Claude Opus 5: Flagship mới của Anthropic, giải thích chi tiết

Phân tích chuyên sâu về Claude Opus 5, gồm điểm chuẩn, hiệu năng tác tử và so sánh với Fable 5, Opus 4.8, cùng các đối thủ.

Josef Waples

Đã cập nhật 3 thg 10, 2026 · 7 phút đọc

Khám phá cùng AI

ChatGPT Claude Perplexity

Tạo tài khoản miễn phí của bạn

Luyện tập và Lộ trình tiến trình của bạn.

Tiếp Tục Với Google

Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Anthropic lại vừa có một mẫu mới đứng thứ hai toàn đội hình.

Lần này là Claude Opus 5, được quảng bá là thông minh tiệm cận nhóm dẫn đầu, nhưng có giá chỉ bằng một nửa Claude Fable 5 và hơn thế nữa, Opus 5 thực sự vượt Fable 5 ở một số bài đánh giá về lập trình và công việc tri thức, bao gồm Frontier-Bench và GDPval-AA. Nó chỉ xếp sau Mythos 5, vốn vẫn chưa được phát hành rộng rãi.

Dưới đây là phần điểm qua những điểm mới ở Opus 5, cách nó thể hiện ở nhiều bài kiểm định, những gì Anthropic nói về cân chỉnh an toàn, và mức giá.

Claude Opus 5 là gì?

Opus 5 là bản phát hành mới nhất trong tầng Opus của Anthropic, về năng lực tổng thể thì nằm dưới Mythos, nhưng trên Sonnet và Haiku.

Anthropic cho biết mẫu mới nhất của họ “biết suy nghĩ và chủ động” (họ luôn có chút nhân hóa). Họ cũng nói mô hình được xây cho việc sử dụng hằng ngày, tức là đủ hiệu quả để chạy liên tục đối với kỹ sư AI.

Ở các bài đánh giá lập trình và công việc tri thức như Frontier-Bench và GDPval-AA, Anthropic nói Opus 5 hiện là mẫu tối tân nhất trong nội bộ, dù vẫn thua Mythos 5 ở các tác vụ an ninh mạng, điều chúng tôi đã phân tích kỹ trong bài viết Mythos 5.

Để xem đối đầu trực tiếp với các mẫu đối thủ và “anh em”, hãy đọc các bài so sánh sau:

Có gì mới ở Claude Opus 5?

Hai điểm nổi bật theo cách Anthropic mô tả điều thực sự mới: chuyển hướng sang hoàn thành nhiệm vụ thay vì dừng ở một câu trả lời có vẻ hợp lý, và bước nhảy về chất lượng đầu ra trực quan.

Tính bền bỉ kiểu agent

Thay đổi định tính lớn nhất của Opus 5 là sẵn sàng tiếp tục làm việc cho đến khi nhiệm vụ thật sự thành công. Anthropic cho một số hình dung như sau:

Được đưa một bản vẽ chi tiết máy nhưng không có cách xem trực tiếp, Opus 5 tự viết pipeline thị giác máy tính để trích xuất hình học từ các điểm ảnh thô.
Khi được yêu cầu sửa một lỗi thực sự trong trình quản lý gói mã nguồn mở phổ biến, Opus 5 đã tìm và khắc phục đúng nguyên nhân gốc, thay vì vá tạm.
Một kỹ sư tại một công ty giao dịch được cho là đã dùng Opus 5 để xây dựng nguồn dữ liệu thị trường cho một sàn giao dịch mới chỉ trong một phiên làm việc — bao gồm cả việc tự viết bộ kiểm thử để xác nhận logic phân tích cú pháp.

Sự sẵn sàng lặp lại thay vì chấp nhận câu trả lời có vẻ hợp lý này dường như là động lực giúp Opus 5 bứt phá ở các điểm chuẩn tác tử như Frontier-Bench.

Đầu ra trực quan mạnh hơn

Anthropic cũng nhấn mạnh Opus 5 có khả năng tạo đầu ra trực quan mạnh mẽ hơn đáng kể so với các mẫu trước, dẫn chứng bằng các ví dụ như mô phỏng kiểu hầm gió dòng khí chảy qua các vật thể khí động học, như một chiếc ô tô. Đây là ví dụ thuyết phục, và là tin tốt nếu công việc của bạn liên quan đến dựng sơ đồ sinh thành.

Điểm chuẩn Claude Opus 5

Bảng này chỉ bao gồm các mẫu của riêng Anthropic. Tôi xem các bản phát hành tương ứng và ghép lại trong phạm vi có thể. Tôi sẽ so sánh Opus 5 với các mẫu cạnh tranh ở phần tiếp theo.

Lưu ý: “không công bố” hoặc “không xuất bản” nghĩa là mẫu đó không được đưa vào bài kiểm định cụ thể trong bản phát hành tương ứng, chứ không phải điểm bằng không.

Bài kiểm định	Haiku 4.5	Sonnet 4.6	Opus 4.7	Opus 4.8	Sonnet 5	Fable 5	Opus 5
SWE-bench Verified	73.3%	79.6%	87.6%	88.6%	—	95.0%	96.0%
SWE-bench Pro	—	58.1%	64.3%	69.2%	63.2%	80.3%	79.2%
Terminal-Bench	41%	67.0% (2.1)	69.4% (2.0)	74.6% (2.1)	80.4% (2.1)	88.0% (2.1)	not published
Frontier-Bench v0.1 (đánh giá mới)	—	—	—	18.7%	—	33.7%	43.3%
GDPval-AA / v2 (Elo, /2000)	—	—	1,753	1,890 (v1) / 1,593 (v2)	1,618 (v2)	1,747 (v2)	1,861 (v2)
Kiểm toán hành vi lệch chuẩn (thấp = tốt hơn)	—	—	—	not disclosed	not disclosed	not disclosed	2.3 (tốt nhất tới nay)
Giá ($/MTok vào/ra)	$1/$5	$3/$15	$5/$25	$5/$25	$2–3/$10–15	$10/$50	$5/$25

Claude Opus 5 so với Fable 5

Bạn có thể thấy trong bảng trên rằng Opus 5 thực sự vượt “người anh em” đắt tiền hơn ở Frontier-Bench v0.1 (43.3% so với 33.7%) và GDPval-AA v2 (1861 so với 1747) — lại còn với mức giá chỉ bằng một nửa Fable 5.

Claude Opus 5 so với Opus 4.8

Đây là bước nhảy thế hệ rõ ràng nhất: Opus 5 dẫn trước tiền nhiệm ở ARC-AGI-3, từ 1.5% lên 30.2%, và Frontier-Bench v0.1, như bạn thấy trong bảng, tăng hơn gấp đôi (43.3% so với 18.7%). Xin nhớ rằng Opus 4.8 mới ra mắt cách đây chỉ hai tháng.

Claude Opus 5 so với các mẫu cạnh tranh

Bảng so sánh sau được tổng hợp bằng cách lấy trực tiếp kết quả điểm chuẩn từ các thông báo phát hành mô hình do Anthropic, OpenAI và Google công bố. Tôi chọn đưa vào các hàng nơi đủ nhiều mô hình có điểm số được công bố và có thể so sánh để hàng đó có ý nghĩa. Ngoài ra, các điểm chuẩn chỉ được báo cáo bằng những tuyên bố mơ hồ mang tính tương đối thì tôi loại ra.

Danh mục	Bài kiểm định	Claude Opus 5	GPT-5.6 Sol	GPT-5.6 Sol Ultra	GPT-5.6 Terra	GPT-5.6 Luna	GPT-5.5	Gemini 3.6 Flash	Gemini 3.5 Flash-Lite	Gemini 3.5 Flash	Gemini 3.1 Pro Preview
Công việc tri thức	GDPval-AA v2 (Elo)	1861	1736	—	1593	1591.8	1493.7	1421	—	1348.8	962.3
Lập trình	SWE-Bench Pro	79.2%	64.6%	—	63.4%	62.7%	59.4%	—	54.2%	—	54.2%
Lập trình	DeepSWE v1.1	68.8%	72.7%	—	69.6%	67.2%	67%	49%	—	37% (đường cơ sở)	11.8%
Lập trình	Terminal-Bench 2.1	—	88.8%	91.9%	87.4%	84.7%	85.6%	—	54% (so với đường cơ sở 3.1 Flash-Lite là 31%)	—	70.7%
Lập trình	Frontier-Bench v0.1 (lập trình trong terminal)	43.3%	37.5%	—	—	—	—	—	—	—	—
Sử dụng máy tính	BrowseComp	90.8%	90.4%	92.2%	87.5%	83.3%	84.4%	—	—	—	85.9%
Sử dụng máy tính	OSWorld 2.0*	70.6%	62.6%	—	50.2%	45.6%	47.5%	—	—	—	—
Lý luận trừu tượng	ARC-AGI-3	30.2%	7.78%	—	0.8%	0.18%	0.43%	—	—	—	0.42%
Sử dụng công cụ	AutomationBench	26.0%	18.1%	—	15.2%	14.9%	12.9%	—	—	14.5%	—

Cần nói rõ: Mọi con số ở đây đều do phòng thí nghiệm phát hành mô hình tự báo cáo, chạy trên bộ khung đánh giá, thiết lập nhắc lệnh, và (trong một số trường hợp) mức cấu hình nỗ lực hay suy luận của chính họ.

Opus 5 so với GPT-5.6 Sol

Opus 5 dẫn trước ở các bài toán suy luận khó và mới (ARC-AGI-3, Frontier-Bench, AutomationBench) trong khi GPT-5.6 Sol nhỉnh hơn ở các điểm chuẩn lập trình đã thành hình như SWE-Bench Pro và DeepSWE. Điều này có thể gợi ý Opus 5 có lợi thế ở giải quyết vấn đề mở hoặc ít theo khuôn mẫu, trong khi Sol mạnh ở các tác vụ lập trình xác định rõ và được huấn luyện nhiều.

Opus 5 so với Gemini 3.6 Flash

Bản phát hành gần đây của Gemini tập trung vào tầng Flash tối ưu chi phí hơn là flagship tiên phong, nên đa số hàng hoặc không có dữ liệu Gemini, hoặc chỉ có số Flash/Flash-Lite và kém xa cả Opus 5 lẫn GPT-5.6. So sánh này nói nhiều hơn về tầng mô hình chứ không phải năng lực tiên phong của Google.

Opus 5 so với GPT-5.6

Ở những nơi hai flagship trùng nhau, Opus 5 dẫn ở các tác vụ suy luận mới và tác tử (ARC-AGI-3, BrowseComp, OSWorld 2.0, AutomationBench), trong khi GPT-5.6 Sol nhỉnh hơn ở lập trình tầm xa (DeepSWE). Sol Ultra, Terra và Luna chủ yếu xuất hiện ở các điểm chuẩn lập trình riêng nơi Opus 5 không có điểm công bố, nên thực ra đây là “một flagship của Anthropic so với cả họ nhà OpenAI” hơn là một phép so sánh một-một gọn gàng.

Giá và khả dụng của Opus 5

Opus 5 hiện đã có trên các nền tảng của Claude với mức giá giống tiền nhiệm:

$5 mỗi một triệu token đầu vào
$25 mỗi một triệu token đầu ra

Chế độ nhanh chạy khoảng gấp 2,5 lần tốc độ mặc định, với giá gấp đôi mức cơ bản của Opus 5 trên Claude Platform (hoặc qua tín dụng sử dụng trong Claude Code) — cùng cấu trúc như Opus 4.8.

Nhà phát triển có thể truy cập mô hình qua API bằng chuỗi mô hình claude-opus-5.

Hai tính năng liên quan ra mắt beta cùng Opus 5:

Thay đổi công cụ giữa hội thoại trên Claude Platform — nhà phát triển giờ có thể hoán đổi những công cụ khả dụng cho Claude ngay giữa cuộc trò chuyện mà không làm mất bộ nhớ đệm prompt.
Tự động chuyển dự phòng — các yêu cầu bị bộ phân loại an toàn gắn cờ trên Opus 5 hoặc Fable 5 nay có thể được định tuyến tự động sang một mô hình khác sẵn có thay vì bị chặn hoàn toàn, để lưu lượng API tiếp tục chảy tới mô hình tốt nhất sẵn có theo mặc định.

Như các bản Opus trước, Opus 5 không áp dụng yêu cầu lưu trữ dữ liệu cho truy cập phổ thông.

Kết luận về Claude Opus 5

Nếu bạn thấy gần đây chúng tôi viết khá nhiều về các mẫu Claude, là vì đúng thế. Anthropic đang tập trung mạnh vào cải tiến nhanh để tối ưu năng lực và hiệu suất mô hình.

Hiện Anthropic đã tạo ra thứ gì đó nhìn chung tốt hơn mẫu tốt nhất trước đây, Fable 5. Nó đi kèm mức giá thấp hơn đáng kể, đồng thời công bố các chỉ số cân chỉnh tốt nhất từ trước đến nay.

Tiếp theo là gì? À, Haiku là mẫu lâu đời nhất của Anthropic, và chúng ta vẫn đang chờ nâng cấp lên series 5. Đó là một dự đoán cho bước tiếp theo, nhưng Anthropic vẫn luôn khiến chúng ta bất ngờ.