Claude Fable 5性能虽强，但高昂的成本限制了其全天候使用。为此，Anthropic 正式推出了Claude Opus 5。
基准测试断档领先，性价比成最大卖点
在备受关注的ARC-AGI-3测试中，该模型展现了惊人的泛化推理能力。面对从未见过的新题，Claude Opus 5取得了30.2%的准确率，是上一代Claude Opus 4.8（1.5%）的 20 倍，更是此前领跑者GPT-5.6 Sol（7.8%）的四倍，实现了断档式领先。
更关键的是，Claude Opus 5在性能逼近旗舰Claude Fable 5的同时，定价策略保持不变：API 输入 5 美元/百万 token，输出 25 美元/百万 token，仅为旗舰模型的一半。
第三方评测平台 Vals AI 数据显示，Claude Opus 5在 27 项基准测试中斩获 14 项第一，综合得分 74.82%，与Claude Fable 5（75.14%）的差距不足 0.4 个百分点。这意味着用户仅需支付一半费用，即可获得旗舰模型 99.6% 的性能表现。
编程与自动化能力全面超越旗舰
代码生成与故障修复
在Frontier-Bench v0.1命令行代码任务中，Claude Opus 5准确率达到 43.3%，不仅远超Claude Opus 4.8的 21.1%，甚至反超Claude Fable 5（33.7%）近十个百分点。
测试案例显示，面对图纸接口被切断的极端情况，Claude Opus 5能自主编写图像识别程序，从像素中提取几何信息并成功重建 3D 模型，而其他模型均告失败。这种“自我修复题目”的能力展现了极强的工程落地性。
实际应用中，该模型已能独立搭建交易所市场数据接入及测试工具，并在开源社区中发现了连人类开发者都遗漏的边界条件漏洞。
知识工作与业务自动化
在知识工作综合评分（GDPval-AA v2）和电脑操作能力（OSWorld 2.0）两项指标上，Claude Opus 5分别以 1861 分和 70.6% 的成绩，反超Claude Fable 5，确立了新的领先地位。
在AutomationBench业务自动化测试中，Claude Opus 5即使在最低推理档位，其 26% 的通过率也超过了其他模型开启最高档位的表现。
值得注意的是，Anthropic 官方对比图中曾出现标注错误，将Claude Fable 5略高的FrontierCode分数高亮给了Claude Opus 5，引发网友调侃。
专业领域短板与安全对齐
特定领域表现待提升
尽管综合能力强悍，Claude Opus 5在部分垂直领域仍有不足。在DeepSWE v1.1编码测试中落后于GPT-5.6 Sol；在法律（Legal Agent Benchmark）和医疗（HealthBench Professional）任务中，得分亦低于自家的Claude Fable 5和Claude Mythos 5。
安全防御与合规控制
在安全性方面，Claude Opus 5在自动化行为审计中获得 2.30 分（越低越好），优于近期发布的所有 Anthropic 模型，显示出更强的指令遵循度和抗欺骗能力。
网络安全测试显示，虽然模型找漏洞的能力自动提升至接近Claude Mythos 5的水平，但在生成可利用的攻击代码方面受到严格限制（成功 4 个 vs 13 个）。新的安全分类器允许扫描源码漏洞，但严禁渗透测试和漏洞利用，坚守“只找问题不搞破坏”的底线。
上线信息与使用建议
目前存在关于 Token 消耗速度的争议，有反馈称其消耗快于Claude Fable 5，可能抵消单价优势，实际成本效益尚需观察。此外，部分用户对 Opus 分支的稳定性持保留态度。
Claude Opus 5现已向所有付费用户开放：Claude Max默认切换为该模型，Claude Pro用户可用，Fast 模式同步上线（速度提升 2.5 倍，价格翻倍）。对于正在使用Claude Opus 4.8的用户，鉴于价格不变且性能大幅跃升，升级值得考虑。