Anthropic 7月24日正式推出Claude Opus 5：每百万输入、输出token仍为5美元和25美元，却把旗舰能力继续推向长时间编程、电脑操作与专业知识工作。官方称，新模型在Frontier-Bench上的表现较Opus 4.8提升超过一倍，在CursorBench最高努力档只落后Fable 5峰值0.5%，单任务成本则约为后者一半。真正值得关注的变化不是又多了几个排行榜第一，而是高阶智能体开始把“反复检查直到完成”变成默认工作方式。

三点看懂：Opus 5不靠涨价换能力

“翻倍”发生在哪些任务，边界必须说清

在软件工程测试Frontier-Bench v0.1中，Opus 5以更低的单任务成本把Opus 4.8的表现提升到两倍以上；但该结果来自厂商运行，使用mini-SWE-agent框架、GKE后端，每项任务取5次尝试的平均奖励，部分安全分类器拒答还会回退到Opus 4.8。因此，“翻倍”不能理解为所有代码、推理或日常对话都快一倍、准一倍。

更能体现智能体方向的是跨任务数据：ARC-AGI 3得分约为次优模型的3倍；Zapier AutomationBench在相同任务成本下通过率约为次优模型的1.5倍；OSWorld 2.0电脑操作测试中，它以略高于Fable 5三分之一的成本超过后者最佳结果。科学任务也有提升，内部有机化学测试较Opus 4.8高10.2个百分点，蛋白质变异任务高7.7个百分点。

这些数字共同指向“执行—验证—修正”的闭环。Anthropic展示的案例包括：模型无法直接查看机械零件图时，自行编写视觉处理流程提取几何信息，再构建可重复生成的3D模型；处理开源包缺陷时，不只修复表面症状，还找到社区补丁遗漏的边界条件。它们说明模型更愿意主动补齐工具，但仍主要属于官方评测和早期客户反馈。

100万上下文之外，API工作流也在改变

Opus 5已经覆盖Claude API、Claude.ai及主要云平台，并成为Claude Max默认模型、Claude Pro能力最强的可选模型。其可靠知识截止到2026年5月，支持文本与图像输入、文本输出和自适应思考；API和Claude Code默认努力档为high，开发者可按任务在成本、速度与推理强度之间调整。

伴随模型上线的两项测试功能更贴近真实智能体系统。开发者可以在不中断提示缓存的情况下，于对话中途改变可调用工具；自动回退功能则允许被安全分类器拦截的请求转交其他模型。前者减少长会话因工具变化产生的重复上下文费用，后者提高服务连续性，但也要求团队记录实际由哪个模型完成任务，避免评测和审计结果混在一起。

更会自己检查，不代表可以撤掉人工监督

Anthropic的自动行为审计给Opus 5总体不当行为2.3分，是近期模型最低值；同时公司明确表示，它在生物研究和高风险网络安全能力上仍落后于受限模型Mythos 5。安全分类器、回退机制和更强自检降低了部分风险，却没有消除提示注入、权限误用、长链任务偏航和第三方工具故障。企业部署时仍需限制凭据权限、保留可回滚变更，并为关键操作设置人工确认。

成本同样不能只看单价。100万上下文、12.8万输出和更高努力档会放大单次请求规模；Fast mode还会把基础费率翻倍。只有当更高的一次成功率减少重试、人工接管和工具调用时，端到端成本才可能真正下降。官方尚未公布大规模生产环境下的失败分布，独立团队也需要复测长任务的稳定性、令牌消耗与不同地区延迟。

ATYUN编辑判断：Opus 5的竞争点不是用新价格换新榜单，而是在原有Opus价位上逼近更昂贵模型，并把验证、迭代和工具调度做成日常能力。对开发团队而言，它最适合先进入有测试、有权限边界、有审计记录的长流程，而不是直接接管不可逆操作。如果Frontier-Bench、AutomationBench和客户案例能在外部环境复现，旗舰模型的价值衡量将从“单次回答多聪明”转向“一个任务能否稳定做完”。