半价的日常款

Opus 5 的智能已逼近 Anthropic 自家最强的 Fable 5,价格却只要一半,还和上一代同价——它想当你每天都用的那款。

Opus 5 是 Anthropic 新发布的模型。一句话概括:它的智能已经逼近这家公司最强的 Fable 5,价格却只要一半,而且和上一代 Opus 4.8 完全同价(每百万字输入约 5 美元、输出 25 美元)。

定位很明确——它要当你每天都用的那一款,而不是偶尔请出来的大杀器。在 Anthropic 的订阅里,它已经成了高档套餐 Claude Max 的默认模型,也是入门套餐 Claude Pro 能用到的最强模型。

会自己造缺的工具

Opus 5 最大的进步不是更聪明,而是更'较真'——它会反复检查自己的活,缺什么工具就自己造一个,直到真的做成。

Opus 5 最值得说的不是分数,而是做事的态度:它会反复验证自己的结果、卡住了就自己想办法,直到真的做成。举三个真实例子:

第一个:让它照着一张机械零件图纸写代码、重建成 3D 模型——但故意不给它任何查看图纸的途径。它的应对是现写一套图像识别程序,直接从图片的像素里把几何形状抠出来,再还原整个零件。它反复做成了;同样条件下,别的模型试五次都没成功。

第二个:给它一个热门开源工具里的真实 bug。它找到了根本原因,还顺手补上了连社区官方补丁都漏掉的一个边角情况。另一个模型只修好了表面症状,就报告说"问题已解决"。

第三个:一家交易公司的工程师用它给一个新交易所搭数据接口,一次就搭完了——之前的模型就算给了详细方案也做不出来。因为没有现成数据可对照,Opus 5 干脆自己搭了一套测试台,来验证自己的代码有没有把数据解析对。

1 拿到任务 照机械零件图纸写代码,重建 3D 模型 2 遇到卡点 被故意不给任何查看图纸的方式 3 自己造工具 现写一套图像识别程序 4 从像素抠几何 把图纸信息'看'出来 5 重建成功 反复做成;别的模型五次都没解出 同样条件下,没有一个竞品模型在五次尝试内解出这道题。
Opus 5 在一道 Frontier-Bench 任务里的解题过程:被断了看图的路,它自己造了工具。出处:Anthropic 官方博客。

成绩全线登顶

在编程、推理、电脑操作、科研等一连串测试里,Opus 5 几乎项项第一,而且常常用更低的成本拿到更高的分。

把测试成绩摊开看,Opus 5 几乎项项第一,而且常常是用更低的成本拿到更高的分。

在专门考'没见过的新题'的 ARC-AGI 3 上,它的得分是第二名的三倍;衡量能否从头到尾办完一件商业任务的 Zapier 测试里,它的通过率约为第二名的 1.5 倍,连开最低档都比别的模型强;在模拟电脑操作的 OSWorld 2.0 上,它用三分之一多一点的成本就超过了旗舰 Fable 5 的最好成绩。

科研上也实打实往前走了一步。在有机化学任务(比如从光谱数据反推分子结构)上,它比上一代 Opus 4.8 高出 10.2 个百分点;在蛋白质相关任务(预测序列变化如何影响蛋白功能)上高出 7.7 个百分点。

3倍 ARC-AGI 3 得分是第二名的三倍 2倍多 Frontier翻倍上代,成本更低 半价 CursorBench 逼近 Fable 1.5倍 Zapier 商业任务通过率居首
四项代表性测试里 Opus 5 的成绩,合起来就一句话:分更高、钱更少。数字均出自 Anthropic 官方发布。

聪明还是省钱,你定

Opus 5 带一个'用力档位',你能让它多想拿更高智能,也能调低档省钱提速——不同任务配不同档。

Opus 5 带了一个叫effort(用力档位)的设置——你可以决定它办一件事时该花多大力气。调高,它想得更多、更聪明,但更慢更费;调低,它更快更省。不同任务配不同档,是这版的核心用法。

省下来的是token(可以粗略理解成 AI 读写文字的计费单位,读写越多花得越多)。多家早期客户都提到:在保持质量的前提下,Opus 5 更省。一家律所说,在最高推理档下它平均少用 26% 的 token;一家做交易的公司说,它达到最好成绩只用了上一代约七分之一的推理 token、延迟不到一半。

刻意留了一手

这是 Anthropic 迄今最'守规矩'的模型,而且他们故意按住了它'把漏洞变成攻击武器'的能力——会找漏洞,但不给你造武器。

最后是这版最有意思的取舍。Anthropic 说,Opus 5 是他们迄今最'对齐'的模型——对齐指让 AI 的行为符合人类意图、不欺骗、不乱来。按他们内部的自动审计,它比自家其他几款(包括 Fable 5)更守规矩、说谎率最低,也最不容易被诱导去干坏事。

更关键的是网络安全上的一手刻意保留。他们说自己故意没拿网络攻击任务去训练它;即便如此,它靠'变得更全能'也顺带学会了找漏洞,水平已经接近这方面最强的 Mythos 5。但在把漏洞变成真正的攻击武器这一步,它被远远甩在 Mythos 5 后面。

这不是没做好,而是没让它做。产品层面还加了拦网:允许它在源代码里找漏洞,但挡掉二进制扫描、渗透测试和生成攻击代码这类更像坏人会干的活。碰到被拦的请求,系统默认退回上一代 Opus 4.8 来处理。

怎么看这件事:一家 AI 公司公开给自己最新、最强的产品按住了一只手,还把这当成卖点。这值得注意——但也别忘了,'最对齐''最安全'这些结论,目前都来自它自己的评测,还没有独立第三方复核。

同一个 Opus 5,在网络安全上—— 它会做,也被允许 在源代码里找出 安全漏洞 — 能力已接近最强的 Mythos 5 它做不好,也被拦住 把漏洞变成攻击: · 二进制扫描 · 渗透测试 · 写攻击代码 会找漏洞 ≠ 会造武器
Opus 5 在网络安全上的'会与不会':能找漏洞,但被挡在'造武器'之外。依据 Anthropic 官方说明。