Anthropic 於上周五正式推出全新 AI 模型 Claude Opus 5，以一半的價格提供接近頂級模型 Claude Fable 5 的前沿智慧。這對於企業在面對 AI 代幣成本不斷攀升的情況下，無疑是一大福音。

性價比超群的 Opus 5

根據 Anthropic 的數據，Opus 5 在與前代 Opus 4.8 相同的成本基礎上，實現了跨越式的效能提升。它不僅成為 Claude 平台的新預設模型，更是 Claude Pro 方案中性價比最高的選擇。Opus 5 的定價大幅降低了開發者的使用門檻，並與市場上的其他競爭者形成激烈的競爭。

從具體數據來看，Claude Fable 5 的輸入成本為 10 美元/每百萬代幣，輸出成本為 50 美元；而 Opus 5 的輸入成本僅為 5 美元，輸出成本為 25 美元。然而，評估模型成本不能只看單價。根據人工分析的智力指數任務加權平均成本，完成同一項任務的實際花費依次為 Fable 5（2.75 美元） > Opus 5（2.03 美元） > GPT-5.6 Sol（1.04 美元） > Kimi K3（0.95 美元）。

Opus 5 的實力與應用

Opus 5 被設計為能夠勝任日常複雜知識工作與軟體工程的模型，並在多項權威評測中展現出驚人的實力。例如，在軟件工程（Frontier-Bench v0.1）評測中，Opus 5 超越所有對手，效能是前代 Opus 4.8 的兩倍以上，且單次任務成本更低。

此外，Opus 5 在問題解決（ARC-AGI 3）評測中，面對未見過的新問題，其得分是次佳模型的三倍。在商業自動化（Zapier AutomationBench）評測中，Opus 5 的端到端完成任務的通過率是同等成本下次佳模型的 1.5 倍。而在電腦操作（OSWorld 2.0）評測中，Opus 5 甚至突破了 Fable 5 的最佳成績。

成本控制與安全性

隨著模型能力的進化，Anthropic 調整了 Opus 5 的底層邏輯。工程師 Thariq Shihipar 指出，官方在最新版本中刪除了高達 80% 的 Claude Code 系統提示詞（System Prompts），並建議開發者使用 claude doctor 指令來自動優化現有的提示詞。

然而，企業用戶需要特別注意成本陷阱。Opus 5 預設的回應較前代更加冗長，由於輸出代幣的價格（25 美元）遠高於輸入（5 美元），過於囉嗦的回應會直接拉高使用成本。因此，官方強烈建議，若不需要長篇大論，用戶必須在提示詞中「明確限制回應長度」。

安全性和自動備援機制

在安全性和對齊度（Alignment）方面，Opus 5 是 Anthropic 迄今最安全的模型。它在网络安全与生物学任务的表现中展示了精准的“防护隔离”：放寬漏洞搜尋的网络分类器比 Fable 5 更为宽松，在 OSS-Fuzz 开源漏洞测试中，Opus 5 的发现率高达 80%，与专注于安全性的 Mythos 5（79.4%）旗鼓相当。

尽管会找漏洞，但 Opus 5 将漏洞“武器化”的能力被严格限制（成功率仅 4/14），远低于 Mythos 5（13/14），并会阻止二进制漏洞扫描与渗透测试生成。

为了解决过去模型因安全机制“过度拒绝”而导致开发中断的问题，Anthropic 在 API 上推出了“自动备援（Auto-fallback）”功能。未来当用户的请求被判定对 Opus 5 或 Fable 5 来说过于敏感而触发安全分类器时，系统不会直接封锁，而是自动将请求降级，以确保工作流不会中断。

從產業面來看，Opus 5 的推出不僅降低了企業的 AI 成本門檻，還在多個關鍵領域展示了卓越的性能。這不僅意味著企業可以更靈活地應用 AI 技術，還可能加速 AI 技術在各行業的普及。
— 資深編輯

目前 Claude Opus 5 已在全球所有平台上線，支持预设速度 2.5 倍的“快速模式”。API 开发者可以在对话中途直接更改工具（Tool use），而不会使提示缓存失效。Anthropic 承诺，针对一般 API 访问，仍然维持“不保留用户数据”的隐私承诺。

企業和開發者在享受 Opus 5 帶來的成本效益和高效性能的同時，也需注意合理控制使用成本，並善用其安全性和自動備援機制，以確保業務的順利進行。

本文改寫整理自公開新聞來源，原始報導由科技新報發布。

常見問題 FAQ

Opus 5 的價格是多少？

Opus 5 的輸入成本為 5 美元/每百萬代幣，輸出成本為 25 美元/每百萬代幣。

Opus 5 與 Fable 5 的性能差異如何？

Opus 5 在多項權威評測中展現出接近 Fable 5 的性能，但在成本上大幅降低。

如何避免 Opus 5 的冗長回應增加成本？

用戶可以在提示詞中明確限制回應長度，以控制使用成本。

※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。