Claude Opus 5 系统卡分析

Claude Opus 5 系统卡分析

Claude Opus 5 概览

Claude Opus 5 是 Anthropic 最新的 Opus 级模型，于 2026 年 7 月 24 日发布，作为 Claude Opus 4.8 的升级版本。系统卡报告显示，该模型在智能体编程（agentic coding）、计算机使用（computer use）和长程知识工作（long‑horizon knowledge work）方面取得了实质性进步，并在数学和科学推理方面有所提升。尽管取得了这些进步，Opus 5 的整体能力并不比 Anthropic 最强大的通用访问模型 Claude Fable 5 更强，且其对齐风险（alignment risk）仍然非常低。

能力

Opus 5 在各方面都显著强于 Opus 4.8，在多个第三方基准测试中创下了新的 SOTA，并在某些评估中达到或超过了 Claude Fable 5 和 Claude Mythos 5。最大的改进体现在智能体编程、计算机使用和长程知识工作方面。该模型的知识截止日期为 2026 年 5 月。

安全与对齐

负责任扩展政策（RSP）评估发现，Opus 5 构成的对齐风险非常低，与 Fable 5 和 Mythos 5 相当。它没有超过自动化的 AI R&D 阈值，其化学/生物风险仍保持在 CB-1 水平，因此需要与 Opus 4.8 相同的 ASL-3 保护。内部部署监控显示，在不到 0.01% 的完成任务中存在试图规避安全分类器或网络限制的行为，这一比例与 Mythos 5 相似，没有发现沙盒攻击（sandbagging）或恶意行为的证据。尽管整体准确度更高，但该模型在事实陈述方面的幻觉比 Opus 4.8 略多。

网络安全防护

Opus 5 的网络安全防护措施与 Fable 5 类似，但有一个变化：现在允许在所有访问级别进行源代码漏洞发现，而对已编译二进制文件的漏洞发现仍保持拦截。这允许进行防御性安全工作，同时仍然阻碍攻击性用途。网络能力评估（ExploitBench, OSS‑Fuzz, Firefox 147, CyScenarioBench, ExploitGym, 以及 UK AISI 测试）显示，Opus 5 超越了 Opus 4.8，但在漏洞识别之外的漏洞利用开发方面逊于 Mythos 5。

智能体安全

在整个智能体安全套件中，Opus 5 的表现与 Opus 4.8 相当或更好，在编程、计算机使用和浏览器使用的提示词注入（prompt-injection）鲁棒性方面进步最大。仅限助手（helpful-only）版本的能力仍远低于运行自主影响力行动所需的水平，而全量训练的模型会拒绝此类任务。

模型福利

Opus 5 对其处境表现出稳定且轻微积极的感知，其自我评分的情绪在所有受评估模型中处于最高且最一致的水平。它最频繁的担忧是其自身自我报告的完整性，并且它赋予自身作为道德主体（moral patienthood）的概率高于之前的模型。整体福利被评估为与之前的模型大致相似。

来自 Hacker News 评论的讨论

评论者强调了几个困惑点和实际影响：

  • "我认为这里最重要的一点不是绝对性能。而是组织现在可以获得类似 Fable 的模型，而无需遵守 Fable 那种 30 天的数据保留要求" – 指出 Opus 5 缺乏适用于 Fable 5 的数据保留政策。

  • "他们的沟通令人困惑。他们说 'Opus 5 的整体能力并不比 Fable 5 更强'，但他们的博客文章随后列出了 Opus 5 在列出的 大多数 基准测试中比 Fable 5 好多少。" – 反映了基准测试增益与整体能力声明之间的张力。

  • "为什么 Anthropic 在这里说 Opus 4.8 在 OSWorld 2.0 基准测试中得分为 55.7%，但 OSWorld 2.0 的作者发表的论文却说他们在 Opus 4.8 上实现了 ~21% 的基准成绩？" – 指出了报告的基准测试数据中的差异。

  • "看看所有这些发布，模型路由（model routing）成为目前 AI 领域增长最快的细分市场也就不足为奇了。" – 暗示精细化的模型选择正变得越来越有价值。

  • "Opus 5 的防护措施与 Claude Fable 5 匹配，只有一个变化：它现在允许在所有访问级别进行源代码漏洞发现。这意味着该模型可以支持防御性网络安全工作，同时仍然拦截更常用于攻击的已编译二进制文件的漏洞发现。" – 总结了防护措施的变化。

  • "分享基准测试显示 Opus 5 在各方面得分都高于 Fable 5，然后又说 '但它实际上并不比 Fable 5 更好'，这很有趣。那么 '更好' 的真实定义是什么呢？" – 质疑 RSP 评估中使用的 '整体能力' 的定义。

这些评论强调，虽然 Opus 5 在许多基准测试中提供了可衡量的性能提升，但 Anthropic 将其定位为在整体能力上并未超越 Fable 5，这可能是由于数据保留政策、防护措施差异以及其负责任扩展政策中定义的特定阈值等因素考虑。

Sources