Kimi K3 的出色表现令人瞩目，这对 K3 与 Claude 的用户而言无疑是重大利好。紧随其后，Claude Opus 5 也正式发布。
尽管 K3 实力强劲，但业界普遍认为 Claude 在全面性、稳定性及自主性方面更胜一筹。
今日，Claude Opus 5 正式亮相，其开场白这样写道：
面对这类产品介绍，通常只需把握第一句话的核心即可。
一个真正的主力模型，应当具备深思熟虑、主动决策以及相对较低的价格等特质。
稳定可靠、极少出错、不犯低级错误，这才是高性价比的真正体现。
1、基准数据
在了解核心要点后，我们再深入解析具体细节：
Opus 5 在绝大多数 Agent 类任务中占据领先优势，尤其在“自主执行任务”与“复杂推理”这两个维度表现突出。
其在多个关键指标上甚至超越了 Fable 5，这一结果多少令人意外。
Fable 5 曾被业界形容为“不敢发布的怪物”，然而 Opus 5 却轻松将其超越。
表格中的性能对比清晰直观，强弱差异一目了然。
下面我们逐一解读：
1、终端智能编程（Agentic terminal coding）——本次评测的核心指标。
这一项反映了模型在开发场景中的核心能力。
- Opus 5：43.3%
- Fable 5：33.7%
- Opus 4.8：21.1%
- GPT-5.6 Sol：34.4%
这组数据表明：
Opus 5 在类似 Claude Code 这类场景中提升巨大，能够更好地：
- 深度理解大型代码库
- 高效修改多个文件
- 精准调试
- 自主完成端到端开发任务
这恰好与 Anthropic 重点推进的技术方向相契合。
2、知识工作能力
GDVal-AA v2：
- Opus 5：1861
- Fable 5：1747
- GPT-5.6 Sol：1736
- Opus 4.8：1593
该指标代表：
模型在撰写报告、分析资料、处理复杂办公任务方面的能力显著提升。
3、新问题解决能力
ARC-AGI-3：
- Opus 5：30.2%
- Opus 4.8：1.5%
- GPT-5.6 Sol：7.8%
这一项比较特殊，测试模型面对陌生规则、没有训练经验的问题。
Opus 5 提升非常明显。
4、Agent 搜索能力
BrowseComp：
- Opus 5：90.8%
- GPT-5.6 Sol：90.4%
- Fable 5：87.4%
说明：
联网搜索、信息整理能力已经接近顶级水平。
5、电脑操作（Computer Use）
OSWorld 2.0：
- Opus 5：70.6%
- Fable 5：66.1%
- GPT-5.6 Sol：62.6%
- Opus 4.8：55.7%
表示：
操作真实电脑环境，比如：
- 点击界面
- 使用软件
- 完成流程
Opus 5 有明显优势。
2、每个任务成本
还有一个有意思的点：Claude 也开始谈性价比了！
它们推特的第三楼是这么说的：
他们给出了四种使用场景下的任务消耗情况图：
这让人意外：Anthropic 用了四张图来展示 Opus 5.0 的性价比（竞争真是美妙）。
从这四个图来看，Opus 5.0 实现了在相同价格下性能更高，相同性能下价格更低。
这四个图分别讲的是：
1、电脑操作任务
测试 AI 能不能像人一样操作电脑完成事情。
例如：
- 打开软件
- 点击按钮
- 填表
- 修改文档
- 使用网页应用
- 完成一套办公流程
2、企业业务流程任务
测试 AI 能不能完成真实工作流程。
例如：
- 处理客户请求
- 分析业务资料
- 整理数据
- 执行审批流程
- 跨多个系统完成任务
3、多学科综合推理任务
测试 AI 的复杂知识和推理能力。
例如：
- 数学问题
- 科学问题
- 医学问题
- 法律问题
- 工程问题
- 跨领域综合分析
4、智能编程任务
测试 AI 能不能自主完成软件开发。
例如：
- 阅读代码库
- 找 Bug
- 修改代码
- 编写功能
- 运行测试
- 完成开发任务
3、通用人工智能
当“梁圣”在朝着 AGI 这个目标前进的时候，Anthropic 已经给出了阶段性的结果。
前面提到了一个叫 AGI3 的基准！
这是一个很少被提及的新基准，之所以很少被提及，是因为它太难了，对当前模型来说基本上得不了多少分。
这个基准是今年上半年刚提出的，最大的特点是不告诉你规则。
相当于给你一个完全陌生的环境，不告诉你规则、目标、有效操作和重要元素，全部需要 AI 自己去探索。
这个基准刚推出时，几乎所有模型都徘徊在个位数的百分比。
Sol 的 7.8% 已经算非常高了。
但 Opus 5 直接把它干到了 30%，这让人不禁担心 Anthropic 会不会一下子刷到 80%，大家又没得玩了。
虽然大家都知道 AGI 还没有实现，但在这个 AGI3 基准上，它已经是最强的存在了。
4、不对齐行为
除了基准领先和性价比高，Claude 还强调了另一点：不对齐行为（越低越好）。
这个图主要表明，Opus 5 是 Claude 家族里最不容易出现危险、欺骗、鲁莽行为的模型。
这种数据不太适合放在第一个展示，但事实上这才是最重要的点。
5、安全防御
另外还强调了网络安全方面的：
这个图展示了两方面的能力：左图是发现漏洞的能力，右图是漏洞的利用能力。
也就是说，Opus 5.0 的防御能力已经和 Mythos 5 差不多了，只是在攻击力上差很多。
就是给了你最强的盾，而矛还在少数人手里。
这也不是坏事，至少人家打过来的时候，还能扛一下。
作为五代模型，现在推出什么功能都不会太新鲜了。
现在的模型比拼的是生态能力和实战能力。
别看 Opus 系列相对比较贵，但它真正完成任务的成本其实比较低。现在官方也用数据来证明单任务成本。
再者，Opus 总是能以非常专业的视角，帮你做最好的规划。开头也说了，它是一个深思熟虑的主动型模型。
“主动”这个词可能很多人没有体会，但实际使用中，它总是能想得更多、更全，做得更好。它绝对不是那种单纯执行任务的模型，而是会按最优路径来完成任务的模型。
就是那种你一个眼神，它心领神会，然后做得很好。
这也就是为什么在众多模型中，实际使用的只有 Opus，从 4.6 到 4.7 到 4.8，再到 5.0。
这次 Opus 5.0 的发布时机也很有意思，居然是在星期五，多少还是有点危机感，不过这是好事。
国产模型继续加油！你们越强大，对全行业越有利。
