Claude Opus 5：Anthropic 全新旗舰详解

深入解读 Claude Opus 5，包括基准测试、Agent 性能，以及与 Fable 5、Opus 4.8 和竞品模型的对比。

Josef Waples

已更新 2026年10月6日 · 7分钟阅读

使用 AI 探索

Anthropic 又发布了一款全新的「第二好」模型。

这次是 Claude Opus 5，官方定位为接近前沿智能，但定价仅为 Claude Fable 5 的一半。更重要的是，Opus 5 在多个编码与知识工作评测（包括 Frontier-Bench 和 GDPval-AA）上实际优于 Fable 5。它仅次于仍未广泛开放的 Mythos 5。

下面我们将带您了解 Opus 5 的新特性、更多基准测试表现、Anthropic 对其对齐与安全性的表述，以及价格信息。

什么是 Claude Opus 5？

Opus 5 是 Anthropic「Opus」序列的最新版本。按整体能力排序，它低于 Mythos，但高于 Sonnet 与 Haiku。

Anthropic 表示其最新模型「深思熟虑且积极主动」（他们总有点拟人化）。同时强调该模型面向日常使用，对 AI 工程师而言，这意味着其效率足以长期稳定运行。

在 Frontier-Bench 与 GDPval-AA 等编码与知识工作评测中，Anthropic 称 Opus 5 已是其模型中的最新 SOTA。不过在网络安全任务上仍落后于 Mythos 5，详情见我们的 Mythos 5 文章。

如需查看与竞品及同门模型的正面对比，请参考以下比较指南：

Claude Opus 5 有哪些新变化？

在 Anthropic 自身的表述中，有两点最为突出：其一，转向把任务真正做完，而不是停留在看似合理的回答；其二，视觉输出质量显著提升。

Agent 持续性

Opus 5 最大的质变在于：它更愿意持续工作，直到任务真正成功。Anthropic 给出了这样的画面感示例：

在只有机加工零件图纸、但无法直接查看的情况下，Opus 5 自行编写计算机视觉流程，从原始像素中提取几何信息。
被要求修复一个流行开源包管理器中的真实缺陷时，Opus 5 找到并修复了实际根因，而不是打一块补丁。
据称某交易公司的工程师使用 Opus 5，在单次会话中构建了一个新交易所的行情数据馈送——包括自行编写测试工具来验证解析逻辑。

相较于满足于「看似合理」的回答，这种持续迭代直至成功的倾向，似乎正是 Opus 5 在 Frontier-Bench 等 Agent 评测中跃升的推动力。

更强的视觉输出

Anthropic 还指出，Opus 5 的视觉输出能力较以往模型有实质性提升，例如可生成类似风洞可视化的气流示意图（如围绕汽车的气流）。这是个很有说服力的例子；如果您的工作涉及生成图示，这是个好消息。

Claude Opus 5 基准测试

此表仅包含 Anthropic 自家的模型。我查阅了各自的发布信息并尽量对齐可比项。与竞品的对比会在下一部分展开。

说明：「未披露」或「未发布」表示该模型在相应发布中未包含该项评测，并非得分为零。

Benchmark	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 (new eval)	—	—	—	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)
Misaligned-behavior audit (lower = better)	—	—	—	not disclosed	not disclosed	not disclosed	2.3 (best yet)
Price ($/MTok in/out)	$1/$5	$3/$15	$5/$25	$5/$25	$2–3/$10–15	$10/$50	$5/$25

Claude Opus 5 vs. Fable 5

从上表可见，Opus 5 在 Frontier-Bench v0.1（43.3% vs. 33.7%）和 GDPval-AA v2（1861 vs. 1747）上实际领先其更昂贵的兄长——而价格仅为 Fable 5 的一半。

Claude Opus 5 vs. Opus 4.8

这一组对比体现了最清晰的代际跃迁：在 ARC-AGI-3 上，Opus 5 从 1.5% 跃升至 30.2%；在 Frontier-Bench v0.1 上，如表所示也实现了翻倍以上的提升（43.3% vs. 18.7%）。别忘了，Opus 4.8 发布才两个月。

Claude Opus 5 vs. 竞品模型

下表对比直接取自 Anthropic、OpenAI 和 Google 的模型发布公告中公布的基准结果。我选择了足够多模型提供可比分数的行，以确保有意义。仅以相对、模糊表述呈现的评测被排除在外。

Category	Benchmark	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
Knowledge Work	GDPval-AA v2 (Elo)	1861	1736	—	1593	1591.8	1493.7	1421	—	1348.8	962.3
Coding	SWE-Bench Pro	79.2%	64.6%	—	63.4%	62.7%	59.4%	—	54.2%	—	54.2%
Coding	DeepSWE v1.1	68.8%	72.7%	—	69.6%	67.2%	67%	49%	—	37% (baseline)	11.8%
Coding	Terminal-Bench 2.1	—	88.8%	91.9%	87.4%	84.7%	85.6%	—	54% (vs 3.1 Flash-Lite baseline 31%)	—	70.7%
Coding	Frontier-Bench v0.1 (terminal coding)	43.3%	37.5%	—	—	—	—	—	—	—	—
Computer Use	BrowseComp	90.8%	90.4%	92.2%	87.5%	83.3%	84.4%	—	—	—	85.9%
Computer Use	OSWorld 2.0*	70.6%	62.6%	—	50.2%	45.6%	47.5%	—	—	—	—
Abstract Reasoning	ARC-AGI-3	30.2%	7.78%	—	0.8%	0.18%	0.43%	—	—	—	0.42%
Tool Use	AutomationBench	26.0%	18.1%	—	15.2%	14.9%	12.9%	—	—	14.5%	—

需要说明：此处所有数值均由发布该模型的实验室自行报告，并在其自有评测框架、提示设置，以及（在某些情况下）思维/推理层级配置下获得。

Opus 5 vs. GPT-5.6 Sol

在更困难、更具新颖性的推理任务（ARC-AGI-3、Frontier-Bench、AutomationBench）上，Opus 5 领先；而在更成熟的编码评测（如 SWE-Bench Pro 和 DeepSWE）上，GPT-5.6 Sol 略胜一筹。这可能意味着 Opus 5 在开放式或非模板化问题求解方面更有优势，而 Sol 在定义清晰、训练充分的编码任务上表现更强。

Opus 5 vs. Gemini 3.6 Flash

Gemini 的近期发布聚焦于 Flash 级、成本高效的模型，而非前沿旗舰，因此多数行要么没有 Gemini 数据，要么只有 Flash/Flash-Lite 的数值，且与 Opus 5 和 GPT-5.6 相比差距较大。这个对比更多反映了模型层级的差异，而非谷歌在前沿能力上的水平。

Opus 5 vs. GPT-5.6

在两者重合的评测中，Opus 5 在新颖推理与 Agent 任务（ARC-AGI-3、BrowseComp、OSWorld 2.0、AutomationBench）上领先；而 GPT-5.6 Sol 在长周期编码（DeepSWE）上略胜。Sol Ultra、Terra 与 Luna 多数出现在 Opus 5 未公布分数的其他编码评测中，因此这更像是「Anthropic 的单一旗舰 vs. OpenAI 的全系家族」而非一对一的干净对比。

Opus 5 的定价与可用性

Opus 5 今日已在 Claude 全平台上线，价格与其前代保持一致：

$5 / 百万输入 Token
$25 / 百万输出 Token

快速模式的速度约为默认模式的 2.5 倍，价格为 Opus 5 基础费率的两倍（在 Claude Platform 上，或通过 Claude Code 的用量积分）——与 Opus 4.8 的结构相同。

开发者可通过 API 使用模型字符串 claude-opus-5 进行访问。

两项相关功能将随 Opus 5 一同以测试版推出：

对话中切换工具（Claude Platform）——开发者现在可在不失效提示缓存的情况下，于对话中途更换 Claude 可用的工具集。
自动回退——在 Opus 5 或 Fable 5 上被安全分类器拦截的请求，可自动路由至其他可用模型，而非直接阻断，使 API 流量默认继续流向可用的最佳模型。

与早期 Opus 版本相同，Opus 5 的通用访问不涉及数据留存要求。