Related articles
7 月 25 日凌晨 1 点，Anthropic 发布了 Claude Opus 5。如果只看名字，你会以为它是 Opus 4.8 的继任者，Anthropic 产品线中比 Sonnet 强但比 Fable 弱的中间型号。
但一看数据就会发现，这款定价 $5/$25（每百万输入/输出 token） 的模型，在编程、自主搜索、计算机使用、企业业务流程等多个关键基准测试上，把定价 $10/$50 的 Fable 5 给超了。而它的成本，只有 Fable 5 的一半。
Anthropic 在官方公告里表示：“Opus 5 comes close to the frontier intelligence of Claude Fable 5 at half the price”，意思是接近 Fable 5 的智能，价格减半。但他们自己发布的基准测试图表显示，Opus 5 在至少四项核心评测中明确领先 Fable 5，而且是在更低的成本下做到的。
被“ 次旗舰” 反超的“ 旗舰”
先看编程能力。Frontier-Bench v0.1 是当前最直接映射企业开发团队实际工作的基准测试之一，让模型自己在终端里写代码、跑代码、调试多文件变更。Opus 5 拿到了 43.3%，Fable 5 是 33.7%。将近 10 个百分点的差距，在编程评测里属于碾压级别。Opus 4.8 在这个测试上是 21.1%，Opus 5 直接翻了一倍多。
在 CursorBench 3.2 上，Opus 5 在最高推理强度下达到 Fable 5 峰值成绩的 94.5%，单次任务成本只有一半。Anthropic 还宣称，在 high、xhigh 和 max 三个推理等级上，Opus 5 在同成本下的性能都超过了所有其他模型。Cognition（Devin 背后的公司）CEO Scott Wu 在 FrontierCode 1.1 评测后确认：“Claude Opus 5 在调试和根因分析方面以一半成本达到了接近 Fable 级别的性能。”
在自主搜索 （Agentic Search） 上，Opus 5 拿到 90.8%，Fable 5 是 87.4%。十次搜索有九次以上能独立搞定。计算机使用 （OSWorld 2.0） 上，Opus 5 在约三分之一成本下就超过了 Fable 5 的最优成绩。企业业务流程自动化 （Business Workflows） 方面，Opus 5 拿到 26%，Fable 5 只有 17.4%。
科学领域同样不弱。Opus 5 在有机化学任务上比 Opus 4.8 高出 10.2 个百分点 （包括从光谱数据推断分子结构），在蛋白质相关任务上高出 7.7 个百分点 （包括预测序列变异对功能的影响）。在号称“ 人类最后考试” 的 Humanity's Last Exam 上，开启工具后 Opus 5 拿到 64.7%，Fable 5 是 63.9%（不开工具时分别为 56.3% 和 56.5%），差距不到一个百分点。
但真正让整个 AI 研究圈停下滚动的，是 ARC-AGI 3 的成绩。
ARC-AGI 3 是 François Chollet 设计来衡量“ 流体智能” 的基准。它不是让模型回忆训练数据里见过的东西，而是把它扔进完全陌生的交互式环境里，没有指令、没有规则说明、没有目标提示，靠试错自己摸索。人类能完成 100% 的任务。今年 3 月 ARC Prize Foundation 发布这个基准时，最强 AI 模型的得分是 0.37%（Gemini 3.1 Pro）。到 Opus 5 发布前，公开最强成绩是 GPT-5.6 Sol 在最大推理强度下的 7.8%。Opus 4.8 只有 1.5%。
Opus 5 拿到了 30.2%。是 GPT-5.6 Sol 的近四倍，Opus 4.8 的二十倍。
这个数字的意义远超任何编程或搜索基准。ARC-AGI 3 奖励的不是“ 做过类似的事所以能做”，而是“ 从没训练过也能做”。30.2% 意味着 Opus 5 确实在通过交互来推导陌生的规则体系，而不只是模式匹配。Vellum AI 的基准分析文章直言：“ 这个数字让所有人都停下了滚动。”
它不只是分数高
基准数字告诉我们 Opus 5 考了多少分。但 Anthropic 公布的案例告诉了我们是它怎么考到这些分的。
Anthropic 公布了一个 3D 建模任务，只给模型一张机械零件的设计图纸，要求它自主编写代码重建完整的 FreeCAD 3D 模型。在 Opus 5 之前，没有任何模型能完成这个任务，即使人工提前搭好开发框架、给出详细方案，模型依然会出错。Opus 5 不仅完成了全过程自主闭环，还自己搭建了配套的测试工具，逐一校验代码的数据解析逻辑，反复核查修正问题，直到通过验证。
在没有任何人工干预的情况下，自主完成了一个完整的工程验证循环，设定目标、规划步骤、编写代码、测试输出、发现错误、回溯修正、再次测试、通过。
Zapier CEO Wade Foster 透露，团队用 Opus 5 处理客户健康度原始表格，要求 AI 独立完成全套客户流失预防流程，包括标记高风险账户、通知对应负责人、整理运营报告。“ 以前的模型没有能完整跑通这条流程的，”Foster 说，“Opus 5 做到了 100% 完整交付。”
Box CTO Ben Kus 给出了量化对比：Opus 5 在专业企业内容处理上整体比 Opus 4.8 提升 8%，数据分析工作流提升 11%，尽职调查提升 17%。一家金融建模团队的评估负责人 Richard Pham 测出了准确率高 9 个百分点，同时周转次数少三分之一、耗时少 60%。法律 AI 团队 Applied Research 负责人 Niko Grupen 发现 Opus 5 在保持质量的同时，平均比 Opus 4.8 在最高推理强度下少生成了 26% 的 token。
更少的 token、更少的交互轮次、更少的人盯着屏幕。这就是 Opus 5 对“ 性价比” 的真正定义。
没人预料到的 30.2%
回到 ARC-AGI 3。这个数字的冲击力需要放在时间线上理解。
今年 3 月，Gemini 3.1 Pro 以 0.37% 领先。到 Opus 5 发布前，公开最强成绩是 GPT-5.6 Sol 在最大推理强度下的 7.8%。Opus 4.8 挂在 1.5%。Opus 5 发布当天直接拉到 30.2%。Anthropic 在公告中说 Opus 5 的成绩是“ 次优模型的三倍”，这个表述甚至可能是保守的，因为 GPT-5.6 Sol 的 7.8% 是在最大推理强度设置的极端资源消耗下拿到的，而 Opus 5 在标准推理设置下就做到了 30.2%。
ARC-AGI 3 它测的是遇到完全没见过的问题时的应变能力，Chollet 设计的逻辑是，把模型扔进一个没有任何参考框架的新世界，看它能不能靠自己理解规则、制定策略、达成目标。这才是“ 通用智能” 的真正含义。不是知识面有多广，而是面对未知时的适应速度有多快。
30.2% 意味着 Opus 5 在三分之一的情况下能独立完成人类能完成的任务，而这些任务是它绝对没有在训练数据里遇到过同类题型的。AI 从“ 超强模式匹配器” 向“ 自主推理系统” 的转变，正在被量化验证，而不是停留在口号层面。
但更值得追问的是，为什么 Anthropic 要发布一款在核心指标上碾压自家“ 旗舰” 的模型，还只卖一半的价格？
这需要看一圈 Opus 5 周围的定价坐标。
再回头看看 Fable 5 的 $10/$50。这个定价在 2026 年 7 月的市场上像一座孤岛，周围的海平面每天都在上涨。Fable 5 在 6 月 9 日发布时，它的“ 神话级”（Mythos-class） 性能确实值这个溢价。但仅仅 45 天后，Opus 5 就用不到一半的价格，在用户最关心的场景里拿出了更好的成绩。
Anthropic 面临的困境是，Fable 5 的定价正在被市场抛弃，而竞争对手，尤其是 Kimi K3 的开源攻势，正在从下方蚕食。继续守着 Fable 5 的高价策略，等于把高频使用场景 （编程、搜索、办公自动化） 的客户拱手让人。Anthropic 的选择是，与其等竞争对手来拆，不如自己先拆。用 Opus 5 把旗舰级能力注入中端产品线，在性价比战场正面迎战，同时让 Fable 5 继续守住“ 极致推理” 的利基市场。
Opus 5 的商业使命可以概括为一句话，证明 Anthropic 还能收前沿溢价。而 Anthropic 给出的回答是，不收了。或者说，前沿溢价的门槛被自己抬高了。你得先在 $5/$25 这个价格点上拿出比 Fable 5 更强的编程和推理能力，才有资格谈“ 溢价”。
大模型定价的逻辑，已经不太一样了
Opus 5 的发布，本质上宣告了大模型行业“ 越贵越强” 定价范式的终结。
过去两年，行业默认的逻辑是，更强的模型需要更大的参数、更多的训练算力、更高的推理成本，所以必然更贵。Fable 5 的 $10/$50 定价就是这条逻辑链的终极产物。我比任何人都强，所以我可以收最贵的钱。但 Opus 5 用数据证明了一件事，更强的推理架构和更高效的训练方法，可以让模型在价格不变甚至更低的情况下，性能跳升一个量级。
Opus 5 的定价和 Opus 4.8 完全相同 （$5/$25），但 Frontier-Bench 得分从 21.1% 跳到了 43.3%，ARC-AGI 3 从 1.5% 跳到了 30.2%。同样的价格，推理能力提升了一个量级。这不是边际改善，是范式跃迁。
“ 旗舰” 这个词本身的含义正在被重新定义。当一款 $5/$25 的模型能在你每天实际使用的场景里跑赢 $10/$50 的模型，“ 旗舰” 就从一个能力标签变成了一个价格标签，而价格标签是最容易被竞争对手撕掉的。
这给整个行业传递了一个清晰的信号：如果你今天的旗舰模型不能在效率上持续拉开代差，明天就会有一个价格只有你一半的模型在功能上超越你。Anthropic 今天自己动手拆掉了自己的价格金字塔，意味着它已经预判到了这个趋势不可逆转，选择主动引领而不是被动防守。
对于企业用户来说，Opus 5 是 2026 年迄今为止最值得认真评估的 AI 投入。在编程辅助 （尤其是 Claude Code 和 Cursor 等 IDE 场景）、自动化办公 （Zapier 等平台）、数据分析、科学研究等高频使用场景中，$5/$25 的定价结合超越 Fable 5 的性能，构成了当前市场上最清晰的性价比锚点。
但真正的变量在 7 月 27 日，Kimi K3 开源全部权重。当一个 2.8T 参数的模型可以免费部署、自由修改，且性能已经逼近前沿，整个行业的定价地板将再次被击穿。Opus 5 证明了“ 可以更便宜地做得更好”，而 Kimi K3 即将证明“ 可以几乎免费地做得差不多”。两条线同时推进，留给任何一家 AI 公司维持高溢价的窗口期，正在以天为单位收窄。
当一家公司开始用中端型号的价格卖旗舰级别的性能，这表明与其等对手来拆你的定价，不如自己先把牌桌掀了。
（本文首发钛媒体 APP，作者 | AGI-Signal，编辑 | 秦聪慧）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
