Claude Opus 5：据Artificial Analysis称最智能模型——高分背后的真相

Anthropic于2026年7月24日发布了Claude Opus 5，定位介于Sonnet 5与受限制的Fable/Mythos 5之间。该模型拥有100万个令牌的上下文窗口、12.8万个令牌的输出，并默认启用推理功能，提供五个努力等级：低、中、高、额外、最大。在内部基准测试中，Opus 5在Frontier-Bench v0.1（智能体编程）上得分为43.3%，而Opus 4.8为18.7%，Fable 5为33.7%；在ARC-AGI-3（抽象推理）上得分为30.2%，相比之下GPT-5.6 Sol为7.8%。然而，独立的人工分析智能指数（Artificial Analysis Intelligence Index）在最大努力下给Opus 5打分为61分，仅比Fable 5（60分）高1分，比GPT-5.6 Sol（59分）高2分，宣称这是最智能的模型，但优势微弱。该模型被描述为明显缓慢且冗长：在最大努力下，首个令牌的生成时间超过一分钟，基准测试套件的总令牌消耗约为1亿个，而中位数约为6300万个。尽管有这些优势，Opus 5在DeepSWE v1.1智能体编程（68.8%对GPT-5.6 Sol的72.7%）、HealthBench Professional（59.8%对Mythos 5的66.0%）和Legal Agent Benchmark（11.7%对Fable 5的13.3%）上落后。Anthropic的报告中强调了一个案例：给定一个没有视觉信息的蓝图，Opus 5自行从原始像素数据编写计算机视觉程序来解决问题，而竞争对手则失败。在消极方面，在一项蛋白质设计测试中，预算为1万美元、时限为24小时，Opus 5一次运行未产出任何结果，另一次仅产出17个未排序的变体，陷入了低效的自我验证循环。该公司警告称，最大努力可能因过度思考而受影响，并建议从额外努力开始用于编程，高努力用于其他任务。