摘要： Anthropic 在 2026 年 7 月 24 日發表 Claude Opus 5，定位為日常可用、成本只有 Fable 5 一半但接近旗艦能力的模型。文章強調它在編碼、知識工作、自動化與長時程任務上的判斷力和自我驗證，但也指出網安任務仍落後 Mythos 5。導入時應在自己的模糊或困難工作流中測試不同 effort 設定。
Anthropic 在 2026 年 7 月 24 日發表 Claude Opus 5，把它放在「日常可用」的位置上：官方說法是在編碼與知識工作的評測上直逼旗艦 Claude Fable 5，售價卻只要一半。對做產品的人來說，這裡的意義不在規格又多堆了一格，而在於多了一條以更低支出換到接近頂尖智慧的可行路徑。
效能與成本：重點不只是便宜，而是每一分錢的產出
以 Anthropic 公布的數字來看，Opus 5 在 Frontier-Bench v0.1 上壓過所有其他模型，表現是 Opus 4.8 的兩倍有餘，而每任務成本反而更低。換到 CursorBench 3.2，把努力設定開到最高時，它的得分與 Fable 5 的差距落在 0.5% 以內，每任務成本卻僅有一半。
知識工作也出現類似走勢。在新穎問題解決取向的 ARC-AGI 3 上，Opus 5 拿到次佳模型三倍的分數；Zapier AutomationBench 在相同成本條件下，它的通過率約為次佳模型的 1.5 倍；到了 OSWorld 2.0 這類電腦使用評測，它則以略高於三分之一的成本，超越 Fable 5 的最佳成績。
科學研究方面，Opus 5 在有機化學與蛋白質相關任務上，分別比 Opus 4.8 高出 10.2 與 7.7 個百分點。這些數字指向同一個結論：Opus 5 的強項並非某個單一指標，而是用更少的 token 換到更高的準確度。一家法律科技公司就回報，在品質維持不變的前提下，Opus 5 平均比 Opus 4.8 少產出 26% 的 token。
真正的亮點：判斷力，以及驗證自己成果的能力
「判斷力」（judgment）是許多早期客戶不約而同用上的字眼。有位工程師談到一場重構會議：Opus 5 當面反對他的設計，卻沒有在工程師堅持後就退讓，而是逐一說明該設計可貴之處，把爭點收斂成單一設計問題，再提出一個留住優點、修掉缺陷的折衷做法。這種反應，讓開發者敢在更少監督之下把工作交給它。
Opus 5 同樣擅長回頭檢查自己的產出。某個 Frontier-Bench 任務要求它依據一張機械零件圖重建 3D FreeCAD 模型，卻刻意不給它直接檢視圖像的途徑。它於是自行寫出一套電腦視覺 pipeline，直接從原始像素中取出幾何形狀，順利完成重建；相同條件下，其他競爭模型試了五次都無法過關。
另一個案例牽涉開源套件管理器裡一個真實 bug。Opus 5 找到根因，並且補上社群 patch 漏掉的邊緣案例；競爭模型則只處理了表面症狀。這種追到問題底層的本事，對於需要長期維護的產品格外有價值。
這些回饋對產品開發者意味著什麼
從客戶反應來看，Opus 5 的價值與其說在「更強」，不如說在「更可靠」。Lovable 指出，內部評測中 Opus 5 比 Opus 4.7 高出 22%，而且「run to run 的變異性大幅降低」；當產品必須仰賴 AI 產出一致結果時，穩定度的重要性往往勝過峰值效能。
長時間任務也是它的強項。有客戶把「幕僚長」的角色交給它，讓它管理整個開發環境：監控由它自己搭建，每台機器由它操作，唯有遇到需要判斷的環節才回頭找人。另一個客戶將它用於金融研究，平均準確度提升 9 個百分點，回合數與工具呼叫少了三分之一，時間則省下 60%。
當然，Opus 5 並不是萬用解。Anthropic 自己也承認，它在網路安全任務上仍落後 Mythos 5。加上官方數據多半來自特定評測，落到不同任務類型，實際效果會有落差。產品開發者該做的，是在自己的工作流程裡先試一輪，尤其要留意「努力設定」（effort setting）該怎麼調——Anthropic 提供多個努力等級，讓使用者在智慧與 token 成本之間取捨。
可以立刻採取的務實做法
Claude Opus 5 目前已是 Claude Max 的預設模型，在 Claude Pro 上則是最強的選項。對開發者來說，最直接的起手式是把它放進 Cursor、Devin、Kiro 這類整合環境試用，並針對「困難、模糊的任務」與 Opus 4.8 對照——好幾位客戶都指出，這正是 Opus 5 進步幅度最明顯的地方。
在意成本效率的人，低努力設定或許就足以應付日常任務；要處理複雜、多步驟的專案，再把努力等級往上調。至於這款模型的「判斷力」能不能變成你產品的競爭優勢，終究取決於你如何設計工作流程，讓它的「自我驗證」與「長期規劃」能力有用武之地。