性能逼近旗舰，价格直接减半！Anthropic 发布 Claude Opus 5

Claude Opus 5 最狠的升级，其实写在账单上：

能力逼近 Fable 5，API 单价直接减半。

如果你正在给 AI 编程、企业 Agent 或专业工作流选模型，这次发布值得认真看完。

大模型的竞争，已经从“谁最强”转向一个更现实的问题：

谁能用更少的钱，把最难的工作做完？

2026 年 7 月 24 日，Anthropic 正式发布 Claude Opus 5。

官方描述：这是一款“步进式提升”的 Opus 模型，能力接近更高端的 Claude Fable 5，API 单价却只有后者的一半。

如果说 Fable 5 代表 Claude 家族不计成本追求能力上限，那么 Opus 5 更像一台真正准备进入日常生产环境的旗舰工作站：足够强，也更讲效率。

先看结论

Opus 5 的关键变化，可以浓缩成五点：

• 1M Token 上下文窗口，而且 1M 既是默认值也是上限，没有缩水的小窗口版本；
• 最大输出 128K Token，通过 Message Batches API 的 Beta 能力可扩展至 300K；
• API 价格为输入 5 美元/百万 Token、输出 25 美元/百万 Token，与 Opus 4.8 持平；
• Adaptive Thinking 默认开启，模型会根据任务难度自行决定思考量；
• 在编程、智能体、电脑操作和复杂知识工作上，性能明显超过 Opus 4.8，部分测试逼近甚至超过 Fable 5。

它还是 Claude Max 的默认模型，也是 Claude Pro 当前可用的最强模型。

从官方综合成绩看，Opus 5 并非每一项都拿第一。

例如在部分智能体编程、法律和健康测试中，Fable 5、Mythos 5 或 GPT-5.6 Sol 仍有优势。

但 Opus 5 真正可怕的地方，是它在多个核心项目上已经进入第一梯队，同时把价格压到了更容易日常使用的水平。

价格直接减半

先算一笔最直观的账：

• Claude Fable 5：输入 $10/MTok，输出 $50/MTok
• Claude Opus 5：输入 $5/MTok，输出 $25/MTok
• Claude Sonnet 5：输入 $3/MTok，输出 $15/MTok

Opus 5 的输入、输出单价都只有 Fable 5 的一半，并且与 Opus 4.8 保持一致。

这不代表每一个真实任务的最终账单都会精准减半。模型使用的 Token 数、工具调用次数和 Effort 档位都会影响成本。

但在 CursorBench 3.2 中，Opus 5 开到最高 Effort 后，峰值成绩距离 Fable 5 只有 0.5%，单任务成本约为后者一半。

Opus 5 最有吸引力的地方就在这里：“接近最高档的能力”被放进了更适合规模化使用的价格区间。

编程翻倍，GPT-5.6 Sol 呢？

在 Frontier-Bench v0.1 中，Opus 5 的最好成绩超过 Opus 4.8 的两倍，并且在官方测试里领先其他参测模型。

不过，真正让开发者感知明显的，可能不是多了多少百分点，而是它开始更像一个会对结果负责的工程师。

Anthropic 给出了几个很典型的案例：

• 面对无法直接查看的机械零件图，Opus 5 自己搭建了一套计算机视觉流程，从原始像素中提取几何信息，再重建 FreeCAD 3D 模型；
• 修复开源包管理器的真实 Bug 时，它不仅解决表面症状，还找到了社区补丁遗漏的边界条件；
• 为交易所开发行情数据接口时，因为没有实时数据可验证，它主动写了一套测试工具，检查解析结果是否正确。

这些案例指向同一种变化：模型开始主动验证、迭代，直到任务真正闭环。

对于 AI 编程来说，任务闭环比单次生成一段漂亮代码重要得多。

30.2%，但还不是 AGI

Opus 5 最抢眼的成绩，来自 ARC-AGI-3。

它取得了 30.2% 的成绩，而官方对比图中 GPT-5.6 Sol 的最佳成绩为 7.8%，差距接近四倍。Anthropic 将其概括为“下一名的三倍”。

这个结果说明 Opus 5 在陌生规则理解、抽象推理和新问题求解上有明显突破，但它仍然只完成了大约三成测试。

更准确的说法是：Opus 5 大幅刷新了这项测试的机器成绩，但距离通用智能仍然很远。

跑分可以证明能力边界正在移动，却不能替代真实业务中的稳定性、延迟、成本和人工验收。

Effort：新的成本旋钮

在 Opus 4.8 上，开发者需要主动开启 Adaptive Thinking。到了 Opus 5，思考已经成为默认行为。

模型会自己判断当前任务需要想多久，而用户可以通过 Effort 参数控制推理强度，共有五档：

low、medium、high、xhigh、max

默认档位是 high。

这套机制让同一个模型覆盖了更多任务：

• 简单整理、常规改写，可以降低 Effort，减少 Token 和等待时间；
• 复杂调试、架构设计、长周期智能体任务，可以提高 Effort，换取更深的推理；
• 不必为了每一种任务反复切换模型。

需要注意的是，max_tokens 同时限制思考内容与最终回答。

如果把 Effort 开到 xhigh 或 max，却仍保留很小的输出额度，模型可能还没完成推理就撞上上限。

1M 上下文，长任务更稳

Opus 5 的上下文窗口为 100 万 Token，标准同步 API 最大输出 12.8 万 Token。

在 Message Batches API 中，开发者还可以通过 output-300k-2026-03-24 Beta Header，将单次最大输出提高到 30 万 Token。

这更适合书籍草稿、长篇技术文档、大规模结构化抽取等异步任务。

它的可靠知识截止时间和训练数据截止时间均为 2026 年 5 月。

对刚发布的模型而言，这是一项很实用的优势。但需要最新资料时，仍然应该配合联网搜索和外部数据源。

3 个 Agent API 更新

除了模型本身，Anthropic 还同步推出了几个对智能体开发很实用的变化。

第一，中途更换工具。

开发者可以在同一段对话中增加或删除工具，同时保留提示词缓存。

以前工具列表一变，缓存往往随之失效；现在长流程 Agent 可以根据任务阶段动态调整能力。

第二，自动降级。

当 Opus 5 或 Fable 5 的请求触发安全分类器时，API 可以按照 Anthropic 推荐的策略自动路由到其他模型，而不是直接把整个流程卡死。

第三，更低的缓存门槛。

Opus 5 的最小可缓存提示词长度由 Opus 4.8 的 1024 Token 降至 512 Token。

对于系统提示词较短、调用频繁的应用，这能让更多请求享受到缓存读价格。

企业应用更早受益

Opus 5 在 Anthropic 的生命科学评估中全面超过 Opus 4.8。

其中，有机化学光谱推断提升 10.2 个百分点，蛋白质序列变化对功能影响的预测提升 7.7 个百分点。

这类提升不太容易成为社交平台上的“炸裂 Demo”，却可能在制药、生物信息学、金融研究、法律审阅和企业数据分析中产生更直接的价值。

安全方面，Anthropic 称 Opus 5 是其目前对齐程度最高的模型，在自动化行为审计中的总体不对齐行为得分为 2.3，低于近期其他 Claude 模型。

不过，“没有一般访问的数据留存要求”并不等于所有调用天然都是零数据留存。

企业仍需根据所用平台、功能和合同确认具体的数据保留政策。例如异步 Batch 任务为了处理和取回结果，本身就存在存储周期。

谁适合用？

如果你主要处理以下任务，Opus 5 很可能值得优先测试：

• 大型代码库中的重构、调试与代码审查；
• 需要连续使用多种工具的长周期 Agent；
• 财务、法律、科研等对推理和自我校验要求较高的专业工作；
• 过去想用 Fable 5，但成本难以规模化的业务。

如果只是摘要、翻译、简单问答或轻量脚本，Sonnet 5 依然可能更划算。

Fast Mode 虽然能带来约 2.5 倍速度，但价格也会变为基础 API 的两倍，即输入 $10/MTok、输出 $50/MTok。使用前同样需要算账。

短评

Claude Opus 5 的价值，远不止多一个更高跑分。

更重要的是，它把旗舰能力、长上下文、自适应思考和智能体执行力，放在了一个相对可控的成本里。

过去，企业做模型选型往往是在“能力”和“价格”之间二选一。

Opus 5 给出的新答案是：不必追求绝对最强，要看完成同一项任务时，能力、效率与成本能否形成最优组合。

这或许才是大模型进入生产环境后，真正决定胜负的指标。

你会把 Claude Opus 5 当作日常主力，还是继续使用更便宜的 Sonnet 5？欢迎在评论区聊聊。

我会持续跟进主流 AI 模型、Agent 和效率工具，把复杂参数翻译成能直接用于工作与选型的判断。

如果你不想被发布会跑分带着走，想知道一款模型值不值得用、适合什么任务、会多花多少钱，==关注我==。

觉得这篇梳理有用，也可以收藏起来，或转发给正在做模型选型的同事。