Anthropic 今日發布 Claude Opus 5，取代 Claude Opus 4.8 成為 Opus 等級的旗艦模型。定價維持不變，每百萬輸入 token 5 美元、每百萬輸出 token 25 美元，使新旗艦模型與其前身保持相同的 API 費率。

Anthropic 將 Opus 5 定位為接近 Claude Fable 5 的智慧水準，但價格僅為一半。該模型現為 Claude Max 的預設模型，也是 Claude Pro 上最強大的模型。

API 層面的變更

Anthropic 在 Opus 5 中引入了多項 API 層面的變更，開發者在評估基準測試結果或將現有應用程式遷移至新模型前，可能需要留意這些調整。

首先，思考模式預設為開啟。在 Opus 4.8 中，除非開發者設定 thinking: {"type": "adaptive"}，否則請求不會啟用思考功能。而在 Opus 5 中，相同的請求會預設啟用思考，由 effort 參數控制深度。由於 max_tokens 現在同時涵蓋思考 token 和回應文字，現有的 token 上限可能需要重新檢視。

其次，Anthropic 引入了一項破壞性變更。設定 thinking: {"type": "disabled"} 且 effort 設為 xhigh 或 max 的請求，現在會回傳 400 錯誤。此限制以每次請求為單位強制執行。開發者必須將 effort 上限設為 high，或是移除 thinking 欄位。

第三，Anthropic 建議開發者移除驗證提示。如「加入最終驗證步驟」等指令現在可能導致過度驗證，因為模型已會自行驗證其工作成果。Anthropic 的 Opus 5 提示工程指南涵蓋了相關的調整模式。

模型 ID 為 claude-opus-5。其上下文視窗為 1M token，同時為預設值與最大值，沒有較小的變體。同步 Messages API 的最大輸出為 128k token。Message Batches API 在使用 output-300k-2026-03-24 beta 標頭時，支援最高 300k 輸出 token。最小可快取提示長度從 1,024 降至 512 token。

程式編寫與代理式基準測試結果

在 FrontierBench v0.1（Terminal-Bench 2.1 的 74 項任務後繼版本）上，Opus 5 在 max 強度下得分 43.3%。Opus 4.8 得分 18.7%，Fable 5 達到 33.7%，GPT-5.6 Sol 達到 37.5%。在 xhigh 強度下，Opus 5 締造了最佳成績，達到 44.4% 的平均獎勵。

該次測試中有一個值得注意的細節涉及安全拒絕。Opus 5 安全分類器標記並拒絕了 5% 的 API 呼叫，涵蓋 4% 的測試。Fable 5 分類器則標記了 42% 的呼叫，涵蓋 26% 的測試。

Opus 5 在 SWE-bench Verified 得分 96.0%，在 SWE-bench Pro 得分 79.2%。Fable 5 在 SWE-bench Pro 上仍略微領先，達 80.0%。在 SWE-bench Multimodal 上，Opus 5 從 38.4% 提升至 59.4%。

最顯著的提升出現在代理式評測中，此類評測要求模型在軟體環境中操作，而非回答單一靜態提示。Opus 5 在 OSWorld 2.0 達到 70.57%，而 Opus 4.8 為 55.7%。在 Zapier AutomationBench 上得分 26.0%，相比之下 Opus 4.8 為 17.0%，Fable 5 為 17.4%。在 medium 強度下，Opus 5 仍以每項任務 0.89 美元的成本得分 24%。

在 Artificial Analysis GDPval-AA v2 上，Opus 5 占據排行榜前兩名，ELO 分別為 1861 和 1827。xhigh 配置在使用的輸出 token 比 max 少 25% 的情況下，仍優於所有其他模型。

推理結果與 ARC-AGI-3

Anthropic 在不使用工具或代理框架的情況下，讓 Opus 5 處理所有六道 IMO 2026 題目。三位模型評審小組將所有 24 個生成的解答評為正確。人類專家另行對每題一個預先指定的解答評分為 7/7。最終 42/42 的成績達到金牌水準，高於 29/42 的門檻。

ARC Prize Foundation 報告 Opus 5 在 ARC-AGI 3 的 high 強度下，獲得驗證分數 30.16%。這大約是先前排行榜已報告最佳成績的四倍。GPT-5.6 Sol 達到 7.78%，Opus 4.8 達到 1.52%。Opus 5 在 max 強度下的結果於發布時尚未提供。

在 Humanity's Last Exam 上，Opus 5 不使用工具時得分 56.3%，使用工具時得分 64.7%。

多模態任務中的工具使用

Anthropic 的多模態結果顯示，代理式工具使用在擴展測試時運算方面，比單獨使用適應性思考更具成本效益。

在 Chartography 上，Opus 5 不使用工具時得分 29.6%，使用容器和影像裁剪工具時得分 83.0%。在 BenchCAD Vision2Code 上，voxel IoU 從 0.366 提升至 0.821。使用工具時，Opus 5 超越了 Claude Mythos 5，後者在同一指標上得分 0.678。

網路安全能力與防護措施

Anthropic 表示並未在網路安全任務上訓練 Opus 5。然而，模型的網路安全能力仍因整體能力提升的副作用而有所增強。

在 ExploitBench 上，Opus 5 在 AutoNudge 組別中捕獲了 10.14 個平均能力旗標，並產出 99 個完整的任意程式碼執行漏洞。Mythos 5 產出了 132 個。在 OSS-Fuzz 上，Opus 5 在 79.4% 的目標上得分非零，而 Mythos 5 約達到 80%。然而，Opus 5 完成了 4 個完整漏洞利用，相比之下 Mythos 5 為 13 個。

這一差距形塑了 Anthropic 的防護設計。Opus 5 在發現漏洞方面幾乎與 Mythos 5 一樣強，但在利用漏洞方面則明顯落後。因此，Anthropic 解除了原始碼中的漏洞發現限制。基於二進位的掃描、滲透測試和漏洞生成仍然維持封鎖。Anthropic 預期分類器的介入頻率將比 Fable 5 減少約 85%。防禦者可以申請加入 Cyber Verification Program。

UK AISI 以每次嘗試 100M token 的條件，在三個網路安全演習場中測試了早期檢查點。Opus 5 在 10 次嘗試中有 8 次端到端解決了「The Last Ones」。它未能解決更困難的「Doing Life」演習場，但達到了第 22 步（共 23 步），比任何已測試的模型都走得更遠。

根據 Anthropic 的負責任擴展政策（RSP），該公司將 Opus 5 視為具有 CB-1 能力但不具有 CB-2 能力。Anthropic 正採用與 Opus 4.8 相同的 ASL-3 防護措施。AI R&D 門檻尚未被跨越。

提示注入結果

在 Gray Swan 間接提示注入基準測試上，15 次嘗試內的攻擊者成功率從 Opus 4.8 的 5.5% 降至 Opus 5 的 2.0%。Mythos 5 為 2.6%，GPT-5.6 Sol 為 20.0%。

在透過 Claude Cowork 運行的瀏覽器環境中，攻擊成功率從 Opus 4.8 的 31.5% 降至 Opus 5 的 3.70%。該結果是在未啟用任何安全防護的情況下測得的。啟用 auto 模式後，所有 129 個環境中的攻擊成功率達到 0%。

原始報告中引用的來源包括 Anthropic 發布文章、Claude Opus 5 系統卡、Claude Opus 5 新功能介紹、TechCrunch，以及 CodeRabbit 獨立評測。