
我看完发布博客的第一反应是，这有点离谱吧？？？
你看这个跑分，居然比 Fable 5 还猛，定价还是 Fable 5 的一半。
看来 Anthropic 最近确实压力山大，甚至都有点红温了。
不然怎么分不清，53.4% 和 53.5% 谁大谁小了呢？
明显标记错了呀。
毕竟最近咱们的国产开源 AI 模型，一个接一个魔法对轰，每次发布都在给行业测试强度。
就连 Opus 5 的拦截器拦截频率，也比之前降低了 85%。
既然如此，咱们必须要实测一下了，看看 Opus 5 到底怎么样。
话不多说，咱们边测边聊。
实测
我把 Opus 5 和 Fable 5 的实测，剪辑好放在一块，方便你对比。
第一个，直接上咱们的保留节目，3D 火山喷发效果模拟。
直接看效果。
你要让我选哪个更好，我肯定选 Opus 5，Fable 5 的表现有点素。
很明显 Opus 5 的光影特效要更美，但我还是觉得 Kimi K3 的更好看。
第二个，是鞭炮实验模拟。
这个实测的效果看下来，我觉得是五五开。
第三个是 Three.js 官方出的测试，我觉得非常有意思，还跟官方互动过。
就是让迈克尔·杰克逊，悲伤蛙佩佩和埃隆·马斯克共同表演《颤栗》的编舞。
效果对比是这样的。
舞蹈动作和人物的可动关节都差不多，但 Opus 5 的光影感觉更丰富，略胜一筹。
第四个，是在网页里复刻一个 MacOS 系统。
从完成度来看，两边都差不多，但细节上明显 Fable 5 更好。
总结一下比分，去掉平局，是 2:1，Opus 5 获胜。
我又让它生成了一个坦克大战 UFO 的小游戏。
说实话，我玩了好一会儿。
因为完成度非常高，不仅有难度递增的游戏关卡，坦克的两种射击模式也都很带感。
最后，还是掏出咱们的保留节目，实测一下 Opus 5 的写作能力。
选择了骨传导和镜像反转这种日常来讲。
不得不说，还是有点意思的。
再来看几个我认为挺有含金量的跑分。
第一个，是 ARC-AGI 3，Opus 5 的分数是第二名的三倍，遥遥领先。
这个基准是考模型解决全新问题的能力，也就是泛化能力，题目都是它没见过的。
第二个，是 CursorBench 3.2。
当 Opus 5 开到最高推理档位时，分数距离 Fable 5 的峰值相差不到 0.5%，但每个任务的成为仅为其一半。
这个基准是 Cursor 团队在今年 7 月更新的，专门用于评估代码智能体在真实业务场景下的工程落地能力
还有一个是 OSWorld 2.0。
Opus 5 用三分之一左右的成本，超过了 Fable 5 的最佳成绩。
这个基准，是测试智能体操作电脑能力的，看模型能不能像人一样操作电脑，完成任务。
最后，还有个值得一提的。
现在模型更新了，Harness 驾驭工程就要跟着一块更新。
Claude 团队的 Thariq 发布了一篇文章，讲了 Claude 5 模型家族上下文工程的最佳实践。
新的规则用一句话总结，就是做减法。
Anthropic 把 Claude Code 的系统提示词删掉了 80% 以上，但是在编码测评上几乎没啥损失。
因为原来那些提示词里写的规则，并非是在引导模型，而是在给模型的能力缺陷打补丁。
具体来说，当系统提示词，CLAUDE.md，Skill 和用户的输入各说各话时，模型反而要先花力气去调节这些矛盾。
新模型的能力够了，补丁就成了负担。
Thariq 把他们的最佳实践，都整合进 Claude Code 的 /doctor 命令里了。
可以直接帮你把 Skill 和 CLAUDE.md 精简到合适的大小。
尾声
从 GLM-5.2 救场抱抱脸，到 Kimi K3 惊艳全世界。
开源 AI 模型的能力上来之后，开源的重要性，被更多人看见了。
甚至硅谷的 25 家公司联名公开信，黄仁勋发布人生第一条推特，都是在力挺开源模型。
是啊，世界需要开源模型。
如果没有开源模型步步紧逼给的压力，相信 Opus 5 绝对不会是这个定价，也不会主动把拦截器的拦截频率调低。
闭源巨头们曾经筑起高墙，试图将通向 AGI 的火种锁在黑盒里。
但开源的力量，就像是一场不可逆转的潮汐。
当一波又一波开源的浪潮，拍打着那些看似坚不可摧的礁石上时。
最先崩塌的不仅是高昂的定价，还有那种居高临下的傲慢。
在这个魔法对轰的时代，没有永远安全的王座，也没有垄断一切的霸主。
开源的星火终成燎原之势，那冲天而起的火光最终照亮的。
将是我们每一个普通人。
既然你看到这里了，如果觉得不错，请帮我一键三连，转发给你的朋友，这真的对我很重要。
另外如果想第一时间收到推送，请将本公众号加个星标🌟
谢谢你看我的文章，祝你有财安康，我们下期见。