Anthropic发布了最新模型Opus 5。该模型在多个领域表现接近旗舰款Fable 5,但在成本上仅为其一半,且无需强制数据保留,定位为企业级用户每日首选的生产力模型。在多项基准测试中,Opus 5性能优于Opus 4.8及竞争对手,并强化了安全性与合规性。
译自:Anthropic’s Opus 5 is almost Fable 5[1]
作者:Frederic Lardinois
Anthropic于周五发布了Opus 5,这是该公司曾经的旗舰模型系列的最新版本(在Fable 5发布之前)。
Anthropic表示,Opus 5在许多领域的表现都接近Fable 5,而且价格仅为Fable 5的一半。其token成本维持在每百万输入/输出token 5美元/25美元,与Opus 4.8相比没有变化。与Fable 5不同的是,用户无需同意30天数据保留政策即可使用Opus 5。目前,它是Claude Max订阅用户的默认模型(也是Claude Pro订阅用户可访问的最佳模型)。
近乎Fable 5
不出所料,Opus 5是Anthropic迄今为止能力最强的Opus模型,该公司强调,它不仅能比以往更长时间地自主完成工作,还能自行检查工作成果并从错误中恢复。
不过,Anthropic表示,对于“最雄心勃勃的任务”以及需要长达数天自主性的项目,Fable 5仍然是首选模型。与此同时,Anthropic将Opus 5描述为“专为日常使用而设计”。
或许正是这种在项目上长时间工作的能力使Fable 5脱颖而出,因为在Anthropic迄今为止分享的几乎每一项基准测试中,Opus 5的表现实际上都超过了Fable 5。
这使得几周前才发布的Sonnet 5处于一个略显尴尬的位置:它夹在更便宜、更快但能力远逊的Haiku 4.5,以及能力更强但昂贵的Opus和Fable系列之间。毕竟,Sonnet 5之前被定位为“日常任务最高效的模型”。
Opus 5 基准测试
这款新的Opus模型在处理知识工作方面表现尤为突出,并改进了Opus 4.8的编码能力。它在GDPval-AA v2知识工作基准测试中得分为1861,领先于Fable 5 (1747)、GPT-5.6 Sol (1736) 和 Opus 4.8 (1593)。
它也是Zapier AutomationBench[2] 上的顶级模型,该测试衡量AI智能体在端到端业务工作流中的表现(Google的新款 Gemini 3.6 Flash[3] 本周早些时候曾在该榜单榜首停留了很短时间)。Anthropic表示,Opus 5在相同任务成本下的通过率是次优模型的两倍,即使在最低的工作强度设置下,该模型通过的任务也比其他任何模型都多。
|
|
|
|
|
|
| 智能体终端编码
|
43.3% |
|
|
|
| 知识工作
|
1861 |
|
|
|
| 智能体搜索
|
90.8% |
|
|
|
| 多学科推理
|
|
56.5%
|
|
|
| 计算机使用
|
70.6% |
|
|
|
| 智能体编码
|
|
|
|
72.7% |
| 智能体编码
|
53.4% |
|
|
|
| 业务工作流
|
26.0% |
|
|
|
| 法律
|
|
13.3% |
|
|
| 健康
|
|
|
|
|
| 生物学
|
49.4%
|
|
|
|
图片来源: Anthropic
Anthropic还表示,Opus 5是其迄今为止在DeepSearchQA和Humanity’s Last Exam(使用工具)上表现最好且性价比最高的模型,甚至在这些测试中以微弱优势超过了Fable 5(64.7% 对 63.9%)。在不给模型使用工具权限的情况下,Fable 5依然保持领先。
不过,Fable 5确实在少数几个领域保持了领先地位,其中包括Anthropic的保留法律智能体基准测试和DeepSWE,而Mythos 5仍然是该公司在健康基准测试中最强的模型。
在编码方面,Anthropic表示在CursorBench 3.2上,Opus 5在高性能、超高性能和最大设置下的性价比表现超过了所有其他模型;该公司表示,在最大强度下,该模型的得分与Fable 5的峰值得分相差不到0.5%,而每个任务的成本仅为后者的一半。
在Anthropic发布的准备好的评论中,Cursor联合创始人Sualeh Asif表示:“Claude Opus 5以Opus的速度和成本提供了接近Fable 5的智能水平。在CursorBench上,它略低于Fable 5,并且具有许多相同的行为。我们很期待看到开发者如何在Cursor中使用它。”
和以前一样,Anthropic产品的用户可以在低、中、高、超高和最大设置之间进行选择,以获得相应的智能提升(以及token使用量)。
Opus 5 的安全性
基于自动行为审计,Anthropic还称Opus 5是其迄今为止最对齐的模型,并且与Fable 5一起,它是最不容易被诱导进行误用的模型。
该公司表示,它刻意没有在网络安全任务上训练该模型。尽管如此,Opus 5在发现开源代码中的漏洞方面仍接近Mythos 5,但在实际利用漏洞方面则远落后——这正是Anthropic 想要达到的状态[4]。
为了确保其安全,避免任何 类似于Fable 5的问题[5],Opus 5配备了一套安全分类器,可以筛选针对一小部分网络任务的请求,包括漏洞利用生成和渗透测试。由于它们的范围比Fable 5的安全分类器更窄,Anthropic预计它们的干预频率将降低约85%。
Anthropic表示,其理念是为寻找源代码漏洞等防御性工作留出空间,同时阻止所谓的 “基于二进制的漏洞扫描”[6]——Anthropic称这是一种更有可能与恶意行为者相关的技术。
当分类器在Claude.ai、Claude Code或Cowork中标记请求时,它默认回退到Opus 4.8,API用户也可以启用相同的行为。Anthropic网络验证计划中的企业和研究人员可以访问一个限制较少的Opus 5版本。
与其他前沿实验室一样,Anthropic正利用此次发布来强调其模型的高性价比。在目前这个阶段,每一家企业都在关注token成本,每一家实验室现在也都对市场如何看待其模型价格感到敏感。
在目前这个阶段,每一家企业都在关注token成本,每一家实验室现在也都对市场如何看待其模型价格感到敏感。
法律AI公司Harvey的研究主管Niko Grupen表示,Harvey在Opus 5上获得的收益主要集中在公司治理和仲裁等实践领域。“我们印象深刻的是,”Grupen说,“Opus 5在较低推理水平下保持质量的能力,在获得类似性能的同时,与最大推理下的Opus 4.8相比,平均token生成量减少了26%。”
Opus 5 快速模式
与Opus 4.8一样,Opus 5也将提供“快速模式”,无论是在开发者的Claude Platform上,还是通过扣除额外使用额度在Claude Code中。它生成的输出token速度将快2.5倍,成本增加2倍。
今天还有两个较小的平台更新以测试版形式发布。通过自动回退功能,Anthropic安全分类器在Opus 5或Fable 5上拒绝的API请求可以自动路由到同一请求内的另一个模型,而不是返回错误。开发者现在还可以在对话中途更改Claude可以使用的工具,而无需使提示词缓存失效,因此智能体工作的每个阶段只会看到它需要的工具。
Opus 5现已在Anthropic的所有付费方案以及Claude Platform上以 claude-opus-5 的名称提供。
背景
虽然 Opus 4[7] 于2025年5月发布,但2025年11月的 Opus 4.5[8] 和2026年2月的 Opus 4.6[9] 巩固了该模型系列作为编码最佳(有时是最强)模型之一的声誉。
对于许多用户来说,2026年4月发布的 Opus 4.7[10] 有些令人失望,这或许可以解释为什么Anthropic仅在一个半月后就发布了广受好评的 Opus 4.8[11]。
随着Mythos和Fable的推出,Anthropic最近创建了一个新的旗舰模型层级,但该公司表示,它预计Opus 5将成为“我们期望人们每天都会使用的模型,特别是在企业中”。
OpenAI最近发布了其 GPT-5.6 Sol、Terra和Luna系列[12],Sol旗舰模型的价格比Opus 5略贵,为每百万输入/输出token 5美元/30美元。在Anthropic此次发布分享的基准测试表中,Sol仅在一项基准测试中击败了Opus 5,即智能体编码测试DeepSWE v1.1(72.7% 对 68.8%)。在其他所有领域,Anthropic都处于领先地位,包括知识工作、计算机使用和业务工作流。
与此同时,Google的Gemini模型根本没有出现在Anthropic的对比表中。显然,Anthropic认为它们不值得额外占用一列。
引用链接
[1] Anthropic’s Opus 5 is almost Fable 5: https://thenewstack.io/anthropics-opus-5-almost-fable-5/[2] AutomationBench: https://zapier.com/benchmarks[3] Gemini 3.6 Flash: https://thenewstack.io/google-ships-3-new-gemini-models-just-not-the-one-everyones-waiting-for/[4] 想要达到的状态: https://thenewstack.io/anthropic-fable-ban-lifted/[5] 类似于Fable 5的问题: https://thenewstack.io/anthropic-fable-mess-explained/[6] “基于二进制的漏洞扫描”: https://www.binarly.io/blog/introducing-vulhunt-a-high-level-look-at-binary-vulnerability-detection[7] Opus 4: https://thenewstack.io/claude-opus-4-with-claude-code-a-developer-walkthrough/[8] Opus 4.5: https://thenewstack.io/anthropics-new-claude-opus-4-5-reclaims-the-coding-crown-from-gemini-3/[9] Opus 4.6: https://thenewstack.io/claude-sonnet-46-launch/[10] Opus 4.7: https://thenewstack.io/claude-opus-47-launch/[11] Opus 4.8: https://thenewstack.io/claude-opus-48-release/[12] GPT-5.6 Sol、Terra和Luna系列: https://thenewstack.io/openai-gpt-56-live/

