Anthropic Opus 5 发布：性能逼近 Fable 5 但价格砍半，刷新 ARC-AGI-3 纪录

IT之家 7 月 25 日消息，Anthropic 今日发布了 Opus 系列最新旗舰模型 ——Claude Opus 5，相比上一代 Opus 4.8 在性能提升的同时保持价格不变。Anthropic 表示，Opus 5 定位为面向日常使用的高性能模型，官方称其在部分能力上接近更高规格的 Claude Fable 5，但价格约为后者的一半。该模型目前已成为 Claude Max 服务的默认模型，也是 Claude Pro 用户可使用的最高能力模型，在多项代码、知识工作和科学研究测试中达到当前最高水平。据介绍，Opus 5 在 Frontier-Bench、GDPval-AA 等代码和知识工作评测中取得领先成绩。在 Frontier-Bench v0.1 测试中，Opus 5 超越其他模型，并且相比 Opus 4.8 将任务性能提升了一倍以上，同时每项任务成本更低。在 CursorBench 3.2 测试中，Opus 5 在最高努力模式下的成绩仅比 Fable 5 峰值低 0.5%，但单项任务成本约为后者一半。此外，在高、中高以及最高努力设置下，Opus 5 在单位成本性能方面均超过其他模型。在知识处理和问题解决能力方面，Anthropic 公布的测试结果显示，Opus 5 在 ARC-AGI 3、Zapier AutomationBench、OSWorld 2.0 等评测中均取得较高成绩。其中，在 ARC-AGI 3 测试中，Opus 5 的得分约为第二名的 3 倍；在衡量模型完成完整业务流程能力的 Zapier AutomationBench 中，其通过率约为成本相近模型的 1.5 倍。Anthropic 称，Opus 5 相比 Opus 4.8 在科研任务中也有明显提升，涵盖结构生物学、有机化学、生物信息学等领域。在有机化学任务中，例如根据光谱数据推断分子结构，Opus 5 比 Opus 4.8 高出 10.2 个百分点；在预测蛋白质序列变化对功能影响的任务中，高出 7.7 个百分点。在实际应用方面，Anthropic 强调 Opus 5 在验证自身结果和持续迭代修正方面能力更强。例如，在一项测试中，模型需要根据机器零件图纸生成 FreeCAD 三维模型，但无法直接查看图纸内容。Opus 5 编写了自己的计算机视觉流程，从原始像素中提取几何信息，并成功完成模型重建。另一项测试中，Opus 5 发现了一个开源软件包管理器中的实际漏洞，并修复了社区补丁遗漏的问题。此外，一名交易公司工程师使用 Opus 5 在一次会话中构建了一个新交易所的数据接口，在缺少实时数据源验证的情况下，模型还创建了测试工具检查代码解析结果。在安全方面，Anthropic 表示 Opus 5 的安全限制相比 Fable 5 更少。该公司预计，Opus 5 的安全分类器触发次数会比 Fable 5 减少约 85%。不过，Opus 5 仍针对部分高风险场景设置限制。例如，在网络安全领域，模型可以帮助分析源代码中的漏洞，但会阻止基于二进制文件的漏洞扫描、渗透测试以及漏洞利用代码生成等操作。Anthropic 表示，Opus 5 并未经过专门的网络攻击任务训练，但随着整体能力提升，其漏洞发现能力有所增强。在 OSS-Fuzz 测试中，Opus 5 与 Mythos 5 在漏洞发现方面表现接近，但在将漏洞转化为实际攻击工具方面仍明显落后于 Mythos 5。在生物领域，Opus 5 延续了 Opus 4.8 的安全机制，目前成为 Anthropic 面向公众开放的能力最强科研模型。不过，Anthropic 认为，Opus 5 在长时间、自主执行科研任务方面仍存在限制，而这类任务被认为可能带来更高风险。价格方面，Claude Opus 5 已通过 Anthropic 各平台上线，输入价格为每百万词元 5 美元（现汇率约合 33.9 元人民币），输出价格为每百万词元 25 美元（现汇率约合 169.6 元人民币），与 Opus 4.8 保持一致。开发者可通过 Claude API 调用 claude-opus-5。此外，Anthropic 还推出了 Opus 5 Fast 模式，该模式运行速度约为默认模式的 2.5 倍，价格为基础价格的两倍。同时，Anthropic 开放测试两项功能，包括 Claude 平台中的对话中途工具切换，以及 API 中的自动回退功能。自动回退功能允许用户在安全分类器拦截请求时，将任务自动转交给其他可用模型处理，从而避免直接返回错误信息。Anthropic 表示，Opus 5 与此前 Opus 系列模型一样，面向普通用户开放时不设置数据保留要求。