Claude Opus 5以一半成本达到接近前沿的性能，但在网络安全上故意留出盲点

Claude Opus 5今天正式发布，其数据令人瞩目。在Frontier-Bench v0.1上，该模型超越了所有其他测试模型，在每任务成本更低的情况下，分数是其前代Opus 4.8的两倍多。在CursorBench 3.2上，它的得分与Fable 5的峰值相差不到0.5%，而每任务成本只有一半。在衡量解决新问题能力的ARC-AGI 3评估中，Opus 5的分数是次优模型的三倍。

定价与Opus 4.8保持不变：每百万输入token 5美元，每百万输出token 25美元。这使得接近前沿的智能以Fable 5价格的一小部分即可获得，成为Claude Max的默认模型和Claude Pro上最强的模型。

但这些亮眼的数字也伴随着一个警告。Anthropic有意训练Opus 5，避免其提升进攻性网络安全能力。该模型发现漏洞的比率接近其专注于网络安全的兄弟模型Mythos 5，但很难将这些漏洞转化为可用的利用代码。在OSS-Fuzz基准测试中，Opus 5和Mythos 5识别bug的速率相似，但Opus 5的利用开发分数远远落后。

这是有意为之。Anthropic在Opus 5上的安全分类器阻止了基于二进制的漏洞扫描、渗透测试和利用生成。被标记的请求默认回退到Opus 4.8，企业可以通过网络安全验证计划访问限制较少的版本。

在实际使用中，早期测试者描述这个模型会先思考再行动。一家交易公司的工程师使用Opus 5在一个会话中为一家新交易所构建了市场数据源，而之前的模型即使在大量指导下也无法完成。另一位测试者让Opus 5担任其开发环境的幕僚长，该模型构建了自己的监控器并独立驱动每台机器。

该模型还展现出更强的自我验证能力。在接到一个无法直接查看绘图的任务时，它自己编写了计算机视觉流水线，从原始像素中提取几何图形。当被要求修复一个流行包管理器中的bug时，它找到了根本原因，并修补了社区自己的修复方案遗漏的一个边缘情况。

在生物学和科学研究方面，Opus 5相比Opus 4.8有明显的升级，在生命科学评估中全面改进，尤其是有机化学和蛋白质相关任务。然而，在长时间自主研究任务上，它仍然不如Mythos 5，Anthropic指出这是生物学应用中风险最高的领域。

Anthropic还在发布的同时引入了两个功能：Claude平台上的会话中工具更改（允许开发者更改工具而不使提示缓存失效），以及API上的自动回退（被标记的请求路由到另一个模型而不是被阻止）。

对于在Opus 5和Fable 5之间做选择的团队，计算很简单：Opus 5以一半的成本提供了Fable的大部分推理能力，但你会失去在网络安全任务和一些最难的自主研究方面的优势。对于大多数编码和知识工作，它是更好的日常选择。