Anthropic 在 2026 年 7 月 24 日推出 Claude Opus 5，定位是「日常可用」的模型：宣稱在編碼與知識工作評測上接近旗艦 Claude Fable 5，但價格只要一半。對產品開發者來說，這不是又一次規格堆疊，而是「用更少成本換取接近頂尖的智慧」的實際選擇。
效能與成本：不只是「更便宜」，而是「更划算」
根據 Anthropic 官方數據，Opus 5 在 Frontier-Bench v0.1 上超越所有其他模型，效能是 Opus 4.8 的兩倍以上，且每任務成本更低。在 CursorBench 3.2 上，以最高努力設定運作時，Opus 5 的得分與 Fable 5 相差不到 0.5%，但每任務成本只有一半。
知識工作方面，Opus 5 在 ARC-AGI 3（新穎問題解決）的得分是次佳模型的三倍；在 Zapier AutomationBench 上，以相同成本通過率約為次佳模型的 1.5 倍；在 OSWorld 2.0（電腦使用）上，以略高於三分之一的成本超越 Fable 5 的最佳成績。
對科學研究，Opus 5 在有機化學與蛋白質相關任務上比 Opus 4.8 分別高出 10.2 與 7.7 個百分點。這些數據顯示，Opus 5 的優勢不在單一指標，而在「以較低 token 消耗達成高準確度」。例如，有法律科技公司回報，Opus 5 在維持相同品質下，平均比 Opus 4.8 少產生 26% 的 token。
真正的亮點：判斷力與自我驗證
多位早期客戶不約而同提到「判斷力」（judgment）這個詞。一位工程師描述，Opus 5 在重構會議中會反駁他的設計，但不會固執己見——它會解釋想法中的價值、將反對意見縮小到單一設計問題，並提出保留優點、修正缺陷的折衷方案。這種行為讓開發者願意以較少監督信任它。
Opus 5 也擅長「檢查自己的工作」。在一個 Frontier-Bench 任務中，模型被要求根據一張機械零件圖重建 3D FreeCAD 模型，但被刻意不提供直接檢視圖像的途徑。Opus 5 自己寫了一套電腦視覺 pipeline，從原始像素提取幾何形狀，成功重建零件；其他競爭模型在相同設定下嘗試五次都失敗。
另一個例子是，Opus 5 在處理一個開源套件管理器的真實 bug 時，找到根因並修復了社群 patch 遺漏的邊緣案例，而競爭模型只修了表面症狀。這種「追根究底」的能力，對需要長期維護的產品特別有價值。
對產品開發者的實際意義
從這些回饋可以看出，Opus 5 的價值不只是「更強」，而是「更可靠」。Lovable 的回饋指出，Opus 5 在內部評測中比 Opus 4.7 高出 22%，且「run to run 的變異性大幅降低」——對依賴 AI 產生一致結果的產品，穩定性往往比峰值效能更重要。
Opus 5 也展現了「長期任務」的優勢。有客戶讓它擔任「幕僚長」角色，管理開發環境：它自己建立監控、操作每台機器，只在需要判斷時才找人類。另一個客戶用它處理金融研究，平均準確度提高 9 個百分點，且減少了三分之一的回合數與工具呼叫，時間節省 60%。
不過，Opus 5 並非萬能。Anthropic 承認它在網路安全任務上仍落後 Mythos 5。此外，官方數據多來自特定評測，實際效果會因任務類型而異。產品開發者應先在自己的工作流程中測試，特別注意「努力設定」（effort setting）的調整——Anthropic 提供不同努力等級，讓使用者平衡智慧與 token 成本。
務實的下一步
Claude Opus 5 已成為 Claude Max 的預設模型，也是 Claude Pro 上最強的選擇。對開發者而言，最直接的動作是：在 Cursor、Devin、Kiro 等整合環境中試用 Opus 5，並比較它與 Opus 4.8 在「困難、模糊任務」上的表現——多位客戶指出，這正是 Opus 5 進步最明顯的地方。
如果你重視成本效率，Opus 5 的低努力設定可能已足夠應付日常任務；若需要處理複雜、多步驟的專案，再調高努力等級。最終，這款模型的「判斷力」能否轉化為你產品的競爭優勢，取決於你如何設計工作流程，讓它發揮「自我驗證」與「長期規劃」的長處。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。