Claude Opus 5 发布说明

Anthropic 发布了 Claude Opus 5，这是一款专为高效日常使用而设计的模型，它以一半的任务成本提供了接近前沿水平的智能（接近 Claude Fable 5）。它现在是 Claude Max 的默认模型，也是 Claude Pro 上最强大的可用模型。

编程与知识工作领域的顶尖性能

Claude Opus 5 在软件工程和问题解决的几项关键评估中树立了新的最先进（state-of-the-art）标准，通常以更低的成本超越前代模型和竞争模型。

Frontier-Bench v0.1: Opus 5 超越了所有其他模型，并将 Opus 4.8 的性能提高了一倍以上，同时降低了单次任务的成本。
CursorBench 3.2: 在最大努力程度下，Opus 5 以一半的单次任务成本，实现了接近 Fable 5 峰值分数 0.5% 以内的表现。在给定成本下，它在 high、xhigh 和 max 努力水平上超越了所有其他模型。
OSWorld 2.0: Opus 5 在任何给定成本下都优于其他任何模型，在约三分之一的成本下就超过了 Fable 5 的最佳结果。

ARC-AGI 3: 在这项新颖的问题解决评估中，Opus 5 的得分比次优模型高出三倍。
Zapier AutomationBench: 在相同的单次任务成本下，Opus 5 的通过率约为次优模型的 1.5 倍。即使在最低努力设置下，它通过的任务也比任何其他模型都多。
Frontier-Bench and GDPval-AA: Opus 5 是这些编程和知识工作评估中的新最先进标准。

Opus 5 在科学研究（特别是生命科学）方面引入了显著改进，并增强了视觉输出能力。

Opus 5 在所有生命科学评估中均优于 Opus 4.8，包括生物信息学、结构生物学和有机化学。主要提升包括：

Claude Opus 5 展示了更强的自主性、严谨性以及通过迭代验证自身工作的能力。

自主工具化: 在一项 Frontier-Bench 任务中，当被拒绝直接查看权限时，Opus 5 编写了自己的计算机视觉流水线，从原始像素中提取几何信息，从而重建了一个 3D FreeCAD 模型。
缺陷修复: Opus 5 识别出了一个流行开源包管理器中真实 Bug 的根本原因，并修复了一个之前的社区补丁未能处理的边缘情况。
基础设施开发: 一位交易公司的工程师使用 Opus 5 在单个会话中构建了市场数据馈送，包括创建用于验证的测试框架。

早期访问合作伙伴强调了其特定优势：

Opus 5 被描述为 Anthropic 迄今为止对齐程度最高的模型，比 Opus 4.8、Sonnet 5 或 Fable 5 更严格地遵循 Claude 的宪法（Constitution）。

对齐分数: 在自动化行为审计中，Opus 5 在整体失调行为方面的得分为 2.3，是近期模型中最低的。
网络安全限制: 虽然 Opus 5 在识别漏洞方面接近 Mythos 5，但在漏洞利用方面仍大幅落后于 Mythos 5（如 OSS-Fuzz 基准测试所示）。
生物研究: Opus 5 是目前通用可用的科学研究能力最强的模型，但在长期自主研究任务方面仍落后于 Mythos 5。

网络分类器: 这些分类器比 Fable 5 的限制较少，允许在源代码中发现漏洞，但会拦截基于二进制文件的扫描、渗透测试和漏洞利用生成。预计这些分类器的干预频率将比 Fable 5 低 85%。
回退机制: 在 Opus 5 或 Fable 5 上被安全分类器标记的请求，现在可以通过 API 自动路由到另一个模型。

Claude Opus 5 已在所有平台上推出，定价如下：