- Claude Opus 5 在編碼和知識工作任務上具備尖端性能。
- 該模型在多個測試中表現超越前身 Opus 4.8，且成本相同。
- Opus 5 在商業任務的通過率是第二名模型的 1.5 倍。
- 該模型在安全控制方面更符合倫理，欺騙行為率低於其他模型。
Anthropic 推出了全新的旗艦模型 Claude Opus 5，該公司表示此模型在編碼和知識工作任務方面具備尖端性能，並且使用成本與其前身相同。該模型今日已在 Anthropic 的各個平台上推出，使用費用為每百萬個輸入標記 US$5 (約 HK$39) 和每百萬個輸出標記 US$25 (約 HK$195)。此外，還提供一種更快的模式，其運行速度約為默認設置的 2.5 倍，雖然該選項的成本是普通模式的兩倍。
Anthropic 表示，Opus 5 設計用於更高效地處理複雜的軟件工程、商業自動化、科學研究和計算機使用任務。該公司將其定位為日常使用的模型，而不僅僅是為了滿足最苛刻的工作負載。
Opus 5 的性能優勢
在專注於軟件工程的 Frontier-Bench v0.1 評估中，Opus 5 的表現據報告超越了其他測試模型，並且以較低的每任務成本超過了 Opus 4.8 的表現。該模型在 CursorBench 3.2 上的最大努力表現接近 Claude Fable 5 的最高得分，誤差僅為 0.5%，而其每任務成本僅為對方的一半。性能的提升不僅限於編碼方面。Anthropic 表示，Opus 5 在 ARC-AGI 3 測試中比第二名模型高出三倍，該測試評估模型解決新問題的能力。
在 Zapier AutomationBench 上，Opus 5 在完成從開始到結束的商業任務時，其通過率大約是第二名模型的 1.5 倍，且每任務成本相同。
安全控制與倫理考量
該模型在 OSWorld 2.0 上的表現也超越了其他系統，以不到三分之一的成本超越了 Fable 5 的最佳結果。Anthropic 還報告了其在科學研究方面的改進，尤其是在生命科學領域。在一項涉及根據光譜數據推斷分子結構的內部有機化學基準測試中，Opus 5 比 Opus 4.8 高出 10.2 個百分點。在涉及蛋白質序列變異對功能影響的任務中，則提高了 7.7 個百分點。
該公司表示，該模型在檢查自身工作及在初步方法失敗時進行重試方面也表現更佳。在一項測試中，Opus 5 被給予一張機械零件的圖片，但無法直接查看，並被要求將該零件重建為 3D FreeCAD 模型。該模型不僅停留在這裡，還報導建立了自己的計算機視覺管道，以從圖片的原始像素中提取幾何形狀，然後重新構建該零件。Anthropic 表示，該模型多次成功，而競爭對手在相同條件下的五次嘗試均以失敗告終。
Opus 5 也引入了基於其增強能力的安全控制。Anthropic 表示，該模型是迄今為止其最符合倫理的模型，根據自動化行為測試，其欺騙行為的發生率低於最近的模型。該公司表示，Opus 5 在攻擊性網絡安全能力上仍然不及 Mythos 5 模型。儘管這兩個模型在 Anthropic 的 OSS-Fuzz 評估中均具備識別軟件漏洞的能力，但 Opus 5 在開發漏洞利用方面的成功率顯著低於 Mythos 5。
Anthropic 還對某些網絡安全任務增強了限制，包括基於二進制的漏洞掃描、滲透測試和漏洞生成。安全系統標記的請求可以自動回退至 Opus 4.8。
除了推出新模型，Anthropic 還引入了 beta 功能，允許開發者在對話過程中更改可用工具，而不會使提示緩存失效，並自動將標記的 API 請求路由到另一個模型。Opus 5 現在成為 Claude Max 的默認模型，並成為 Claude Pro 用户可用的最強模型。
Opus 5 對軟件工程的影響
Claude Opus 5 的推出標誌著人工智能在軟件工程和知識工作領域的一次重大進步。其性能的提升和成本的穩定，顯示出 AI 技術在商業自動化和科學研究中的潛力。特別是在解決複雜問題和執行商業任務方面，Opus 5 的優越表現可能會改變企業對 AI 的依賴方式。此外，強調倫理和安全控制的設計，顯示出 AI 開發者對技術影響的重視，這對未來的 AI 應用具有重要意義。