Claude Opus 5 在大多數基準測試中超越 Fable 5，價格卻只有一半

By: rootdata|2026/07/24 18:28:43

Claude Opus 5 今天正式推出。對於企業來說，運行它的成本比 Anthropic 的主打模型 Claude Fable 5 更低，後者被該公司定位為付費用戶的日常前沿產品。更重要的是，Opus 5 在重要的基準測試中也超越了它。

要了解 Opus 5 的定位：Anthropic 的產品線分為四個層級。Haiku 是快速且便宜的，Sonnet 屬於中端，Opus 是重型工作馬。在其之上是 Mythos 類別——這是 Anthropic 在春季推出的一個層級——包括面向公眾的 Claude Fable 5，以及 Claude Mythos 5，這是一個通過 Project Glasswing 為經過審核的網絡安全研究人員和關鍵基礎設施運營商保留的版本，限制較少。

作為訂閱用戶的旗艦產品，Fable 5 的表現不佳。它於 6 月 9 日推出，三天後因美國政府發布緊急出口管制令，指出存在越獄漏洞而被全球撤回，並於 6 月 30 日重新上線——卻立即轉為僅限於信用的模式，不再包含在標準計劃中。Opus 5 現在填補了 Fable 5 無法保持的空缺。

擁有數百萬用戶的開發者平台 Lovable 在其內部評估中運行了 Opus 5，並指出其增益超越了原始分數："它不僅在我們最困難的代理編碼任務上表現更好，比 Opus 4.7 提高了 22%，而且穩定性更高，運行之間的變異性大大減少，"Fabian Hedin 在 Anthropic 分享的聲明中表示。

基準測試

聽起來可能有些奇怪，但 Opus 在幾乎所有對日常用戶重要的方面都超越了 Fable，而不被標記為 Mythos 類別。

在 Frontier-Bench v0.1——一個測試 AI 編碼代理是否能夠完成端到端真實軟件工程任務的基準，按通過的任務百分比計分——Opus 5 的得分為 43.3%。Fable 5 的得分為 33.7%。OpenAI 的 GPT-5.6 Sol，Anthropic 的主要商業競爭對手，得分為 34.4%。

最顯著的差距出現在 ARC-AGI-3，這是一個基於模型無法從訓練數據中記憶的全新謎題進行的真正問題解決測試，按解決的謎題百分比計分。Opus 5 的得分為 30.2%；GPT-5.6 Sol 的得分為 7.8%；而 Fable 5 根本沒有進行測試。在 GDPval-AA v2——一個通過 Elo 評級計分的知識工作基準，這是一種用於測量真實專業任務相對表現的棋類排名系統——Opus 5 的得分為 1,861，而 Fable 5 的得分為 1,747，GPT-5.6 Sol 的得分為 1,736。

Zapier 在 AutomationBench 上測試了 Opus 5，這是一個評估模型是否能夠在沒有人工幫助的情況下從頭到尾執行完整業務工作流程的評估。他們的判斷是：該模型"從一個原始的帳戶健康工作簿中運行了一個完整的客戶流失預防序列：標記高風險帳戶，提醒正確的擁有者，並為保留操作進行總結。之前的模型未能通過；Opus 5 則達到了 100%。"

Anthropic 也將 Opus 5 作為研究升級進行推廣。DNA 測序公司 Ultima Genomics 表示，該模型"的表現更像是一位謹慎的科學家，而不是我們運行過的任何模型。它會尋找正確的統計測試來排除混淆因素，通過獨立方法交叉檢查自己的結果，並在長時間的多步分析中保持正確的方向。"

不過，這兩個領域——法律和健康——是 Fable 5 僅僅在微小的範圍內表現優異的唯一領域。

此次發布距離 Moonshot AI 的發布僅一周，這是一家由阿里巴巴支持的北京初創公司，推出了 Kimi K3——一個擁有 2.8 兆參數的開放權重模型（意味著任何人都可以下載底層代碼以獨立運行），Moonshot 將其描述為世界上最大的開放 AI 系統。獨立基準測試一致將 Kimi K3 排名第三，僅次於 Fable 5 和 GPT-5.6 Sol，在特定領域超越這兩者。

Opus 5 現在通過 API 提供，每百萬個輸入標記的價格為 5 美元，每百萬個輸出標記的價格為 25 美元。（標記是 AI 模型在輸入和輸出中可以處理的基本信息單位）。還提供一種快速模式，運行速度約為默認速度的 2.5 倍，價格為基礎價格的兩倍——每百萬個輸入標記 10 美元，每百萬個輸出標記 50 美元。

此次發布可能結束了對 Fable 5 缺乏公共可用性的焦慮。Opus 現在也可供所有人訂閱使用。