Anthropic发布Claude Opus 5，性能接近Fable-5但价格仅一半

2026年7月24日，Anthropic发布了Claude Opus 5，称其“在价格仅为一半的情况下，接近Claude Fable 5的前沿智能水平”^[1]。彭博社将此次发布直接解读为对成本效率的追求^[2]：输入token每百万5美元，输出token每百万25美元，与Opus 4.8持平，尽管模型性能已逼近Anthropic自家旗舰。真正的故事在于发布时间。《财富》杂志指出，Opus 5是Anthropic在不到两个月内的第四次重大模型发布，紧随Mythos 5、Fable 5和Sonnet 5之后，这些模型均于2026年6月发布^[3]。

Anthropic自身的说法则提供了另一种不那么悲观的解读，与另一种时间压力相关。雅虎财经报道称，该公司正准备于2026年晚些时候进行IPO，并将Opus 5定位为能够证明其不仅在原始能力上，而且在成本上也能与OpenAI、Google和中国实验室竞争的证据^[4]。Cognition公司CEO Scott Wu在使用Anthropic的FrontierCode 1.1调试基准测试该模型后表示，Opus 5“以一半的成本达到了接近Fable级别的性能”^[4]，而Anthropic负责研究的产品管理主管Dianne Penn向CNBC表示，企业买家现在会权衡价格与实际质量，而非默认选择最强的模型^[5]。无论这是否反映了真正的效率提升，还是为IPO前战略性地压低Fable 5价格的决策，结果都是一样的：Anthropic最新的‘性价比’模型在其旗舰模型发布仅数周后，就开始侵蚀旗舰模型的市场空间。

Opus 5在ARC-AGI-3测试中得分为30.2%，远超此前任何模型的最佳成绩——GPT-5.6 Sol的7.8%——约为Opus 4.8在相同基准上得分的20倍^[6]。仅围绕这一跃升的标题，容易让读者将其视为通用推理能力实现质的飞跃的证据^[6]。

除了模型本身，Anthropic还推出了三档‘努力程度’切换功能——低、中、高——允许用户根据任务在能力与成本之间进行权衡，同时还提供‘快速模式’，价格为基础价格的两倍，推理速度约为2.5倍^[1][3]。Marketscale将这一功能对买家的实际影响总结为“为你的AI账单装上了一个调节旋钮”^[7]，早期企业数据也支持这一说法：Zapier CEO Wade Foster表示，Opus 5在公司内部的AutomationBench测试套件中达到了100%的通过率，且使用的token数并未超过早期Claude模型^[4]。

早期测试者更有趣的发现是，这一切换功能改变了最初值得购买的模型选择：一位早期测试者报告称，Opus 5在‘低努力’模式下的表现优于Sonnet 5在‘高努力’模式下的表现，尤其是在长周期的代理和编码任务中。如果这一现象在早期轶事性测试之外仍能成立，它将颠覆通常认为更便宜层级模型是经济默认选择的假设——现在，Anthropic最昂贵的模型调低设置后，反而能击败其调高设置的中端模型，这改变了那些优化支出而非仅选择标价更低模型的团队的决策逻辑。

发布当天的信号并非全是庆祝。Anthropic仍承认Opus 5在网络安全和双重用途漏洞利用任务上落后于竞争对手模型Mythos 5^[8]。这延续了Anthropic自身发布历史中的模式：CNN报道称，Opus 4.6于2026年2月发布后，因市场对AI颠覆的担忧，引发了软件股的显著抛售^[9]，而Opus 5以更低的成本实现接近旗舰的性能，再次引发了市场对前沿能力被快速商品化的速度的疑问。

发布当天，从业者的反应也比基准测试图表所显示的更为复杂。在热烈报道ARC-AGI-3和编码得分的同时，实际测试者也报告了摩擦点——模型会与指令争辩或在任务完成前停止——这削弱了部分发布当天的基准测试热度，尽管GitHub已在VS Code、Visual Studio、JetBrains及其CLI和云代理工具中实现了当日Copilot集成，明确针对“需要仔细推理的复杂、长时间编码任务”^[10]。基准测试的主导地位与早期实际表现的不一致，可能是检验Opus 5的价值主张是否成立的真正考验。

早期YouTube对Opus 5的报道并未统一叙事，而是分为三个截然不同的方向。观看次数最多的视频是Chase AI的《Opus 5刚刚发布，其数据确实惊人》（约5.4万次观看），最倾向于炒作基准测试数据，呼应了发布当天媒体报道的基调。BridgeMind的《用Claude Opus 5进行氛围编程》（约4.3万次观看）则采取了实践导向的方法，将发布视为可尝试的编程工具，而非仅报告分数。Nick Saraev的《我花了400美元测试Opus-5》（约2.5万次观看）更进一步，用真金白银独立验证模型的声明，而非重复Anthropic自身的基准数据。综合来看，这种分化——炒作、实测演示与付费验证——表明早期采用者已从多个角度测试Opus 5的声明，而非不加批判地接受发布当天的数据。