克雷西 发自 凹非寺

量子位 | 公众号 QbitAI

泄露了一路的Opus 5，刚正式登场就被网友玩疯了。

今天凌晨，Anthropic正式把这款新模型放了出来。

多项硬核评测上，它追平甚至反超了Fable 5，价格却只有一半。

Frontier-Bench上，它反超了包括Fable 5在内的所有对手，性能是上一代Opus 4.8的两倍还多。

CursorBench最高努力设置下，也贴近定价两倍的Fable 5峰值成绩，只差0.5%。

官方给出的demo里，有一个能实时显示气流路径的风洞，气流怎么绕过去看得清清楚楚。

还有一张能360度旋转的3D细胞结构图，连内质网上密密麻麻的核糖体都画了出来。

更耐人寻味的是，为了配上这代模型的判断力，Anthropic把自己给Claude Code写的系统提示词删掉了八成，成绩却没掉。

之前泄露的时候有网友感叹Opus 5简直就像fable 6，现在Opus 5正式发布之后，有人更赞同这个说法了。

网友已开启疯玩模式

Opus 5上线不过半天，网友们就已经开启了疯玩模式，接下来就来看看网友们都整出了什么活。

博主am.will本来觉得Opus 5不过是一个便宜版Fable，测完直接改口，说自己「大错特错」。

他只用了5倍Max订阅额度的27%，就让Opus 5搭出了他见过最好的一个Rocket League克隆版，游戏能玩，代码还开源在了评论区。

类似的反差，也出现在另一段动画演示里。

博主OmedTheVibeCoder做完测完一个竞技场对决的画面，评价从「以为会接近」变成「根本不是接近，是完全甩开了它」。

开头看到的「就是fable 6」的评价，正是看了这个结果说出来的。

后来他有放出了和其他模型的对比，并补充说自己「差点从椅子上摔下来」，因为Opus 5 Max直接打破了他原来的测试标准。

他表示，这已经不像是代码生成的画面，倒像是把提示词丢进了图像生成器，出来的却是一整张能走进去的地图。

另一位博主Alex Ermolov搭建的是滑雪场景，他给出的结论是「和Fable 5打平，甩开我测过的所有其他模型」，第一遍生成就没有明显穿模，滑行物理也对。

Minecraft复刻测试里，Chetaslua更是把这次生成称为「迄今为止最好的一次创作」。

把它接入到Unity，就像给游戏开了挂一样。

Opus 5对物理规律也拿捏的很精准，在这个连环机关场景当中，每个缓解都和真实规律严丝合缝。

Noema则给了Opus 5一个「狠」提示词，要求只用一个HTML文件，做出一整条从1945年变化到2055年的街区，建筑、车辆、店铺、人群、灯光和音效全部跟着年份走。

即使effort从max降到high，Opus 5的结果也把Fable 5、GPT-5.6 Sol都甩在了后面，Noema给的评价只有三个单词，「是个怪物」。

还有阿波罗任务的点火升空场景，从火箭喷焰到实时刷新的遥测数据，几乎全靠程序生成，没有拼现成素材库。

CAD设计上，网友也是直接给它封神，表示它在很多机械设计任务当中表现超越了fable。

教育场景上，开发者Matt Shumer给@AlphaSchool做了个实时AI家教原型。

Opus 5负责对话和方向判断，配合一个专门训练的小型世界模型做实时渲染，虽然还很粗糙，已经能一边讲分数概念一边在画板上同步画图。

另外我自己也试着让Opus 5（Low Effort）写了一个三羧酸循环过程的3D网页动画演示。

它的核心思路是只描述化学过程，把几何计算交给程序完成。

具体来说，Opus 5针对每幕反应只写原子清单与键表，每根键带有反应前后两个键级，由此同时定义底物与产物。

三维坐标交则由几何优化器现场求解，按元素和键级取标准键长，按配位数推杂化得到键角，再加上非键排斥与平面性约束迭代收敛。

产物构型则以底物坐标为起点再优化一次，使动画只保留必要位移，离去的小分子则自动被推开飞散。

最后，Opus 5将代码单独抽出，校验键长与键角，确认无误后再用Three.js渲染成球与圆柱。

最终交付的成果不仅正确体现反应过程，键长、键角等物质的真实结构信息，也都是按照实际渲染的。

atomic.chat则用三个破坏场景的题目，做了一次更细的横向对比，并且比较了成本。

同样是龙卷风卷起整片场地、重锤砸楼、卡车压塌桁架桥这三道题，Opus 5花0.508美元全部做对，Fable 5花的钱几乎是Opus 5的两倍，龙卷风卷不起地面上的东西，楼在锤子碰到之前自己就塌了，桥直接炸成一堆木棍。

GPT 5.6最便宜，0.14美元，但锤子压根没碰到楼，同期的Kimi K3和GPT 5.6水平相当。

之前Opus 5泄露时，有人怀疑它虽然单价低但token烧太多，综合下来并不比fable便宜，现在看来可能只是个例。

更硬核的自检流程

博主Victor M做了一次更硬核的自检演示，题目是照着波音747的公开数据，用代码在浏览器里重建出一架能转能看的3D模型。

Fable 5用42分钟交了活，4个文件、约1000行代码，搭了一套Puppeteer渲染管线，跑了17轮渲染，检查了54张截图，验证方式只靠肉眼看图对不对。

Opus 5花了71分钟，写出20个模块、约4000行代码，换成Playwright渲染管线，25套镜头预设，还多写了一个测量脚本。

而它验证的方式，是从渲染出来的画面里提取正射轮廓，算出翼展、轴距、机翼前缘扫掠角等14项具体指标，逐项去和波音747-400的公开数据核对公差。

它还做了几件Fable 5没做的事，前43分钟只渲染没贴皮的素模，确认轮廓过关了才上涂装，中途加了一个调试参数，能单独渲染某个子部件方便排查问题，最后把6个视角拼成一张联系表一次看完，不用一张张翻截图。

Victor M的结论是，Fable 5交货快了大概40%，尺寸表也更好读，但它用的是和Opus 5一样的747-400真实数据，却从没拿建好的模型反过来量过这些数据对不对。

之所以把这个例子单独拿出来说，是因为Opus 5这种「自己验证自己」的劲头，在Anthropic官方给的案例里同样能看到。

比如Frontier-Bench有一道题，给Opus 5一张机械零件的图纸，要求它写代码，用FreeCAD把零件重建成3D模型，却不给任何直接看图的方式。

它索性自己写了一套计算机视觉管道，从像素里提取几何数据，把零件重建了出来，而且反复成功，同样的设定下，其他模型试了五次都没做出来。

还有一个开源包管理器的真实bug，社区提交的补丁只处理了表面症状，Opus 5顺藤摸瓜找到了底层原因，把边缘情况一起修了。

另外，一位量化交易工程师用它给新交易所搭实时行情源，之前的模型全部做不出来，Opus 5发现没有实时数据可以验证，干脆自己搭了一套测试环境，专门检查代码解析交易所数据对不对。

一半价格咬住fable 5

看完这些demo，再来通过数据感受一下Opus 5的性价比。

价格上，Opus 5和前一代的Opus 4.8相比是提质不加价，依然是每百万token输入5美元、输出25美元，只要Fable 5的一半。

同时Opus 5也照旧配备了Fast模式，和之前一样是两倍价格换2.5倍速度。

比起价格，Opus 5在跑分上的赢面更让人意外。

Frontier-Bench v0.1这类硬核编程任务上，它拿到43.3%，把Fable 5的33.7%甩开一截，是自家上一代Opus 4.8（21.1%）的两倍还多。

Opus 5赢面最大的一项是ARC-AGI-3，专测那种模型压根没见过的全新问题。

它拿到30.2%，隔壁GPT-5.6 Sol只有7.8%，差了将近四倍，比上一代Opus 4.8更是翻了近20倍。

还有专门用来为难顶尖模型的高难度测试Human's Last Exam，不开工具的时候，Opus 5的得分是56.3%，和Fable 5的56.5%差距极小，而如果开启工具，Opus 5的成绩就会涨到64.7%，反超Fable 5的63.9%。

网页搜索、编程智能体指数、深度搜索问答这几项，Opus 5也都小幅领先，BrowseComp 90.8%对87.4%，AA Coding Agent Index 66.7%对65.8%，DeepSearchQA 95%对94.7%。

还有一个小插曲是，A社先前的一版通告里，在FrontierCode榜单上，把得分更低的Opus标成了获胜者，不过现在这个bug已经修正了。

电脑操作和业务流程这两项，差距拉得更大，OSWorld 2.0上的成绩是70.6%对66.1%。

而且，官方说Opus 5在这项测试里，只花了不到fable 5三分之一的成本。

之前在Opus 5泄露风波中频繁出现的cursor，其联创评价，Opus 5用Opus的价格实现了接近fable的性能。

除了官方通告里的那些数字，Opus 5也在今年的IMO 2026竞赛中取得了满分成绩，而且没有用任何外部工具。

另外，Opus 5也不像fable 5那么的守口如瓶了，其预计触发拦截的频率比后者降了约85%。

之前fable 5近乎变态的安全护栏确实让人感到头疼，现在有了Opus，或许就能缓解了。

CC系统提示词也改了

Opus 5发布的同一天，Anthropic工程师Thariq写了一篇文章，讲他们怎么给Claude Code这类产品设计上下文。

文章里最扎眼的一条是，Claude Code的系统提示词被删掉了超过80%，编码评测成绩却没有任何下降。

这80%的删减，就是专门针对Opus 5、Fable 5这代模型做的。

能删掉这么多，前提是模型的判断力已经追上来了，过去靠规则硬堵的地方，现在可以放手交给模型自己判断。

最典型的一条规则是「默认不写注释」。

早期模型判断力不够，团队怕它注释写得又多又乱，只能定死这条规则，但用户自己想要详细注释的时候，这条规则反而帮了倒忙。

现在这条规则被换成了「写代码时贴合周围代码的风格，匹配注释密度、命名和习惯」，判断权交还给了模型。

类似的逻辑也用在了工具设计上。

过去团队靠给例子来教模型怎么用工具，但例子越多，模型可选的路径反而被框得越死。

现在，团队反过来在工具接口本身上花心思，比如Todo工具只留「待处理」「进行中」「已完成」几个状态，模型自己就能判断该怎么用，不需要额外举例。

判断力上来了，上下文本身也不用一次性堆给模型。

系统提示词从一开始就把所有场景的说明塞进去，改成了「渐进式披露」，把代码审查这类不常用的说明单独拆成一个技能文件，模型判断需要时才自己去调用。

记忆也不例外，以前靠用户手动把信息写进CLAUDE.md，现在Claude能自己判断哪些信息值得记下来，直接存成记忆。

这些变化背后是同一个判断，规则、例子、记忆，本来都是给判断力不够的模型搭的脚手架，现在脚手架被一根根拆掉，因为模型自己就能接得住。

One More Thing

Opus 5发布之后，马斯克也来蹭了波热闹。

他放了一张FrontierCode的性价比截图，表示只有Grok 4.5和Opus 5处于帕累托前沿，也就是多目标优化问题中所有“最优权衡解”构成的一条边界线。

按他的说法，Grok 4.5虽然表现不及Opus 5，但价格便宜，是同等性能下最低价的模型之一。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8v2mCn5CSVL