跳到主要内容

Claude Opus 5：实战指南

进阶

2026 年 7 月 24 日，Anthropic 发布了 Claude Opus 5（claude-opus-5）——继 Sonnet 5（6 月 30 日）和 Fable 5 / Mythos 5（6 月 9 日）之后，两个月内的第四款模型。标题刻意平淡：定价与 Opus 4.8 相同，每百万 token 输入 $5 / 输出 $25，同样是 1M 上下文、同样是 128k 输出上限。有意思的是，这些不变的数字现在能买到什么：Frontier-Bench v0.1 上 44.4%，而 Opus 4.8 为 18.7%（翻了一倍多），SWE-bench Verified 96.0%，以及 ARC-AGI-3 上 30.16%——约为 GPT-5.6 Sol（7.78%）的三倍、Opus 4.8（1.52%）的二十倍。Opus 5 现在是 Claude Max 的默认模型，也是 Claude Pro 上可用的最强模型。

本页是实战指南：这些数字对你的技术栈究竟意味着什么，会让天真迁移触发 400 错误的两项 API 契约变更，Opus 5 何时可以名正言顺地取代 Fable 5（以及何时不能），还有新的 xhigh / max 努力档位。

What you'll learn
  • 了解 Opus 5 是什么：1M 上下文、128k 输出、每百万 token 输入 $5 / 输出 $25——与 Opus 4.8 形态相同，但数字明显更好
  • 理解会让天真迁移出错的两个 API 约束：高努力档位下对禁用 thinking 的限制，以及默认开启的 thinking 会吃掉你的 max_tokens 预算
  • 像智能体团队负责人那样解读基准——Frontier-Bench、ARC-AGI-3、SWE-bench Pro、OSWorld 2.0——并知道哪些对你的工作负载有意义
  • 诚实地算价格账：Opus 5 在 max 档位下何时在每个已解决任务的成本上胜过 Fable 5，何时不能
  • 选对努力档位——新的 xhigh 和 max 档位在 Frontier-Bench 和 ARC-AGI-3 上物有所值，其他场景只会浪费 token
  • 在 2026 年 8 月 5 日退役日期之前规划好 Opus 4.1 → Opus 5 的迁移

一段话版本​

Opus 5 是一次价格不变的能力提升，而不是重新定价。每百万 token $5 / $25 与 Opus 4.8 相同，1M token 上下文相同，同步 Messages API 上 128k 最大输出相同，可靠的知识截止日期则推后到 2026 年 5 月。变化的是这些 token 能做什么：在 Frontier-Bench v0.1（Anthropic 自家最难的编码智能体评测）上，Opus 5 在 xhigh 档位得分 44.4%，而 Opus 4.8 为 18.7%——标价相同，得分翻了一倍多。在 ARC-AGI-3 上，新颖问题的求解从 1.52% 跃升到 30.16%。两项契约变更会让天真迁移出错：自适应思考默认开启，并与响应共享你的 max_tokens 预算；而在新的 xhigh 或 max 努力档位下，thinking: {"type": "disabled"} 现在会返回 400。Opus 5 是 Claude Max 的新默认模型，是 Claude Pro 上可用的最强模型，并可通过 Claude API、Bedrock（anthropic.claude-opus-5）、Google Cloud（claude-opus-5）、Microsoft Foundry 以及 Claude Platform on AWS 使用。

与 Opus 4.8 相比究竟变了什么​

Opus 4.8 于 2026 年 4 月发布，是首个具备 1M 上下文窗口且默认开启自适应思考的 Opus。Opus 5 保留了所有这些默认值，因此在网络层面，请求/响应的形态几乎一致。变化了四件事：

  • 数字。 Frontier-Bench v0.1 从 18.7% 提升到 44.4%（xhigh）/ 43.3%（max）。SWE-bench Multimodal 从 38.4% 提升到 59.4%。OSWorld 2.0 从 55.7% 提升到 70.57%。Zapier AutomationBench 从 17.0% 提升到 26.0%。ARC-AGI-3 在高努力档位下从 1.52% 提升到 30.16%。
  • 新增 max 努力档位，位于 xhigh 之上；同时 thinking: {"type": "disabled"} 在 xhigh 或 max 下不再可用（400 错误）。用意是：在这些档位下你明确是在为推理付费，因此悄悄禁用它现在算 bug，而不是偏好。
  • 自我验证现在是默认行为，不再是靠提示词养成的习惯。Anthropic 的迁移指南明确警告你要删除手写的"检查你的工作"指令——否则会出现重复验证、白烧 token。这是在 Opus 5 上运行原本跑在 Opus 4.8 上的代码时，第一天最常见的意外。
  • 提示缓存不再因对话中途更换工具而失效（beta）。如果你的智能体循环每一步都会更换工具列表，缓存前缀现在能保留下来；在 Opus 4.8 上你每次都要付一次新的写入费用。

会让迁移出错的两个 400 错误​

Guided walkthrough1 of 4
  1. Opus 4.8 允许在任何努力档位下禁用 thinking。Opus 5 只允许在 high 及以下档位使用 thinking: {"type": "disabled"}。与 xhigh 或 max 搭配会直接报错。如果你有一个总是禁用 thinking 的封装（有些团队这样做是为了让回答更简短），要么把努力档位降到 high，要么删除 thinking 字段，让自适应思考运行。

最小安全迁移——从 Opus 4.8 到 Opus 5

# Before (Opus 4.8) — worked
response = client.messages.create(
  model="claude-opus-4-8",
  max_tokens=4096,
  extra_body={"effort": "max"},
  thinking={"type": "disabled"},           # allowed on 4.8 at any effort
  system="After answering, verify your work step by step.",
  messages=[...],
)

# After (Opus 5) — three edits
response = client.messages.create(
  model="claude-opus-5",
  max_tokens=16384,                        # thinking now shares this budget
  extra_body={"effort": "max"},
  # thinking={"type": "disabled"}          # 400 at xhigh/max — remove it
  system="Answer the question.",           # drop the verify instruction — Opus 5 self-verifies
  messages=[...],
)

真正重要的基准​

Anthropic 在发布当天公布了大量数字。其中三个对真实工作负载起决定作用，一个是营销奖杯，还有两个值得仔细读，因为它们显示了 Opus 5 并非最佳选择的地方。

  • Frontier-Bench v0.1——44.4%（xhigh），Opus 4.8 为 18.7%。 这是 Anthropic 最难的智能体编码评测——需要模型运行工具、迭代并自我纠错的长程任务。同价下 2.4 倍的提升，是迁移最有力的单一理由。
  • SWE-bench Verified——96.0%。 接近天花板。如果你用 Opus 4.8 或 Fable 5 做 SWE-bench 式的缺陷修复，Opus 5 是直接的升级。但 SWE-bench Verified 如今已是饱和的基准——细小差异不再像以前那样能区分模型。
  • OSWorld 2.0——70.57%，Opus 4.8 为 55.7%。 计算机使用基准。如果你在运行 Claude for Chrome、Claude Cowork 的浏览器模式，或其他在真实界面上点来点去的东西，这就是该关注的数字。
  • ARC-AGI-3——30.16%（高努力档位），GPT-5.6 Sol 为 7.78%，Opus 4.8 为 1.52%。 营销奖杯。ARC-AGI-3 测试无法靠记忆应付的新颖问题求解，Opus 5 约为次优模型的 3 倍。如果你的工作负载确有新颖性，这是有意义的信号；如果只是互联网上早已解决问题的变体，意义就小一些。
  • SWE-bench Pro——79.2%，Fable 5 为 80.0%。 在更难的 SWE-bench Pro 上，Fable 5 仍领先 Opus 5 0.8 个百分点。对多数团队来说不足以证明 Fable 5 两倍价格的合理性，但如果你处于代码复杂度的最高十分位、每一分都很重要，请记下这一点。
  • 网络安全漏洞利用——Opus 5 落后于 Mythos 5。 Anthropic 明确表示 Opus 5 不是顶级网络安全模型。如果你在做防御性网络安全工作，且你的组织已通过 Anthropic 的验证计划获得验证，Mythos 仍是首选。

Opus 5 何时取代 Fable 5（何时不能）​

这次发布迫使人们思考的有趣问题是：你究竟什么时候需要 Fable 5 的 $10 / $50 定价？ Anthropic 自己的说法是：Opus 5 以一半成本在 CursorBench 3.2 上达到 Fable 5 峰值的 0.5% 以内，并以"略高于三分之一的成本"匹敌 Fable 5 的 OSWorld 2.0 结果。这是论点的强版本。诚实的版本是：

  • 选 Opus 5：用于智能体编码、计算机使用、业务自动化、生命科学推理，以及任何每个已解决任务的成本比最后 1-3 个百分点质量更重要的场景。这涵盖 >90% 的生产工作负载。
  • 选 Fable 5：当工作负载属于 (a) 长时间运行的智能体，其边际运行确实能从最后那一个百分点中获益（Anthropic 把 Fable 5 定位为"面向长时间运行智能体的下一代智能"），(b) SWE-bench Pro 式的高难度代码任务，且你已测得真实差距，或 (c) 你已处于精度-成本曲线上、两倍成本能买到真实质量的任何工作负载。
  • 选 Mythos：用于防御性网络安全工作，前提是你的组织已通过验证。自 2026 年 10 月 6 日起，入口是向 Cyber Verification Program 提交申请——它是仅限邀请的 Project Glasswing 的继任者——其各档位授予的是 Mythos 5.1。

Honest cost-per-solved-task math

# Fable 5 on a hard agentic task
#   ~500k input tokens, ~50k output tokens
#   500 * $10/M + 50 * $50/M = $5.00 + $2.50 = $7.50 per run
#   Fable 5 solve rate: ~46% (Frontier-Bench v0.1, xhigh)
#   Cost per solved task: $7.50 / 0.46 = ~$16.30

# Opus 5 on the same task
#   Same token budget
#   500 * $5/M + 50 * $25/M = $2.50 + $1.25 = $3.75 per run
#   Opus 5 solve rate: ~44.4% (Frontier-Bench v0.1, xhigh)
#   Cost per solved task: $3.75 / 0.444 = ~$8.45

# Opus 5 wins on cost-per-solved-task by ~48% at near-parity quality.
# Break-even: Fable 5 would need to be 2x cheaper per successful run,
# i.e. Opus 5 would have to drop below ~23% solve rate for Fable 5 to win.

新的 max 努力档位——何时物有所值​

Opus 5 引入了 max 作为位于 xhigh 之上的明确档位。自适应思考现在覆盖 low → medium → high → xhigh → max，而 high 是 Claude API 和 Claude Code 的默认值。发布基准给出两点观察：

  • 在 Frontier-Bench v0.1 上，xhigh 实际得分 44.4%，而 max 为 43.3%——max 并非严格更好。它每次尝试消耗更多 token，但额外的推理在这项评测上并不总能转化为成绩。
  • 在奖励长时间深思的任务上——ARC-AGI-3、新颖的研究问题、高难度数学推理（IMO 2026 金牌水平，42/42）——更高的档位确实物有所值。

实用规则：默认用 high，当你的评测显示可测量的提升时再上到 xhigh，只在你已验证推理深度比吞吐量更重要的工作负载上使用 max。 不要设成 max 然后碰运气；要测量。

生命科学、安全与网络安全立场​

值得记下的三个数字：

  • 生命科学。 在有机化学上，Opus 5 比 Opus 4.8 高 10.2 个百分点；在蛋白质预测上高 7.7 个百分点。如果你在为结构生物学、生物信息学或合成路线规划构建智能体，这是真正的跃升，而不是噪声范围内的改进。
  • 提示注入抵抗力。 在 Gray Swan 基准上，攻击者成功率从 Opus 4.8 的 5.5% 降到 2.0%。在 Claude Cowork 浏览器环境中，据 Anthropic 的测量，自动模式的防护措施使浏览器提示注入成功率降到 0%。对任何发布 Claude-for-Chrome 式智能体的人都很有意义。
  • 网络安全分类器。 Opus 5 的网络安全防护介入频率比 Fable 5 低约 85%——因为 Opus 5 刻意不是顶级网络安全模型，介入率被调低了。如果你在 Fable 5 上遇到过对合法安全研究提示的误拒，Opus 5 会明显没那么"草木皆兵"。

你需要据此规划的退役时间表​

  • Opus 4.1（claude-opus-4-1-20250805） 将于 2026 年 8 月 5 日退役——距 Opus 5 发布仅十一天。如果任何生产环节仍固定在 Opus 4.1，请本周迁移。
  • Opus 4.5 / 4.6 / 4.7 / 4.8 在平台总览中仍作为"Legacy models"提供，但预计会遵循标准的 12 个月弃用周期。把 Opus 5 作为任何新项目的迁移目标。
  • Opus 5 的模型 ID 是固定快照，而不是始终指向最新版的指针。自 4.6 代起，无日期的 ID 格式仍表示"固定快照"。未来的 claude-opus-5-1 将是新的 ID，而不是对 claude-opus-5 的悄然升级。

动手试试——一条命令​

Run Opus 5 with the recommended defaults

# Python — Claude SDK
from anthropic import Anthropic
client = Anthropic()

response = client.messages.create(
  model="claude-opus-5",
  max_tokens=8192,                    # room for adaptive thinking + response
  extra_body={"effort": "high"},      # default; move to xhigh only if evals justify
  system="You are a senior engineer. Answer directly and iterate until the task is complete.",
  messages=[{"role": "user", "content": "..."}],
)

# Claude Code
claude --model claude-opus-5

# For fast mode (2.5x speed, 2x cost)
# model="claude-opus-5-fast"  # separate model ID, $10/$50 per MTok

速查表​

按 Enter 或空格键翻转卡片。使用左右方向键在卡片之间切换。已显示术语。
1 / 8

检验你的理解​

Check yourself

0/5
  1. 你把一个固定了 `model="claude-opus-4-8"`、`effort: "max"` 和 `thinking: {"type": "disabled"}` 的封装迁移到 Opus 5。会发生什么？
  2. 你的 Opus 4.8 提示词以'现在逐步验证你的答案。'结尾。换成 Opus 5 后，你发现困难提示上的 thinking token 成本大约翻倍。为什么？
  3. 对于一个看重解决率、且成本是实际约束的生产级智能体编码工作负载，Opus 5 的发布数据最有力地支持哪个模型？
  4. 你在每个请求上都设置 `effort: "max"`，期望质量严格好于 `xhigh`。Anthropic 的发布数据表明什么？
  5. 以下哪项是 Opus 5 发布后你必须据以规划的退役日期？

接下来去哪儿​

来源与延伸阅读​

下一步​