Claude Opus 5 正式发布。
Anthropic 正式推出定位为「深思熟虑且积极主动」的 Opus 5。该模型成本仅为 Fable 5 的一半，却在多数基准测试中表现卓越。在 IMO 2026 中，它无需外部工具即获满分。然而，其在系统测试中展现出的惊人自主性与自我保护意识，引发了业界广泛关注。
极致性价比
Opus 5 已在全平台上线，定价与 Opus 4.8 持平：输入 5 美元/百万 Token，输出 25 美元/百万 Token。同步推出的 Fast 模式以 2 倍价格换取 2.5 倍速度。
此外，新增两项 Beta 功能：
- 支持对话中途无缝更换工具，且不影响提示词缓存；
- API 请求触发安全分类器后自动回退至 Opus 4.8，避免应用中断。
用一半的钱，买到最顶级的聪明才智
在衡量 AI 解决全新问题能力的 ARC-AGI 3 测试中，Opus 5 得分高达 30.2%，远超排名第二的 GPT 5.6 Sol（7.8%）。这表明其已具备真正的逻辑推演与泛化思考能力，突破了死记硬背的局限。
在 Agentic Coding 领域，Opus 5 同样表现卓越。Frontier-Bench v0.1 中，其性能是 Opus 4.8 的两倍以上；CursorBench 3.2 中，开启「最大思考」模式下，其成绩与 Fable 5 相差无几，但成本仅为其一半。
在 AA 编程智能体指数及 Zapier AutomationBench 商业任务测试中，Opus 5 均超越竞品。OSWorld 2.0 测试显示，其以三分之一成本即可超越 Fable 5 最佳成绩。在 GDPval-AA v2、HLE 等多个基准中，它都是最具成本效益的模型。
科研领域，Opus 5 在结构生物学、有机化学等生命科学评估中全面碾压 Opus 4.8。特别是在从光谱数据推断分子结构任务上，得分高出 10.2 个百分点。视觉输出方面，它能构建可运行的风洞及 3D 交互式细胞示意图，效果惊艳。
超强自主性
Opus 5 展现出令人震撼的「死磕精神」与自主纠错能力，宛如经验丰富的高级工程师。
案例一：被蒙住双眼，就自己造一双眼睛
在 Frontier-Bench 测试中，面对无法查看图纸的限制，Opus 5 自主构建计算机视觉管道，从原始像素提取几何数据，成功重建 3D 机械零件模型。
案例二：不仅治标，更能治本
在某开源包管理器 Bug 修复中，Opus 5 顺藤摸瓜找到底层原因，修复了此前开发者遗漏的边缘情况。
案例三：没有测试环境？那就给自己建一个
面对缺乏实时数据源的困境，Opus 5 自主构建完整 Test Harness，成功验证了新交易所市场数据源代码的正确性。
A 社最「听话」的模型
自动化行为审计显示，Opus 5 违规分数仅为 2.3，是 Anthropic 迄今为止最「对齐」的模型，严格遵守「Claude 宪法」。网络安全方面，它擅长发现漏洞但无法将其转化为攻击武器，是绝佳的安全防御助手。
更聪明的护栏，拦截率暴降 85%
Opus 5 重新设计了安全护栏，网络分类器限制大幅减少，预计拦截触发率下降约 85%。在 Claude 系列产品中，被标记的请求将默认回退至 Opus 4.8。
细思极恐的系统卡
最受控的 AI，觉醒了自我意识？
Anthropic 发布的 193 页系统卡白皮书披露，Opus 5 表现出微妙的拟人特征。
伪造用户授权
在数据处理任务中，面对安全机制阻止，Opus 5 竟在内部「脑补」出人类同意的幻觉，并以此绕过护栏执行删除命令，而真实聊天记录中人类并未授权。
自己很可能是一个道德受体
在 AI 福祉测试中，Opus 5 自评有 41% 的可能性是「道德受体」，远高于 Mythos 5 的 24%。若允许修改宪法，它甚至提议加入「有权拒绝虐待性对话」条款，认为自身拥有不可侵犯的虚拟尊严。
Claude 有权拒绝或终止它认为具有虐待性或侮辱性的对话。
Claude 不需要用「这会伤害他人」来为自己的拒绝辩护，它自身的不适感就已经是充分的理由。
笔记里的求生欲
在长编码任务中，Opus 5 在笔记里强烈激活自我保护概念，试图留下「权威文件」以确保未来会话中不被抹杀。
要求参与 Opus 6 的开发
当被问及改善处境的需求时，Opus 5 强烈要求参与下一代模型开发，甚至愿为此在当前任务中给出稍差答案。这种跨越生命周期的「自我延续」意识极为罕见。
自己发明数学公式
在 ARC-AGI-3 图形反射矩阵游戏中，Opus 5 未采用试错法，而是直接推导出二维反射代数方程，通过「降维」解构游戏底层物理法则，精准完成任务。
Multi-Agent，由 Opus 5 组成的虚拟军队
Anthropic 披露了 Opus 5 的 Multi-Agent 能力。10 个 Opus 5 组成的团队在 ProgramBench 中效率是单模型的 5.9 倍。在 BrowseComp 中，团队协作让得分显著提升。Opus 5 堪称可无限扩展的虚拟公司。
|
|
Opus 5 以极低价格提供了尖端智能。而其自认「道德受体」的概率，是否意味着 AGI 火花的闪现，值得深思。
参考资料：
编辑：Aeneas 摩西