Claude Opus 5 发布

Anthropic 于 2026 年 7 月 24 日发布 Claude Opus 5，定位为‘在价格仅为 Fable 5 一半的情况下，接近 Fable 5 前沿智能水平’的模型 ^[1]。定价是字面意义上的：Opus 5 每百万输入 token 收费 5 美元，每百万输出 token 收费 25 美元——与 Opus 4.8 相同，仅为 Fable 5 输入费率的一半；Fast 模式定价为 10/50 美元，速度约快 2.5 倍 ^[2]。性能差距比价格差距更小：在 Frontier-Bench v0.1 上，Opus 5 得分为 43.3%，而 Fable 5 为 33.7%，GPT-5.6 Sol 为 34.4%，Opus 5 的分数超过 Opus 4.8 的 18.7% 一倍以上 ^[2]。在 ARC-AGI-3 上，Opus 5 得分为 30.2%，而 GPT-5.6 Sol 为 7.8% ^[2]，在 GDPval-AA v2 知识工作 Elo 评分中，Opus 5 得分为 1,861，Fable 5 为 1,747 ^[2]。Opus 5 在某些特定编码测试中略逊一筹——SWE-bench Pro 得分为 79.2%，而 Fable 5 为 80.0% ^[2]——但在 CursorBench 上，以最大努力运行时，其得分与 Fable 5 的峰值仅差 0.5%，成本却只有其一半，并且在 OSWorld 2.0 计算机使用任务中，以约三分之一的成本击败了 Fable 5 ^[2]。这种性价比正是引发社区最强烈反应的原因：实际测试者进行的是实用的代理工作流对比，而非仅引用发布图表，同时反复提出一个问题：当更便宜的兄弟模型几乎能匹敌时，Fable 5 还有什么存在的必要？

Anthropic 发布材料中最具体的安全部分是关于提示注入——即恶意指令隐藏在网页中劫持 AI 代理浏览会话的攻击模式。在通过 Claude Cowork 对 129 个环境进行的测试中，未应用防护措施时，攻击成功率从 Opus 4.8 的 31.5% 降至 Opus 5 的 3.70%，启用 Auto Mode 后进一步降至 0% ^[3]。在独立的 Gray Swan 间接提示注入基准测试中，攻击者在 15 次尝试内成功的概率从 5.5% 降至 2.0%，单次尝试从 0.5% 降至 0.2% ^[4]。一家媒体将此描述为 Opus 5 可能解决了‘困扰 AI 代理的最大安全漏洞’，并指出这种提升来自结合输入扫描与动作阻断的多层防御，而非单一修复，而 OpenAI 曾表示提示注入‘可能永远无法完全解决’ ^[3]。然而，这种改进并非普遍：Anthropic 故意将 Opus 5 在网络安全利用和其他‘高风险、双重用途能力’方面落后于自家的 Mythos 5 模型，通过网络安全验证计划限制高风险用例 ^[1][5]。

在定价故事背后，是企业客户对不断上涨的 AI 账单施加的具体商业压力 ^[6]。Anthropic 的回应是新增一个努力程度调节选项——低、中或高——允许客户根据每次请求在能力与成本之间进行权衡，而非锁定单一价格点 ^[6][7]。结合标准/Fast 模式（5/25 美元 vs 10/50 美元，速度约快 2.5 倍）^[2]，企业买家现在拥有两个独立调节旋钮——努力程度与速度——而非单一模型层级。这一功能与企业优先部署措施同步推出：Opus 5 同时在 Amazon Bedrock 和 AWS 上的 Claude Platform 上线，默认零数据保留 ^[8]，并向 GitHub Copilot 的 Pro+、Max、Business 和 Enterprise 用户推出，覆盖 VS Code、Visual Studio、GitHub.com 和 JetBrains，企业管理员需主动启用 ^[9]。Opus 5 也是 Anthropic 在不到两个月内发布的第四款模型，紧随 2026 年 6 月发布的 Mythos 5、Fable 5 和 Sonnet 5 之后 ^[6]——这一发布节奏既是对 OpenAI 两周前发布的 GPT-5.6 Sol 的竞争压力回应，也是对企业成本问题的修复 ^[10]。

并非所有人都对 Opus 5 的发布持乐观态度。AI 分析师 Zvi Mowshowitz 将其描述为一次刻意的中间路线发布：‘Claude Opus 5 试图兼顾两全’ ^[11]——以 Fable 5 一半的价格实现接近其性能，同时有意不赋予其 Anthropic 为 Mythos 5 保留的更危险推理能力。Mowshowitz 引用评论员 j⧉nus 的观点，特别批评了 Anthropic 对安全基准改进的表述方式：‘优化指标几乎不可避免，但将基准分数与对齐的北极星目标之间的本体论混淆则不然’ ^[11]。如前所述，Anthropic 在网络安全和双重用途任务上故意让 Opus 5 落后于 Mythos 5 ^[1][5]，这与更广泛社区的怀疑一致，即 Opus 5 与更高层级之间的差距既出于安全考虑，也出于产品差异化目的。争议不在于 Opus 5 的数据是否真实，而在于强提示注入和基准测试分数是否被等同于真正的对齐进展——Mowshowitz 认为 Anthropic 自身的表述模糊了这一区别 ^[11]。