Opus 5衝上第一，還需要Fable 5嗎？

Anthropic 在 7 月 25 日凌晨正式推出新一代模型 Claude Opus 5，沒有像以往那樣強調「最強模型」的稱號，而是給出更務實的定位：在複雜任務中較少遺漏步驟、更傾向主動驗證中間結果，並在多項評測中兼顧性能與成本，適合日常高頻使用。這一定位轉變也直接反映在產品配置上，目前 Opus 5 已成為 Claude Max 的預設模型，也是個人訂閱用戶（Max 與 Pro 方案）能調用的最強模型；而能力更高的 Fable 5 則主要面向 API 與企業客戶，個人用戶雖可使用但額度相當有限。 從官方公布的成績來看，Opus 5 在軟體工程、知識工作與智能體任務的完成效率上都有明顯提升，在多項軟體工程、商業流程與電腦操作評測中名列前茅。在最高思考檔位（max effort）下，部分成績甚至逼近甚至超越 Fable 5。不過，在進攻性網路利用與長週期自主生物研究等高風險場景中，受限的 Mythos 5 仍然更強。Opus 5 提供可調節的 effort（思考檔位），讓用戶能依照任務難度調整推理資源投入：檔位越高處理複雜問題能力越強，但速度較慢、Token 消耗也更多；調低檔位則可節省時間與成本。 目前 Opus 5 已在全平台上線，API 價格為每百萬 Token 輸入 5 美元、輸出 25 美元，與前一代 Opus 4.8 持平，約為 Fable 5 的一半。若追求速度可開啟 Fast 模式，以約兩倍價格換取 2.5 倍速度。Anthropic 同時上線兩項 Beta 功能：動態調整工具與自動回退，用以降低 Agent 任務因緩存失效導致成本上升、或因安全攔截而中斷的風險。 為了驗證 Opus 5 的實際表現，我們先看官方給出的成績單。在軟體工程測試中，Frontier-Bench v0.1 測試中 Opus 5 超過所有參測模型，成績比 Opus 4.8 提高一倍以上，單項任務成本反而更低。在 CursorBench 3.2 測試中，開啟 max effort 後，Opus 5 與 Fable 5 的成績相差不到 0.5%，但每項任務成本約為後者一半。在需要模型連續操作的任務中，Zapier AutomationBench 測試裡，按相同單項任務成本計算，Opus 5 通過率約為第二名 Fable 5 的 1.5 倍。在 OSWorld 2.0 測試中，它僅用 Fable 5 單項任務成本的略多於三分之一，就超過了後者最好成績。這些測試的共同點在於，不只考驗模型能否答對一道題，還包括能否調用工具、跨越多個步驟、發現錯誤並繼續推進任務。 在 ARC-AGI 3 測試中，主要考察模型處理陌生規則與新問題的能力，Opus 5 取得 30.2%，此前榜首是 GPT-5.6 Sol 的 7.8%。不過該成績取自 high 檔而非 max 檔，max 檔結果尚未公布。至少在此設定下，Opus 5 展現了較強的規則歸納、觀察與試錯能力。不過，Opus 5 並非在所有項目中都領先，Anthropic 公布的十餘項對比中，有四項落後其他模型。在 Humanity’s Last Exam 測試中，不用工具時 Opus 5 得 56.3%，略低於 Fable 5 的 56.5%；開放工具後 Opus 5 升至 64.7%，反超 Fable 5 的 63.9%。這更能說明兩者差異：Fable 5 仍有更強的純模型能力，Opus 5 則更擅長搜索、調用工具、檢查結果並持續推進任務。 Anthropic 披露的案例也符合這一特點。Opus 5 在沒有圖像查看工具的情況下，自行編寫計算機視覺程序，從機械圖紙的原始像素中提取數據；在缺少即時行情的情況下，主動搭建測試環境驗證交易所數據接口是否正確。從這些表現來看，Opus 5 此次升級的重點，與其說是純模型能力的躍升，不如說是執行、驗證與糾錯能力變得更成熟。當然，官方跑分需要謹慎看待，例如 Frontier-Bench 測試結果是在特定智能體框架下進行五次測試後取平均值，觸發安全分類器時還會由 Opus 4.8 接管，說明工具配置、提示詞與運行環境變化都可能影響結果。 第三方榜單的數據也提供參考。截至 7 月 25 日，Artificial Analysis 的智能指數榜單上，Opus 5 max 以 61 分排在第一位，僅高於第二名的 Fable 5 一分。該榜單綜合九項評測，比單看某個優勢項目更能反映綜合能力。由此可得出兩個結論：第一，Opus 5 進入當前第一梯隊，且在最高思考檔位下暫時排在榜首；第二，在各項測試中，Opus 5 並未與其他模型拉開明顯差距，沒有形成斷層優勢。因此，Opus 5 只是當前榜單上的領先者，跑分給出了能力上限，真實使用中的穩定性、Token 消耗與最終交付質量，才決定性價比究竟高不高。 模型上線後，評價很快兩極分化。正面評價集中在程式設計與可互動內容生成。有網友在 X 上分享 Opus 5 生成的可互動 3D 黑洞可視化器，還能即時合成一段電子音樂，代碼、視覺效果與聲音被整合進同一個成品，說明其快速製作產品原型的能力很強。也有網友將 Opus 5 與 Fable 5、GPT-5.6、Kimi K3 對比，認為它在 3D 製作上效果更好。但也有開發者認為，Opus 5 在部分任務中過度思考，推理過程很長，做到後面甚至會「我行我素」，偏離最初目標。有網友測試後稱，模型消耗了大量 Token，並佔用了較多上下文空間，卻沒有嚴格按照要求執行，更高的 effort 並不一定帶來更好的結果。 更系統的測試來自代碼審查平台 CodeRabbit，其結論是 Opus 5 更適合寫程式碼，而不是獨立承擔全部程式碼審查工作。它處理開放式、設計導向的任務時效果更好，但在邏輯錯誤、競爭條件與 API 誤用等問題上仍可能漏檢。獨立開發者李默將 Opus 5 形容為一個「做事靠譜，但略有個性的同事」。實際體驗中，其除錯能力很強，整體遠高於 Opus 4.8，也是 Fable 5 額度耗盡後的合適替代品。但 Opus 4 時代形成的工作流與提示詞不能直接遷移到 Opus 5，想獲得明顯提升，需要了解新模型習慣，調整任務拆分、effort 檔位與驗證方法。李默提到，兩個 Beta 功能直接改善了 Agent 開發體驗：過去改一次工具列表整段快取就作廢，現在對話中途換工具也不會失效；API 還可啟用自動降級，被安全分類器攔截的請求會自動轉交其他模型。 綜合來看，Opus 5 目前更像一名執行力強、願意自查，但還需要磨合的同事。它適合生成程式碼、修復問題與完成邊界清楚的工作，但在複雜規劃、長週期自主任務與部分文字表達上，Fable 5 仍有優勢。Anthropic 近期正在加快模型更新速度：5 月 29 日發布 Opus 4.8，6 月 10 日發布 Fable 5 與 Mythos 5，7 月 1 日上線 Sonnet 5，7 月 25 日發布 Opus 5，不到兩個月，Claude 的主要產品線幾乎更新了一遍。在密集發布模型的情況下，行業對模型應如何開放的分歧也在擴大。7 月 16 日月之暗面發布開放權重模型 Kimi K3，性能被認為已接近前沿。幾天後，OpenAI 戰略負責人在 X 上預測華盛頓會圍繞中國開放權重模型製造「監管風險」，這番話被廣泛解讀為對開源陣營的施壓。 Opus 5 發布當天，英偉達、Meta、微軟等 25 家公司和機構聯合發表公開信，呼籲美國政府不要過早限制開放權重模型，OpenAI、Anthropic 與 Google 沒有出現在簽署名單中。缺席不等於明確反對開放權重，但與開放權重相比，Anthropic 確實更強調閉源、分級開放與風險控制。6 月 12 日，美國政府對 Fable 5 與 Mythos 5 實施管制，兩款模型一度全面下線。限制解除後，Fable 5 恢復公開服務，安全限制更少的 Mythos 5 仍只向部分獲批機構開放。Opus 5 的定位，正嵌在 Anthropic 這套「模型該如何開放」的策略裡。它發現原始碼漏洞的能力接近 Mythos 5，但將漏洞轉化為實際攻擊工具的能力卻明顯較弱。對 Anthropic 而言，它不只是更便宜的 Fable 5 替代品，也是一個更容易在合規框架下向普通用戶與企業開放的選項。 與此同時，Anthropic 還在擴充算力。Opus 5 發布前兩天，公司宣布將部署最高 2 吉瓦規模的 AMD Instinct MI450 系列 GPU 與 Helios 機架級系統，首批 1 吉瓦計劃於 2027 年上半年開始部署。AMD 還承諾未來向 Anthropic 進行最高 50 億美元的戰略股權投資。從密集發布模型、擴充晶片供給，到精簡系統提示詞，Anthropic 做的不僅是提高跑分，而是把模型能力拆分到不同價格、風險與使用場景中：Fable 5 負責更複雜、更長週期的任務，Sonnet 5 承接成本敏感的普遍需求，Opus 5 則試圖成為開發者與知識工作者的日常默認選擇。因此，Opus 5 並沒有讓 Fable 5 失去意義。後者仍代表 Anthropic 公開可用的模型能力上限，Opus 5 解決的是如何以更低成本，把接近旗艦的能力交給更多用戶。它的競爭力在於能否以更穩定的表現、更少的人工接管與可以控制的成本，把一項工作真正完成。