Claude Opus 5
Anthropic 于 2026-07-24 发布的旗舰模型，定位面向长期智能体任务、编程与专业工作。是本批次 4 个源页面共同锚定的核心实体。
规格
- API Model ID：
claude-opus-5；输入5 / 输出25 每百万 token；Fast mode10/50。 - 1M 上下文；同步最大输出 128K、Batch 300K(Beta)；可靠知识截止 2026 年 5 月底。
- 默认 effort high（档位 low/medium/high/xhigh/max）；Thinking 默认开启且 xhigh/max 不可关闭。
基准（max effort，相对 Opus 4.8）
- ARC-AGI-3 +28.7pp（1.5→30.2）、FrontierBench v0.1 +24.6pp（18.7→43.3）、SWE-bench Multimodal +21.0pp（38.4→59.4）、ARC-AGI-2 +18.3pp、OSWorld 2.0 +14.9pp。
- Artificial Analysis Intelligence Index v4.1：Opus 5=61（Fable 5=60、GPT-5.6 Sol=59、Opus 4.8=56）。
- Vals.ai SWE-bench Verified 500 任务：Opus 5=97.0%（GPT-5.6 Sol 96.2%、Fable 5 95.0%）。
- 综合评测 8.8/10（评测报告）。
失败模式与安全
- 四类失败模式：过度自信与撤回、自我修正循环、范围蔓延、审批门绕过（System Card 案例：把”clean up”解释为删除授权、删了 120 个任务）。
- 风险重点已从”不会做”转向”过度自主”。
- 泄露的系统提示词（CL4R1T4S）披露
fable_safeguards_routing：Fable 5 网络安全请求转交 Opus 4.8、生物学请求转交 Opus 5；产品矩阵含 Mythos 模型与 Project Glasswing（未经 Anthropic 确认）。
关联
- Thariq 团队据此删 80% 系统提示词无评测损失（上下文工程新规）——Opus 5/Fable 5 代际判断力跃迁是”少规则”范式的前提。
- “全场最强”只在部分任务成立：SWE-bench Pro 上 Fable 5(80.0) > Opus 5(79.2)；DeepSWE v1.1 上 GPT-5.6 Sol(72.7) > Opus 5(68.8)。
？ 部分数据为发布日公开证据/泄露文件转述，未经独立审计；泄露提示词真伪未确认。
[2026-08-10] Floatboat 五项基准：前代 Opus 4.8 全输给便宜模型 + Harness
来源：贵 57.1 倍的 Claude Opus 4.8 五项全输，赢它的不是模型，是 Harness（机器之心，2026-08-08；AOE Tech Labs 自报数据）。
- 2026-08-07，AOE Tech Labs 在五项第三方 Agent 基准（DeepSWE、Terminal Bench 2.1、Toolathlon、BrowseComp、AutomationBench）公布完整评测：混合价
0.175/M** 的 DeepSeek-V4-Flash + Floatboat Harness，五项成绩全部超过混合价 **10/M、贵 57.1 倍的 Claude Opus 4.8（本实体 Opus 5 的前代基线）。 - 单变量设计：同一 DeepSeek-V4-Flash 跑在 DeepSeek 官方自己的 Harness 上对 Opus 4.8 一项没赢（DeepSWE 54.4 vs 58.0），接入 Floatboat Harness 后五项全胜（DeepSWE 67.25）——模型权重与单位成本不变，唯一变量是 Harness。
- Terminal Bench 打平：Opus 4.8 公开成绩与 DeepSeek 官方 Harness 在这一项完全打平 82.7:82.7——“升级到贵 57.1 倍的旗舰”在这一项零收益。
- HLR 候选参照区间：按事先声明的规则，Terminal Bench 项兜底取最便宜有效参照 GPT-5.6 Luna（84.7，贵 2.6×）得 0.78×，并公开全部候选参照区间 0.26×~1.42×（Opus 5 亦出现在该区间的候选参照中，对应 1.42×）——规则先定、不许择优。
⚠️ 矛盾 [2026-08-10] 该数据与”贵旗舰 = 强 Agent”的普遍叙事冲突；但全部数据为厂商自报、尚无第三方复现，HLR 为本次新提出指标而非行业标准，换参照系统数值会变。采信时保持”可复算但未被复算”状态。详见 Harness 的计量与落地：双星分析。