Opus 5 半价追平旗舰，以后 90% 的活可能轮不到 Fable 5 出手了
一分钱没涨，模型直接换代。
今天凌晨 Anthropic 把 Claude Opus 5 放了出来，输入每百万 token 5 美元，输出 25 美元，跟上一代 Opus 4.8 一个价。但官方给它的定位是，能力贴着自家最强的 Fable 5 打，价格只要一半。
好家伙，同样的价钱，芯直接换成准旗舰了。
先把通稿信息快进完，都是你在别的号也能刷到的。跑分方面，官方说 Frontier-Bench 上它是 Opus 4.8 的两倍，CursorBench 3.2 上贴到 Fable 5 峰值成绩的 0.5% 以内，ARC-AGI 3 这种考察新颖问题求解的基准，得分是次优模型的三倍。OSWorld 2.0，就是让模型直接操作电脑桌面干活的那个测试，官方口径是用三分之一的成本超过了 Fable 5。发布即全平台，Claude.ai、Claude Code、API 一起上，CNBC 和 TechCrunch 当天都发了报道。
通稿部分到此为止。跑分是官方跑的，话是官方说的，听个大概就行，等第三方复测出来再当真也不迟。
我更想跟你聊的是另一件事，这次发布真正改变的不是榜单排名，是默认选择。
你打开模型下拉框的时候，选的其实不是模型，是一套价格和能力的组合。以前这个组合很清楚，日常的活给 Opus，最难的题掏钱上 Fable 5，心里那杆秤大家都拨得明明白白。现在 Anthropic 把秤砣挪了，准旗舰的能力落到了旗舰一半的价位上，整个选型逻辑都得重算。
我按人群把账摊开算一遍。
订 Claude Max 的朋友，你什么都不用做，默认引擎已经换成 Opus 5 了。Fable 5 还在列表里躺着，但按官方这个基准差距，你大部分场景可能根本想不起来切过去。花同样的订阅费，日常干活的那个模型直接升了一级，这是纯赚。
订 Pro 的朋友，这次是最大赢家。Fortune 的报道里点得很清楚，Opus 5 是 Pro 档位能摸到的最强模型。上个月 Fable 5 发布的时候多少人对着 Max 的价格咬牙，现在一个贴着旗舰打的模型直接落进了 Pro 的订阅费里。白给的，接住就行。
API 党的账最简单，也最舒服。价格跟 Opus 4.8 完全一样，能力官方说翻倍，那这就是一次不用改预算表的无脑升级，把模型名从 opus-4-8 改成 opus-5，收工。我自己维护的几条流水线就是这么打算的，改一行配置的事。
真正需要动脑子的是新出的 effort 档位。这次 Opus 5 带了个换挡功能，low、medium、high、max 四档，档位越高模型琢磨得越深，烧的 token 也越多。这个设计我是真的觉得顺手，跑批量任务的时候，分类、打标、格式转换这种流水线活挂 low 档，把省下来的预算留给 high 档去啃真正的硬骨头。以前这种分层要靠挂两个不同的模型来实现，现在一个模型内部就能换挡，路由逻辑能省掉一截。给个我自己准备落地的粗糙分法，回答有标准答案、错了能兜住的活走 low，写代码改 bug 这类要来回验证的走 high，max 留给一天遇不上一次的硬题，medium 当默认。档位这东西没有普适答案，先跑一周看账单再调，比看任何人的攻略都准。
还有个 Fast Mode，2.5 倍速度，2 倍价格。这个账就得看场景了，人机对话里等得心焦的那种交互式场景值得掏，后台跑的批量任务纯属浪费，慢就慢点，反正没人盯着进度条。
挂无人值守流水线的人，除了价格还得看两个不上热搜的指标。一个是一致性，早期用户反馈里反复出现的一条是多次运行结果稳定，这一点对后台任务比跑分重要得多，模型十次里有一次抽风，你的重试逻辑和告警就得为那一次专门写一堆代码。另一个是对齐，官方说 Opus 5 在自动行为审计里拿了他们家最好的分数，欺骗性行为率最低。听着像宣传稿的话术，但放到 agent 场景里这是个很实际的问题，一个会在中间步骤里糊弄你的模型，你就得在每个环节后面加校验，校验本身也要花 token，模型越老实，这层税就越薄。
生态那边的动作也值得记一笔。发布当天 GitHub Copilot 这些主流开发平台就接入了，通用访问不带数据保留要求，公司里管合规的同事看到这条应该会松口气，以前评估模型接入内部工具链，数据留存政策能来回扯上好几周。
那 Fable 5 还有什么用，双倍的价钱到底还值不值。
我的判断是，留给两类场景。一类是你真的在啃前沿难题，差的那 0.5% 恰好卡在你的及格线上，那该掏还得掏。另一类比较特殊，网络安全。官方这次说得很直白，Opus 5 在漏洞利用这类攻防能力上刻意没有跟进，明显落后于只对受审核机构开放的 Mythos 5，普通用户命中相关请求还会被回退到旧模型处理。做安全研究的朋友这次得看官方新开的 Cyber Verification Program，走认证通道放宽限制，这条路径跟价格没关系，跟资质有关系。
除了这两类，坦率讲，我想不出继续默认挂旗舰的理由。90% 的日常活，写代码、改 bug、整理文档、跑 agent 流程，Opus 5 这个价位段没有对手。这个判断可能有点激进，欢迎评论区来抬杠。
发布材料里还有个细节，戳到了我的本行。
官方演示里，给 Opus 5 一个残缺的需求，它自己搭了一套测试框架，自己写了条计算机视觉的处理流水线，然后对着测试反复验证迭代，直到跑通为止。官方原话是它「更擅长验证自己的工作，并且会耐心迭代直到成功」。
我的日常工作恰好就是给大模型搭这类脚手架，就是让模型真正能把活干完的那层工程，评测怎么挂、失败怎么重试、上下文怎么管，行话叫 harness。所以看到「模型自己搭测试框架」这句话的时候，我的感受是有点微妙的。搭脚手架的人，看着模型开始自己搭脚手架了。
倒也不是饭碗焦虑。这行干久了都清楚，工程层的补丁本来就是给模型能力的空窗期打的，能力追上来一块，补丁就退役一块，然后我们换个更高的楼层继续搭。真正的信号在于，验证与迭代这个环节以前是纯工程层的活，现在开始长进模型本体了。下半年再设计 agent 流水线的时候，有些校验环节也许可以从「必须外挂」降级成「兜底保险」，省下来的复杂度都是实打实的维护成本。
冷水照例泼一瓢。effort 档位是把双刃剑，默认档如果调得保守，普通用户的第一体感可能反而是「怎么还不如吹的那么神」，到时候网上大概率会吵一轮。跑分和体感之间隔着一条河，VentureBeat 也提醒这次的定位重心在 coding、agent 和企业工作流，你要是拿它写小说，提升未必有榜单那么夸张。
最后回到那个下拉框。上个月 Fable 5 发布的时候，大家讨论的是天花板又抬高了多少。这次 Opus 5 发布，抬的不是天花板，是地板。天花板决定行业能走多远，地板决定你我每天实际用上的是什么。
对干活的人来说，地板抬一截，比天花板抬一截实惠多了。
秤砣挪了，记得重新拨你自己的那杆秤。