目录
2026 年 7 月 24 日，Anthropic 发布了 Claude Opus 5。距离 Opus 4.8 只隔了大约两个月，版本号却从 4.8 直接跨了一整代到 5。Anthropic 自家文档的措辞是：相对 Opus 4.8，这是一次台阶式的跃升，而不是渐进式的小改。
先说结论。价格没有变动（每百万 token 输入 $5 / 输出 $25），但在智能体类基准上，它追平甚至超过了旗舰 Claude Fable 5——后者的价格是 $10 / $50，也就是说 Opus 5 用一半的钱干了同样的活。另一方面，API 带来了两处破坏性变更，原封不动搬过去的代码可能撞上 400 报错或输出被截断。本文交叉核对了官方公告、官方文档与多家媒体报道，从实战角度梳理性能、价格与迁移中的坑。
价格不变，实力明显上台阶
—— Anthropic 自己的说法：用 Fable 5 一半的价格，交付前沿级性能
1. 三句话看懂 Opus 5
在智能体编码、计算机操作和长时间任务上大幅提升。在智能体终端基准 Frontier-Bench v0.1 上，Anthropic 称其得分超过 Opus 4.8 的两倍，而单任务成本更低。
没有涨价。每百万 token 输入 $5 / 输出 $25，与 Opus 4.8 完全一致——也正好是旗舰 Fable 5（$10 / $50）的一半。
思考现在默认开启，而且只有在 effort 为 high 及以下时才能关闭。凡是把 max_tokens 卡得很紧的调用，都可能在答到一半时被截断。
一句话概括：Opus 5 用 Opus 4.8 的价格，干了接近 Fable 5 的活。反过来说也成立——当你需要压榨最强能力时，Fable 5 和 Mythos 5 依然有它们的位置（见下文的短板部分）。
2. 核心规格与可用渠道
先看数字。以下是 Anthropic 官方模型列表给出的主要规格。
| 项目 | Claude Opus 5 | Claude Opus 4.8（上一代） | Claude Fable 5（旗舰） |
|---|---|---|---|
| API 模型 ID | claude-opus-5 |
claude-opus-4-8 |
claude-fable-5 |
| 价格（输入 / 输出） | $5 / $25 | $5 / $25 | $10 / $50 |
| 上下文窗口 | 100 万 token（默认值即上限） | 100 万 token | 100 万 token |
| 最大输出 | 128K token | 128K token | 128K token |
| 可靠知识截止 | 2026 年 5 月 | 2026 年 1 月 | 2026 年 1 月 |
| 思考（thinking） | 默认开启 | 默认关闭（需显式启用） | 始终开启（无法关闭） |
| effort 档位 | low / medium / high / xhigh / max | low / medium / high / xhigh / max | low / medium / high / xhigh / max |
来源：Anthropic《Models overview》与《What's new in Claude Opus 5》（2026 年 7 月时点）
这张表里最容易被一扫而过、但日常使用中感受最明显的，是知识截止时间往前推了。Opus 4.8 与 Fable 5 停在 2026 年 1 月，Opus 5 则到了 2026 年 5 月。这意味着多出好几个月的库版本与近期规格变更，它可以直接凭知识回答。即便如此，它依然不知道「今天」发生了什么——涉及时事或最新价格变动时，务必让它先联网检索，不要放任它断言。
可以在哪里用
Claude API（claude-opus-5）、Amazon Bedrock（anthropic.claude-opus-5）、Google Cloud、Microsoft Foundry。Opus 4.8 继续保留可用。
claude.ai、Claude Code 与 Claude Cowork。它是 Max 套餐的默认模型，也是 Pro 套餐可选的最高级模型。
高速版本目前是研究预览，仅限 Claude API。Bedrock、Google Cloud、Microsoft Foundry 上暂不提供。
3. 价格：不涨价，只有 Fable 5 的一半
这次发布最实用的一条事实，就是能力上去了，价格纹丝不动。Anthropic 的文档写得很直白：每百万输入 token $5、每百万输出 token $25，与 Claude Opus 4.8 保持不变。
每百万 token 价格（Claude API）
来源：Anthropic《What's new in Claude Opus 5》与《Pricing》（2026 年 7 月）。缓存费率按官方倍率换算（写入 1.25 倍与 2 倍，读取 0.1 倍）
真正需要记进脑子里的一点是：单价与单任务成本是两码事。在 Opus 5 的宣传材料里，Anthropic 首先摆出的是单任务成本的图表，而不是单价。比如在计算机操作基准 OSWorld 2.0 上，官方公告称它以约三分之一的成本超过了 Fable 5 的最佳成绩。单价砍半，再加上少走冤枉路，两者叠加后现实中的差距会拉得更开。
唯一的注意点：由于思考现在默认开启，同一个提示词可能产生更多输出 token、花更多钱。如果你原本在 Opus 4.8 上关着思考、跑得很便宜，只是把模型 ID 一换，账单是会涨的。迁移之后请实测 usage。
4. 基准测试详解
Anthropic 的公告是以图表为主、而非数字表格组织的，页面正文里明说的多为相对表述：「超过两倍」「差距在 0.5% 以内」。因此本文把Anthropic 在正文中明确写出的比较与多家媒体口径一致的数值分开呈现。
4-1. Anthropic 明确写出的比较
考察智能体的终端操作与编码。它胜过所有参测模型，成绩超过 Opus 4.8 的两倍，且单任务成本更低。
在 max effort 下，与 Fable 5 的最佳成绩相差 0.5% 以内，而成本约为其一半。
衡量真正陌生问题的求解能力，它的得分是第二名的三倍。
计算机操作。在各个价位段都领先竞品，并以约三分之一的成本超过 Fable 5 的最佳成绩。
在同等成本下，通过率约为第二名的 1.5 倍。Anthropic 称即便是它最低的 effort 档，也高于竞品模型的最好成绩。
在 Anthropic 跟踪的所有评测上都优于 Opus 4.8，其中有机化学提升超过 10 分（例如从波谱数据推断分子结构）。
4-2. 媒体报道中的数值
下面的数字来自 the decoder（2026 年 7 月 24 日）与 tech-ish（同日），两家都是从 Anthropic 的图表上读取的。此处只列出两家口径一致的条目。请注意，这些数字并未以数值形式写在官方页面的正文里（标黄点者表示「媒体来源」）。
| 基准测试 | Opus 5 | Fable 5 | GPT-5.6 Sol | Opus 4.8 |
|---|---|---|---|---|
| Frontier-Bench v0.1 智能体终端作业 |
43.3% | 33.7% | 34.4% | 约 21%🟡 |
| ARC-AGI-3 陌生问题求解 |
30.2% | — | 7.8% | 1.5% |
| GDPval-AA v2（Elo） 真实知识型工作 |
1,861 | 1,747 | 1,736 | 1,593 |
| OSWorld 2.0 计算机操作智能体 |
70.6% | 66.1% | — | — |
| DeepSWE v1.1 智能体编码 |
68.8% | 69.7% | 72.7% | — |
规律相当清楚：模型需要独自工作的时间越长，差距就越大——终端作业、计算机操作、业务自动化、陌生问题都是如此。反过来，在单次补丁式的编码（DeepSWE）上，它输给了 GPT-5.6 Sol。我们在 GPT-5.6 Sol 对比文章里勾勒过的格局，在更高一档上又重演了一遍。
5. 它仍然会输的地方
发布类文章往往只罗列优点，这里我们刻意反过来写。以下是 Anthropic 自己在公告中承认的短板，加上媒体点出的数字。
在发现漏洞方面已经缩小了与 Mythos 5 的差距，但 Anthropic 明确写道，它在编写利用代码方面仍远远落后。专门的防御向模型依然是 Mythos 系列。
生命科学整体都有提升，但文档指出，它在长时间自主运行的生物学研究任务上仍不及 Mythos 5。
在 DeepSWE v1.1 上它得 68.8%，落后于 GPT-5.6 Sol 的 72.7%。Humanity's Last Exam 也基本打平，56.3% 对 Fable 5 的 56.5%（媒体来源）。
the decoder 指出，在 Frontier-Bench 与 Coding Agent Index 上，max effort 的得分低于更低的档位。多花钱不等于多收获。
落到实处的含义：无脑把 effort 拉到 max，可能账单变高、分数反而变低。文档本身也建议从 high 或 xhigh 起步，在自己的评测集上一路往下试到 medium。请把 effort 当成需要调优的旋钮，而不是设一次就不管的常量。
6. 两处破坏性变更（思考默认开启、effort 限制）
如果你直接调用 API，这一节是唯一不能跳过的。Anthropic 列为「行为变更」的两项，会让原封不动搬过去的代码出问题。
变更 1：思考默认开启
在 Opus 4.8 上，不写 thinking 就意味着不带思考运行。而在 Opus 5 上，不写它就等于开启思考——效果与写 thinking: {"type": "adaptive"} 完全相同。
# 在 Opus 4.8 上不带思考运行的同一段代码…… client.messages.create( model="claude-opus-5", max_tokens=1024, # 现在这个上限同时约束思考和回答 messages=[...], ) # 在 Opus 5 上它会先思考，于是回答可能被截断
max_tokens 限制的是思考 token 与回答正文的总和。凡是照着预期回答长度把 max_tokens 卡得很紧的调用，预算都会被思考吃掉，进而被截断。迁移时你必须二选一：要么显式关闭思考，要么给 max_tokens 留出余量。
变更 2：只有 effort 在 high 及以下时才能关闭思考
而且「关掉它」这个选项现在也带了限制。把 thinking: {"type": "disabled"} 与 effort xhigh 或 max 组合使用会返回 400 错误。由于校验是按请求进行的，那些运行中途才提高 effort 的代码会以最糟糕的方式失败：一开始好好的，突然就开始报错。
关闭思考 + effort low/medium/high
关闭思考 + effort xhigh/max
保持思考开启，靠调低 effort 来控制成本
Anthropic 还进一步记录了真的关闭思考运行时会出什么问题。在思考被禁用的情况下，Opus 5 有时会把工具调用当成正文写出来——也就是工具根本没执行，但这一轮看起来却是成功的——还可能把内部 XML 标签泄漏到输出里。如果你在构建智能体，保持思考开启、把 effort 调低才是更稳妥的路线。
7. 五档 effort 该怎么选
Opus 5 支持全部五档 low / medium / high / xhigh / max，而且 API 与 Claude Code 的默认值都是 high。关于 Claude Code 一侧的设置，可参考我们的effort 设置指南。
| effort | 适合的场景 | 备注 |
|---|---|---|
| low / medium | 常规处理、分类、执行型子智能体、对延迟敏感的链路 | Anthropic 强调「Opus 5 即便在 low effort 下也依然强劲」正是指这一档。值得先试试 |
| high（默认） | 需要真正智力的一般性工作 | 拿不准时的安全选择，是质量与成本的平衡点 |
| xhigh | 编码与智能体类负载的推荐起点 | 给 max_tokens 留足空间（从 64K token 左右起步） |
| max | 正确性比账单更重要的高难度问题 | 推理最深，但结果未必最好（见第 5 节） |
8. 其他新功能
过去在对话中途改动工具列表，会让整个提示词缓存失效。Opus 5 允许在保留缓存的前提下增删工具（beta 请求头 mid-conversation-tool-changes-2026-07-01）。这对长时间运行的智能体的成本影响很大。
可缓存提示词的最小长度从 1,024 token 降到 512 token。在 Opus 4.8 上因为太短而无法缓存的提示词，不改一行代码就变得可缓存。
当请求被安全过滤拦下时，你不必再自己列出备选模型，而可以直接套用 Anthropic 推荐的自动路由（beta 请求头 server-side-fallback-2026-07-01）。
研究预览版，以 2 倍价格换取约 2.5 倍的输出速度。仅限 Claude API——Bedrock、Google Cloud、Microsoft Foundry 上不提供。
9. 性格变了，提示词要跟着改
这一点你多半会比任何基准分数更早察觉。文档列出了四项一行代码都不用改就能感受到的行为变化。
| 变化 | 应对方式 |
|---|---|
| 回复和产出物变长 面向用户的回答、它写出的 Markdown 文件 |
明确要求简洁。调低 effort 并不会让文字变短，只能靠提示词 |
| 它更爱汇报自己在干什么 | 删掉「每 N 步汇报一次进度」这类旧脚手架。如果还是啰嗦，就告诉它工具调用之间默认保持安静 |
| 它会主动把任务分给子智能体 Opus 4.8 曾经很不情愿 |
移除你为 4.8 写的「多分派一些」类提示。明确设定并发上限，免得成本失控 |
| 它会不用催就自我检查 | 「最后加一步验证」「让子智能体来验证」现在会导致过度验证——请删掉（Anthropic 明确这样写） |
迁移是做减法，不是做加法。你当初为了弥补旧模型短板而加进提示词的内容——催它验证、催它分派、强制汇报进度——到了 Opus 5 上统统变成副作用。先把这些删干净，观察原生行为，再把真正缺的那部分补回去。
10. 谁应该立刻迁移
- 你在跑长时间运行的编码智能体
- 你在做计算机操作或业务自动化类智能体
- 你在用 Fable 5 但成本吃不消（性能接近，价格减半）
- 你还停在 Opus 4.8（同价位下明显更强）
- 关着思考、
max_tokens又设得很低的低成本常规任务 - 依赖输出长度或风格的下游环节
- 塞满了验证与分派指令的提示词
- 以单次补丁生成为主（收益有限，有时反而更差）
- 你依赖 Bedrock 等平台上的高速模式
- 攻击性安全测试或长周期生物学研究（Mythos 领先）
迁移步骤（面向 API 用户）
- 把模型 ID 从
claude-opus-4-8改成claude-opus-5 - 找出所有关闭思考的地方（
thinking: disabled）；在 effort 为 xhigh 或 max 时这已经是 400 错误，所以要么调低 effort，要么把思考重新打开 - 凡是没有显式设置
thinking的地方，都重新审视max_tokens（为思考 token 留出余量） - 从提示词里删掉催验证、催分派、强制汇报进度这三类内容
- 加上要求简洁的指令，然后实测
usage，重新建立成本基线 - 在
medium/high/xhigh之间扫一遍 effort，在自己的评测集上找到最佳点
总结
Claude Opus 5 属于用户可以纯粹高兴一场的那类发布：价格不变，实力明显上台阶。差距拉得最开的是长时间自主工作的智能体场景，而 Anthropic 也正是用单任务成本来讲这个故事——用 Fable 5 一半的价格交付前沿级性能。
与此同时，API 有两处不能忽视的变更（思考默认开启；只有 effort 在 high 及以下时才能关闭思考）。而迁移做得好不好，关键在于你是在删提示词，而不是在加提示词。当年为了给旧模型打补丁而写下的指令，恰恰是让 Opus 5 变啰嗦、变过度谨慎的元凶。
最后请记住，基准分数永远只是在那一项任务上测出来的数值。Opus 5 在 DeepSWE 上输给 GPT-5.6 Sol，也存在 max effort 并非最佳设置的领域。请在你自己的业务负载上再测一遍——归根结底，只有那个数字才能给出答案。
常见问题
Q. Opus 5 比 Opus 4.8 更贵吗？
A. token 单价完全相同（每百万 token 输入 $5 / 输出 $25）。但由于思考默认开启，输出 token 可能增加，所以实际账单有可能上涨。迁移后请实测 usage。
Q. 该用 Fable 5 还是 Opus 5？
A. 论性价比选 Opus 5——单价减半，而且在多项智能体基准上领先。论最高难度的推理与长周期研究，Fable 5 仍然更强。我们在 Fable 5 与 Opus 的选型指南里给出的框架可以直接套用。
Q. 免费套餐能用吗？
A. Opus 5 是 Max 套餐的默认模型，也是 Pro 套餐可选的最高级模型。套餐结构会调整，最新的可用范围请查阅 Anthropic 的价格页面。
Q. 迁移之后开始报 400 错误。
A. 先检查你是不是把 thinking: {"type": "disabled"} 和 effort xhigh 或 max 一起发出去了。Opus 5 会拒绝这个组合。把 effort 降到 high 及以下，或者干脆删掉 thinking 参数（回到默认的开启状态）。
Q. 回答太长，调低 effort 能变短吗？
A. 不能。effort 主要控制思考的深度，并不能稳定地压缩面向用户的输出。正确的做法是在提示词里明确要求简洁。
附注：本文中的数字出自 Anthropic 公告《Introducing Claude Opus 5》、官方文档《What's new in Claude Opus 5》与《Models overview》，以及 the decoder 与 tech-ish 的报道（均为 2026 年 7 月 24 日）。标有 🟡 的数值并未以数字形式写在官方正文中，而是记者从图表上读取的，确定性相对较低。规格与价格可能变动，作出关键决策前请以官方文档为准。
