Anthropic发布Claude Opus 5性能升级且定价减半

发布概况

Anthropic于2026年7月24日正式推出新一代旗舰大模型Claude Opus 5，官方将其定位为Opus层级的阶跃式升级，核心面向长周期运行智能体、编码与专业知识工作场景优化。该模型即日起在Anthropic自有平台开放使用，并同步登陆Amazon Bedrock、Google Cloud、Microsoft Foundry等主流云服务渠道，企业与开发者可通过API或订阅方式直接调用[S1][S8]。

从产品线布局来看，Opus 5填补了Anthropic在高性价比高端模型区间的空白。在此之前，Claude Fable 5代表品牌最强公开能力，但定价较高；Opus 4.8虽更亲民，但在复杂长链路任务上仍有明显差距。Opus 5的出现，使得接近前沿的智能能力首次以更可控的成本进入日常生产场景[S7][S9]。

核心性能升级

在编程与软件工程领域，Claude Opus 5实现了显著跃升。官方数据显示，在Frontier-Bench v0.1测试中，Opus 5得分达到43.3%，超过Fable 5的33.7%和Opus 4.8的18.7%，性能较前代提升两倍以上，成为该基准下新的SOTA[S5][S7]。这一提升不仅体现在单题正确率上，更体现在大型项目重构、多文件协同开发、根因级bug修复等真实工程任务中，模型能够主动校验输出、迭代修正错误，更接近资深开发者的工作模式[S3][S8]。

知识工作与推理能力同样得到强化。在GDPval-AA等知识工作评测中，Opus 5达到新的行业最优水平；知识工作专项得分为1861分，是Anthropic已发布模型中的最高分[S5][S7]。面对全新抽象问题的ARC-AGI 3测试中，Opus 5的得分约为次优模型的三倍，显示出更强的泛化推理与规则学习能力[S4][S8]。

长周期智能体能力是本次升级的重点方向。Opus 5被设计为可支撑数小时甚至通宵持续运行的智能体任务，能够在多步骤执行中灵活绕过卡点、从错误中恢复并主动调整策略[S8][S10]。在OSWorld 2.0计算机操作基准上，Opus 5以约三分之一的成本超过了Fable 5的最佳成绩，进一步验证了其在自动化任务中的性价比优势[S2][S5]。

科研与专业领域也获得明显提升。在生命科学相关评测中，Opus 5全面优于Opus 4.8，覆盖结构生物学、有机化学和生物信息学等方向。其中，根据波谱数据推断分子结构的内部基准提升了10.2个百分点，预测序列变异对蛋白功能影响的评测提升了7.7个百分点[S2][S5]。

定价与产品策略

定价策略是Claude Opus 5最受市场关注的变化之一。官方明确，该模型API定价为输入5美元/百万Token、输出25美元/百万Token，与前代Opus 4.8保持一致，仅为旗舰Fable 5的一半[S3][S7]。这意味着用户无需为性能升级支付额外费用，反而能用更低的单位成本获得接近顶级闭源模型的能力。

订阅体系方面，Opus 5已成为Claude Max的默认模型，同时也是Claude Pro订阅内可使用的最强模型。普通付费用户无需额外升级套餐，即可在日常使用中体验到此前高端档位才有的性能表现[S5][S7]。

为了进一步适配不同场景的成本与效率需求，Opus 5新增了可自由调节的Effort思考档位，覆盖low、medium、high、xhigh、max多个等级。档位越高，模型自主思考与自检迭代越强，消耗的Token也更多；低档位则更适合简单任务，在保证效果的前提下控制成本。即便是最低档位，Opus 5的整体性能仍全面超越Opus 4.8基础模式[S3][S10]。

Fast极速模式也同步推出，推理速度约为默认模式的2.5倍，价格为基础价格的两倍，主要面向对延迟敏感、任务复杂度适中的高并发场景[S3][S8]。配合Effort档位，企业可以在性能、速度、成本三者之间进行更精细的平衡。

能力边界与安全对齐

尽管整体性能大幅提升，Opus 5并非全面领先。官方明确指出，在网络安全任务上，Opus 5仍落后于Mythos 5，因此并不适用于高风险、双重用途的安全研究场景[S7][S9]。这一划分既体现了Anthropic对能力边界的审慎态度，也延续了其按风险等级分层释放模型能力的策略。

安全对齐方面，Opus 5表现出更强的抗注入与抗误用能力。根据公开评测结果，该模型的欺骗性行为比例处于近期模型最低水平，整体错位行为评分较低，更不易被诱导进入违规场景[S6][S8]。API侧还新增了安全分类器触发后自动回退至其他可用模型的Beta能力，以减少因安全拦截导致的请求中断[S8]。

行业影响与后续观察

Opus 5的发布正在重塑高端大模型的性价比预期。过去，旗舰级性能往往对应顶级定价，企业在批量部署智能体时常常受限于成本。如今，以一半价格获取接近前沿的能力，使得更多长周期、高复杂度的自动化任务具备了规模化落地的经济可行性[S3][S9]。

对开发者与企业而言，Opus 5的价值不仅在于跑分提升，更在于其降低了试错与迁移成本。由于定价与前代一致，现有基于Opus 4.8的应用可以平滑升级，在不增加预算的前提下获得更强的推理与执行能力[S8][S10]。Effort档位与Fast模式则为精细化运营提供了工具，帮助团队在不同任务间灵活分配算力。

从竞争格局看，Opus 5的高性价比策略将对高端闭源模型市场形成压力，也会倒逼行业重新审视“性能与价格”的平衡逻辑。随着企业对AI投资回报率的关注度持续上升，能够在保证质量的前提下显著降低成本的产品，将更有可能在实际落地中占据优势[S9][S10]。

目前，Opus 5的具体参数规模、训练算力等底层技术细节尚未公开，其在更多垂直领域的完整表现也有待第三方独立验证。后续可重点关注该模型在真实企业环境中的长周期运行稳定性、生态接入进度，以及对整体市场定价体系的带动作用。