什么值得买App下载 App ›
连续签到专享现金活动

Claude Opus 5来了:性能翻倍价格却不变,ARC-AGI 3得分是GPT的近4倍

Anthropic 于 7 月 24 日发布 Claude Opus 5,输入定价 5 美元/百万 token、输出 25 美元/百万 token——与 Opus 4.8 完全一致,仅为 Fable 5 的一半。模型具备 100 万 token 上下文窗口,现已在 Claude API、Claude.ai、Claude Code、Amazon Bedrock、Google Vertex AI 和 Microsoft Foundry 同步上线。ARC-AGI 3 基准测试得分 30.2%,约为第二名 GPT-5.6 Sol(7.8%)的三倍。Claude Max 已切为默认模型,Claude Pro 用户可使用的最强模型也已换为 Opus 5。1234
Opus 5 没有降价。Anthropic 内部评测显示,同等单价下 Opus 5 任务完成率高于 Opus 4.8,Frontier-Bench 单任务成本反而更低。不想为速度多付钱的话,模型提供 Fast 模式:速度约为默认的 2.5 倍,代价是基础价翻倍。5
Effort 档位设置把算力选择权交给开发者。低 / medium 档适合高频、成本敏感任务;high 是 API 默认档;xhigh 面向长时间编程和 Agent 任务;max 只顾能力,不省 token。Anthropic 提醒,Opus 5 的低、中档已经强于早期 Opus 的默认模式,旧配置不应直接迁移。6
Frontier-Bench v0.1 测试智能体终端编程能力,Opus 5 得分 43.3%,Opus 4.8 为 21.1%,Fable 5 为 33.7%。同等成本下,Opus 5 性能是 Opus 4.8 的两倍以上。CursorBench 3.2 满算力档位得分与 Fable 5 峰值仅差 0.5%,单任务成本约为后者一半。37
ARC-AGI 3 衡量模型解决从未见过的新问题的能力,靠背题无法应对。Opus 5 得分 30.2%,约为第二名模型(7.8%)的三倍。Zapier AutomationBench 端到端商业自动化测试中,同等成本通过率约为第二名的 1.5 倍;OSWorld 2.0 电脑操作基准得分 70.6%,达到 Fable 5 最优成绩的三分之一成本。89
Andrej Karpathy 用一段《指环王》开篇测试 Opus 5:预算 10 美元 / 100 万 token,要求模型用 Three.js 生成 3D 场景。Opus 5 运行约 2 小时,输出约 5500 行代码,最终生成可交互的 3D 动画。Karpathy 指出,模型无法高效观看连续视频或进入场景试玩,只能通过截取静态画面检查结果,因此出现若干粗糙之处。1011
Claude Code 负责人 Boris 介绍,Opus 5 可连续运行数天、数周甚至数月,配合 Auto Mode 无需额外脚手架或 goal 指令。模型原生自带结果校验,会主动复盘错误并修正逻辑,相当于自带质检员。安全方面,Opus 5 在自动化行为审计中不当行为评分 2.3,低于 Opus 4.8、Sonnet 5 和 Fable 5;提示词注入防护达到新前沿,所有流量经过基于神经元可解释性的三层分类器。1213
Opus 5 现已上线所有平台,是 Claude Max 默认模型、Claude Pro 可用最强模型。API 模型 ID 为 claude-opus-5(固定快照,无日期后缀)。Anthropic 建议开发者重新跑一轮 effort sweep,摸索适合自己任务的档位配置。5

评论

评论区空态插画

当前文章无评论,是时候发表评论了