Meet the New Claude Opus 5: Frontier-Class Agentic Coding and Computer Use at Unchanged Opus Pricing

Anthropic 今日正式發表全新旗艦模型 Claude Opus 5，直接取代兩個月前推出的 Claude Opus 4.8，成為 Opus 等級的新一代主力。官方強調，Opus 5 的智慧水準已接近尚未公開發布的 Claude Fable 5，但價格僅為後者的一半，定價維持不變，每百萬輸入 Token 收費 5 美元、每百萬輸出 Token 收費 25 美元。即日起，Opus 5 成為 Claude Max 方案的預設模型，同時也是 Claude Pro 方案中效能最強的選擇。 對於 API 開發者而言，這次升級帶來了三個不可忽視的變革。首先，思考（Thinking）功能預設為開啟。在 Opus 4.8 上，若不特別設定 thinking: {"type": "adaptive"}，請求就不會進行思考；但 Opus 5 的所有請求都會自動啟用思考，開發者可透過 effort 參數控制思考深度。由於 max_tokens 同時限制了思考過程與回應文字，既有程式碼中的數值需要重新檢視。 第二項是破壞性變更：若開發者嘗試將 thinking 設為 {"type": "disabled"} 並同時使用 effort 參數 xhigh 或 max，API 將回傳 400 錯誤。這個限制是逐次請求強制執行，開發者必須將 effort 控制在 high 以下，否則就必須移除 thinking 欄位。第三，Anthropic 建議開發者刪除提示詞中的驗證指令，例如「請加入最終驗證步驟」這類要求，因為 Opus 5 本身已經會自動驗證自己的輸出，加入這類指令反而會導致過度驗證。官方已釋出 Opus 5 提示詞指南，說明如何調整提示模式。 在規格面，Opus 5 的模型 ID 為 claude-opus-5，預設與最大上下文長度皆為 100 萬 Token，沒有提供較小的變體。最大輸出長度在同步 Messages API 上為 12.8 萬 Token；若使用 Message Batches API 並加上 output-300k-2026-03-24 beta 標頭，則可達 30 萬 Token。此外，可快取提示的最小門檻從 1024 Token 降至 512 Token，有助於開發者節省成本。 編碼與代理能力是本次升級最明顯的亮點。在 FrontierBench v0.1（Terminal-Bench 2.1 的後繼評測，共 74 項任務）中，Opus 5 在 max effort 設定下獲得 43.3% 分數，遠高於 Opus 4.8 的 18.7%，也超越 Fable 5 的 33.7% 與 GPT-5.6 Sol 的 37.5%。若將 effort 拉高至 xhigh，平均獎勵達到 44.4%，為最佳成績。值得注意的是，在該測試中，Opus 5 的安全分類器標記並拒絕了 5% 的 API 呼叫（涵蓋 4% 的試驗），而 Fable 5 的分類器則標記了 42% 的呼叫（涵蓋 26% 的試驗），顯示 Opus 5 在安全過濾上的干預頻率大幅降低。 在 SWE-bench Verified 上，Opus 5 拿下 96.0%，SWE-bench Pro 則為 79.2%，僅略低於 Fable 5 的 80.0%。但在 SWE-bench Multimodal 上，進步幅度顯著，從 38.4% 躍升至 59.4%。代理任務的表現更為突出：Opus 5 在 OSWorld 2.0 達到 70.57%，Opus 4.8 僅 55.7%；Zapier AutomationBench 則從 17.0% 提升至 26.0%，Fable 5 在同項目為 17.4%。若將 effort 設為中等，每項任務成本僅 0.89 美元，仍可獲得 24% 分數。在 Artificial Analysis GDPval-AA v2 排行榜上，Opus 5 以 ELO 1861 與 1827 佔據前兩名，其中 xhigh 設定不僅擊敗所有其他模型，且輸出 Token 數比 max 設定少了 25%。 推理能力同樣有驚人成績。Anthropic 讓 Opus 5 在不使用工具或代理框架的情況下，直接解答 IMO 2026 全部六道題目，由三個模型組成的評審團判定所有 24 個解答正確。人類專家獨立評分每題一個預先指定的解答，全部獲得 7/7 滿分，總分 42/42 達到金牌水準，遠高於 29/42 的合格線。在 ARC-AGI-3 評測中，ARC Prize 基金會驗證 Opus 5 在 high effort 下達到 30.16%，約為先前最佳排行榜成績的四倍；GPT-5.6 Sol 僅 7.78%，Opus 4.8 更是只有 1.52%。發布時 max effort 的結果尚未出爐。而在 Humanity's Last Exam 上，Opus 5 不使用工具獲得 56.3%，使用工具則提升至 64.7%。 多模態任務的結果帶來一個實務教訓：代理工具能更有效地擴展測試時計算資源，效果勝過單純的適應性思考。在 Chartography 評測中，Opus 5 不使用工具僅得 29.6%，但搭配容器與裁圖工具後躍升至 83.0%。在 BenchCAD Vision2Code 上，體素 IoU 從 0.366 提升至 0.821，甚至大幅超越 Claude Mythos 5 的 0.678。 網路安全能力方面，Anthropic 並未針對性訓練 Opus 5 的網路攻擊技能，但隨著整體能力提升，安全相關表現也跟著增強。在 ExploitBench 的 AutoNudge 項目中，Opus 5 獲得 10.14 個能力標記，並產生 99 個完整任意程式碼執行漏洞（Mythos 5 為 132 個）。在 OSS-Fuzz 上，Opus 5 在 79.4% 的目標中獲得非零分數，Mythos 5 約為 80%。但 Opus 5 僅完成 4 個完整漏洞利用，Mythos 5 則有 13 個。這項差距正是安全設計的關鍵：Opus 5 在發現漏洞的能力上幾乎與 Mythos 5 相當，但在實際利用漏洞的能力上明顯落後。因此，Anthropic 放寬了原始碼漏洞發現的限制，但二進位掃描、滲透測試與漏洞利用生成仍維持封鎖。分類器的干預頻率預計比 Fable 5 減少約 85%。防禦者可申請加入網路驗證計畫。 英國 AISI 對早期檢查點進行了三項網路範圍測試，每次嘗試耗用 1 億 Token。Opus 5 在「The Last Ones」範圍中，10 次嘗試有 8 次成功端到端破解；在更困難的「Doing Life」範圍中，雖未完全破解，但抵達步驟 22（共 23 步），超越所有受測模型。根據 Anthropic 的負責任擴展政策（RSP），Opus 5 被歸類為具備 CB-1 能力但未達 CB-2，並採用與 Opus 4.8 相同的 ASL-3 保護措施，未跨越 AI 研發門檻。 提示注入攻擊的防禦是本次安全報告中最突出的數字。在 Gray Swan 間接提示注入基準測試中，攻擊者在 15 次嘗試內的成功率從 Opus 4.8 的 5.5% 降至 2.0%，Mythos 5 為 2.6%，GPT-5.6 Sol 則高達 20.0%。在透過 Claude Cowork 運行的瀏覽器環境中，攻擊成功率從 Opus 4.8 的 31.5% 降至 3.70%，且此為未施加任何安全機制的結果；若啟用自動模式，則在全部 129 個環境中達到 0% 成功率。 總體而言，Claude Opus 5 在價格不變的前提下，於編碼、代理、推理與安全等面向均展現顯著進步。Anthropic 也主動揭露了部分負面資訊，例如事實性幻覺發生率略高於 Opus 4.8。開發者與用戶可從 API 或 Claude 產品中直接體驗這款新模型。