Anthropic发布Claude Opus 5：旗舰级智能体编码能力，价格不变

全新旗舰发布与定位

Anthropic于今日正式推出Claude Opus 5，接替Claude Opus 4.8成为Opus层级的旗舰模型。其API定价保持不变——$5/百万输入token、$25/百万输出token。官方将其定位为‘以Opus价格实现接近Claude Fable 5的智能水平’，目前已设为Claude Max的默认模型，并成为Claude Pro中最强可用模型。

API层关键变更

三项底层调整直接影响开发者集成：

• 推理默认开启：Opus 5默认启用自适应推理（thinking），无需显式设置`thinking: {"type": "adaptive"}`；原Opus 4.8需手动开启。推理深度由新参数`effort`控制，且`max_tokens`现同时限制推理过程与最终响应文本总长，原有配置需重新评估。
• 禁用推理触发错误：设置`thinking: {"type": "disabled"}`并搭配`effort: xhigh`或`max`将返回HTTP 400错误。该限制按请求强制执行——开发者须将`effort`上限设为`high`，或直接移除`thinking`字段。
• 移除人工验证指令：Anthropic明确建议删除如“请包含最终验证步骤”类提示词。因Opus 5已内置工作自检机制，此类指令将导致过度验证，降低效率。

技术规格更新

模型ID为`claude-opus-5`，上下文窗口统一为100万tokens（无更小变体）；同步Messages API最大输出为128k tokens，Message Batches API通过`output-300k-2026-03-24` Beta Header可支持300k tokens输出；最小可缓存prompt长度降至512 tokens（此前为1024）。

智能体与编码能力跃升

在FrontierBench v0.1（74任务）中，Opus 5在`max` effort下得分43.3%，远超Opus 4.8的18.7%；Fable 5与GPT-5.6 Sol分别为33.7%和37.5%。其最佳表现达`xhigh` effort下的44.4%平均奖励值，且输出token用量比`max`少25%。安全拦截方面，Opus 5仅对5%的API调用触发安全分类器拒绝（覆盖4%的测试轮次），而Fable 5达42%调用被拒（覆盖26%轮次）。

在SWE-bench系列评测中：Opus 5获Verified版96.0%、Pro版79.2%（Fable 5为80.0%）；Multimodal版则从38.4%跃升至59.4%。智能体专项表现尤为突出：OSWorld 2.0达70.57%（Opus 4.8为55.7%）；Zapier AutomationBench达26.0%（Opus 4.8为17.0%，Fable 5为17.4%），中等effort下仍达24%，单任务成本低至$0.89。在Artificial Analysis GDPval-AA v2榜单中包揽ELO 1861与1827两个最高分。

推理与通用智能突破

Opus 5在无工具、无Agent框架条件下，独立求解全部6道IMO 2026数学题，经三模型评审团判定24份解答全部正确；人类专家对每题一份预设解答评分均为7/7，总分42/42，达国际奥赛金牌线（门槛29/42）。在ARC-AGI-3基准中，`high` effort下取得30.16%准确率——约为此前最佳公开成绩的4倍（GPT-5.6 Sol为7.78%，Opus 4.8为1.52%）。在‘人类终极考试’（Humanity's Last Exam）中，无工具得分为56.3%，启用工具后升至64.7%。

工具调用优于纯推理

多模态任务验证了关键工程洞见：工具调用比单纯增强推理更高效地扩展测试时算力。例如Chartography任务中，Opus 5启用容器+图像裁剪工具后，得分从29.6%飙升至83.0%；BenchCAD Vision2Code的体素IoU从0.366提升至0.821，显著超越Claude Mythos 5的0.678。值得注意的是，Anthropic未在Opus 5训练中纳入网络安全数据，相关能力提升源于通用智能演进而非专项训练。

编者观点：Opus 5的发布凸显‘智能体优先’范式正加速替代传统单次响应模式，中国企业若布局AI原生应用，需同步重构提示工程规范、重估token成本结构，并将工具集成能力前置为架构设计核心要素。