Anthropic 发布 Claude Opus 5：以相同 Opus 价格提供代理编程和计算机任务能力

Anthropic 已发布 Claude Opus 5，取代 Opus 4.8 成为旗舰级 Opus 模型。价格保持不变：每百万输入 token 5 美元，每百万输出 token 25 美元。该模型在智能水平上接近 Claude Fable 5，而价格仅为后者的一半，现已成为 Claude Max 的默认模型，也是 Claude Pro 中最强大的模型。在 API 层面，发生了三项关键变化：思考功能默认启用（effort 参数控制深度）；禁用思考（设置 type: disabled）并使用 effort xhigh 或 max 现在会返回 400 错误；建议开发者移除类似“启用最终检查”的提示，因为模型已具备自我检查能力。模型 ID 为 claude-opus-5，上下文窗口为 1M token（最大值和默认值），最大输出通过同步 Messages API 为 128k token，通过 Message Batches API 最高可达 300k token。在基准测试中，该模型表现出显著增长：FrontierBench v0.1 上为 43.3%（Opus 4.8 为 18.7%），SWE-bench Verified 上为 96.0%，OSWorld 2.0 上为 70.57%，Zapier AutomationBench 上为 26.0%。代理任务结果最为强劲：该模型解决了 IMO 2026 全部 42 道题目（获得金牌）。在高努力模式下，ARC-AGI-3 得分为 30.16%（比此前纪录高出 4 倍）。在多模态任务中，工具（如容器、图像裁剪）远比“思考”更有效：在 Chartography 上，使用工具时的得分为 83.0%，而仅靠思考为 29.6%。在网络安全方面，能力作为副作用有所提升：在 ExploitBench 上，该模型获得了 10.14 个标志和 99 个完整漏洞利用（Mythos 5 为 132 个）。Anthropic 仅放宽了源代码漏洞搜寻的限制；二进制扫描、渗透测试和漏洞利用生成仍被禁止。分类器触发频率将比 Fable 5 低约 85%。在英国 AISI 测试中，该模型在 10 次尝试中解决了 8 次“最后之人”任务。根据 RSP 计划，该模型具备 CB-1 能力，但不具备 CB-2。在提示注入防御方面表现出色：浏览器攻击在无保护情况下从 31.5% 降至 3.70%，启用自动模式后降至 0%。然而，该公司也公布了不足之处，包括与 Opus 4.8 相比，事实性幻觉的发生率略高。