Anthropic 发布 Opus 5：半价对标 Fable 5，多项基准反超

Anthropic 于 7 月 25 日凌晨正式推出旗舰模型 Claude Opus 5。该模型在 Frontier-Bench、ARC-AGI-3 等多项硬核基准上追平甚至反超 Fable 5，定价却只有后者的一半。同时，Anthropic 对 Claude Code 的系统提示词进行了大幅精简，删除超过 80% 后编码评测成绩未出现下滑。

基准表现与定价

Opus 5 的输入与输出价格分别为每百万 token 5 美元、25 美元，与上一代 Opus 4.8 保持一致，仅为 Fable 5 的一半。Fast 模式下价格翻倍但速度提升至 2.5 倍。

在硬核编程基准 Frontier-Bench v0.1 上，Opus 5 取得 43.3%，明显高于 Fable 5 的 33.7%，约为 Opus 4.8（21.1%）的两倍多。针对全新问题的 ARC-AGI-3 上，Opus 5 拿到 30.2%，GPT-5.6 Sol 仅 7.8%，差距接近四倍，相较 Opus 4.8 提升近 20 倍。

高难度测试 Human's Last Exam 不开工具时 Opus 5 得 56.3%，与 Fable 5 的 56.5% 几乎持平；开启工具后 Opus 5 升至 64.7%，反超 Fable 5 的 63.9%。其他几项指标 Opus 5 也小幅领先：

• BrowseComp：90.8% 对 87.4%
• AA Coding Agent Index：66.7% 对 65.8%
• DeepSearchQA：95% 对 94.7%
• OSWorld 2.0：70.6% 对 66.1%

此外，Opus 5 在 IMO 2026 竞赛中取得满分，且未使用任何外部工具。预期拦截触发频率比 Fable 5 降低约 85%。

网友实测与社区反响

模型上线不到半天，社区便开启密集测试。博主 am.will 仅消耗 5 倍 Max 订阅额度的 27%，就用 Opus 5 搭出了一款可玩的 Rocket League 克隆版。博主 OmedTheVibeCoder 在做完竞技场对决画面后评价「根本不是接近，是完全甩开了它」，并表示自己「差点从椅子上摔下来」。Alex Ermolov 用其搭建滑雪场景，结论是「和 Fable 5 打平，甩开我测过的所有其他模型」，第一遍生成便无明显穿模。Chetaslua 则把 Minecraft 复刻称为「迄今为止最好的一次创作」。

横向成本对比中，博主 atomic.chat 用龙卷风卷起场地、重锤砸楼、卡车压塌桁架桥三道破坏题进行测试：Opus 5 花费 0.508 美元全部做对，Fable 5 花费接近其两倍却出现明显错误；GPT-5.6 最便宜仅 0.14 美元，但锤子未碰到楼即判定完成。这在一定程度上回应了此前泄露阶段关于 Opus 5 实际成本偏高的质疑。

自我验证能力

博主 Victor M 用波音 747-400 公开数据做了更严格的自检演示。Fable 5 用 42 分钟、约 1000 行代码完成任务，靠肉眼检查 54 张截图；Opus 5 则花 71 分钟写出 20 个模块、约 4000 行代码，从渲染画面中提取正射轮廓，自动计算翼展、轴距、机翼前缘扫掠角等 14 项指标并核对公差。前 43 分钟只渲染素模确认轮廓后才上涂装，并支持单独渲染子部件排查问题。

类似的自我验证逻辑也出现在官方案例中：Frontier-Bench 的一道题要求根据图纸用 FreeCAD 重建机械零件，且不提供直接看图方式，Opus 5 自写了一套计算机视觉管道从像素中提取几何数据并完成重建，同设定下其他模型五次尝试均未成功。一位量化交易工程师用 Opus 5 搭建新交易所实时行情源时，因没有实时数据可验证，模型主动搭了一套测试环境检查代码解析。

Claude Code 系统提示词的精简

Anthropic 工程师 Thariq 在同日发布的文章中介绍了为 Claude Code 等产品重新设计上下文的过程。最引人注目的是，Claude Code 的系统提示词被删减超过 80%，编码评测成绩却未下降。

精简的核心逻辑是模型判断力提升后，原先靠规则、示例和记忆搭建的脚手架可以逐步撤除。例如「默认不写注释」这条硬性规则被替换为「贴合周围代码的风格，匹配注释密度、命名和习惯」，把判断权交还给模型。Todo 工具也精简为仅保留「待处理」「进行中」「已完成」三种状态，模型无需额外示例即可正确使用。系统提示词改为「渐进式披露」，将代码审查等不常用说明拆为独立技能文件，由模型按需调用；记忆模块也由 Claude 自行判断哪些信息值得记录并存储。