Claude Opus 5正式发布：高性能、高性价比、强自主性的新一代旗舰模型

全新旗舰模型上线：Claude Opus 5正式发布

Anthropic正式推出新一代旗舰大模型Claude Opus 5。该模型定位为日常高频使用的主力模型，已取代Opus 4.8成为Claude Max的默认模型，并作为Claude Pro中性能最强的选项向用户开放。

性能跃升显著，兼顾深度与效率

Opus 5在多项权威基准测试中刷新SOTA记录，尤其在软件工程、知识工作与复杂问题求解领域表现突出：

• Frontier-Bench v0.1：超越所有竞品，在单项任务成本降低的同时，性能达Opus 4.8的两倍以上；
• CursorBench 3.2（高努力模式）：性能接近Fable 5峰值（仅差0.5%），但单任务成本仅为后者一半；在High/Xhigh/Max努力档位下，同等成本性能全面领先其他模型；
• ARC-AGI 3：解决全新未知问题能力极强，得分为第二名模型的3倍；
• Zapier AutomationBench：相同单任务成本下通过率约为第二名模型的1.5倍；最低努力设置下通过任务数仍高于其他所有模型；
• OSWorld 2.0：任意成本约束下均优于全部竞品，仅需略超三分之一成本即可超越Fable 5最佳成绩。

此外，在HLE、DeepSearchQA等评估中，Opus 5同样展现出最强综合性能与最优性价比。

科研能力实质性突破

在生命科学领域，Opus 5相较Opus 4.8实现系统性提升：

• 有机化学任务（如基于光谱推断分子结构）：内部基准得分提升10.2个百分点；
• 蛋白质相关任务（如预测变异对功能影响）：得分提升7.7个百分点。

模型还大幅强化视觉输出能力，可生成专业级空气动力学风洞图解、细胞结构互动图示等高信息密度图像内容。

主动思考与自我迭代能力升级

Opus 5展现出更强的“主动性”（Agency）与审慎执行能力，典型表现为：

• 自主构建视觉管线：面对无接口访问权限的机械图纸，自行编写CV流程提取几何特征，成功重建FreeCAD 3D模型，重复实验全部成功；而其他模型5次尝试均失败；
• 根治深层Bug：准确识别开源包管理器中的根本缺陷，修复社区补丁遗漏的边缘情况；竞品仅处理表层症状即宣告完成；
• 自建验证体系：为新交易所数据接入任务，在缺乏实时数据源条件下，自主构建完整测试套件验证解析逻辑准确性。

JetBrains IDE AI负责人指出，Opus 5在编码前更注重规划与逻辑自查，能在设计阶段提前发现自身推理漏洞，标志着解题能力的重要跨越。

安全对齐再加强

Opus 5是Anthropic迄今对齐程度最高的模型：

• 自动化行为审计显示其整体非对齐行为得分为2.3，为近期模型最低；
• 在《Claude's Constitution》合规性、抗诱导性、防误用能力等方面均优于Opus 4.8、Sonnet 5及Fable 5；
• 延续不对网络攻防任务进行专项训练的原则，但在通用能力提升带动下，漏洞发现能力已接近Mythos 5；漏洞利用（Exploit生成）能力仍明显受限，OSS-Fuzz评估证实其远低于Mythos 5。

网络安全分类器策略更精细：允许在源码中识别漏洞，但拦截二进制扫描、渗透测试及Exploit生成请求；被拦截时系统自动降级至Opus 4.8继续服务。生物科研场景沿用与Opus 4.8一致的安全防护机制，目前被视为最适配科研应用的通用模型之一。

实用设计与灵活定价

Opus 5维持与Opus 4.8完全一致的价格体系：

• 输入：5美元/百万Token；
• 输出：25美元/百万Token。

新增快速模式（Fast mode），运行速度约为默认模式的2.5倍，价格为基础价的2倍。模型支持动态调节“思考程度/努力程度”（Effort），用户可在智能深度与响应效率间按需平衡。

技术演进的新方向

Opus 5并非简单迭代，而是Anthropic在“高价值任务效能”与“实际使用成本”之间达成新平衡的标志性成果。它不追求单一维度的极致参数或峰值分数，而是聚焦真实场景下的交付质量、稳定性与可持续性。这种以任务闭环能力为核心的设计思路，正成为大模型从实验室走向产业落地的关键路径。