Claude Opus 5编程评测登顶且价格砍半，你还在用老模型当冤大头？
内容提要
Anthropic发布Claude Opus 5，编程评测登顶，性能接近顶级模型Fable 5但价格减半。推理能力突出，能自主写代码修bug，完成复杂工程和科研任务，安全对齐创纪录。定价与上代相同，但成本争议存在，网友评价分化。
延伸解读
性价比争议：官方口径与第三方数据打架
文章指出，Anthropic官方宣称Opus 5每个任务成本更低，但网友引用第三方评测（Artificial Analysis）的数据，显示其每个任务成本为$2.03，反而高于Opus 4.8的$1.80。同时，GPT 5.6 Sol（$1.04）和Kimi K3（$0.95）被认为性价比更高。这提醒读者，官方宣传可能经过筛选，实际成本需结合第三方评测和自身使用场景评估。
安全限制的取舍：能力与约束的平衡
Opus 5在安全对齐上表现优异，但网友吐槽其安全分类器过于敏感，例如Fable频繁降级到Opus 4.8，影响使用体验。Opus 5放宽了源码漏洞扫描，但二进制分析仍被限制。这表明，模型的安全措施可能带来额外限制，开发者在选择时需权衡安全性与灵活性，尤其涉及渗透测试等敏感任务时。
从代码生成到自主开发：AI角色的转变
文章通过多个案例展示Opus 5的自主性：它不仅能写代码，还能自行测试、修复bug，甚至编写工具验证数据。例如，在无法直接查看图纸时，它自创视觉程序提取数据并重建3D模型。这标志着AI从辅助编码工具向自主开发者的转变，可能改变团队协作模式，但同时也对任务监督和代码审查提出新要求。
Q&A
Claude Opus 5在编程评测中的表现如何？
Claude Opus 5在Frontier-Bench编程评测中得分超过所有模型，包括上一代Opus 4.8，并在CursorBench评测中接近顶级模型Fable 5，仅差0.5个百分点。
Claude Opus 5的定价是多少？与上一代相比有何变化？
Claude Opus 5的定价与Opus 4.8相同：输入每百万token 5美元，输出每百万token 25美元。但性能大幅提升，因此性价比更高。
Claude Opus 5在推理能力上有哪些突破？
在ARC-AGI 3评测中，Opus 5的得分是第二名模型的三倍；在Zapier AutomationBench中，通过率是同成本下其他模型的1.5倍；在OSWorld 2.0中，以三分之一的成本超过Fable 5的最好成绩。
Claude Opus 5在自主写代码和修bug方面有什么实际案例？
在一个Frontier-Bench任务中，Opus 5被要求根据零件图纸照片重建3D模型，但无直接查看权限，它自己编写计算机视觉程序提取几何数据并成功重建，重复五次成功。在软件工程评测中，它修复了一个社区补丁漏掉的边界情况。
Claude Opus 5在科学研究领域有哪些提升？
在所有生命科学评测中，Opus 5均优于Opus 4.8，尤其在有机化学任务中，从光谱数据推断分子结构的能力提高了10.2个百分点；蛋白质相关任务提高了7.7个百分点。
Claude Opus 5的安全对齐表现如何？
Opus 5在自动化行为审计中不一致行为得分最低，比Opus 4.8、Sonnet 5和Fable 5更遵守宪法原则，欺骗行为发生率最低，且安全措施与Opus 4.8相同，成为最强大的通用可访问科学模型。
网友对Claude Opus 5的评价有哪些分歧？
网友分三派：真香派认为性能接近Fable但价格减半，且无数据保留要求；质疑派指出第三方评测显示每个任务成本比Opus 4.8高，且图表可能经过挑选；观望派吐槽安全分类器限制多，回复冗长。
