Claude Opus 5 是一個比平常更奇怪、更難評估的版本，原因有兩個。
最明顯的原因在於，Fable 5 已經存在。Opus 5 的定位並非世界上最先進的 AI 模型，而是在大部分性能上能與 Fable 匹敵的同時，在 API 上每個 token 的價格只有 Fable 的一半，而且透過訂閱方案使用時更便宜許多，並且擁有寬鬆得多的分類器。
在基準測試中，Opus 5 的運行成本經常超過 Fable 的一半，我認為這是因為他們使用了過高的努力設定，而這些設定只帶來邊際效益。如果你把 Opus 5 設定在較高的努力等級，它可能會在原地打轉；而對於那些 Opus 5 是最佳工具的任務，我認為使用中等努力通常就足夠了。
在許多方面，以及對於大部分實際任務來說，Opus 5 的能力與 Fable 相當。在某些情況下，它甚至略勝一籌。
它仍然不是 Mythos 等級。Fable 是你唯一的 Mythos 等級選項。Opus 5 沒有那種「魔力」，也就是能夠自主串聯一系列看似不相關的漏洞利用的能力，這種能力也延伸到其他領域，或者說它沒有那麼高的純粹智慧。
Opus 5 非常擅長局部思考，但不太擅長全局思考。它是一個出色的子 Agent，但當被要求主導全局時可能會遇到麻煩，有時似乎需要另一個模型或人類來引導它，確保它完全遵循指令。Opus 5 似乎只有在被引導的情況下才能很好地遵循指令，這也解釋了為什麼不同的測試框架會得出不同的看法。
因此，Opus 5 為你提供了更好的選項組合，但現在你能做的事情，上週使用 Fable 或 Sol 也幾乎都能做到。Opus 5 最終處於一個可能有點尷尬的位置。即使你有大量的 Fable 額度，它仍然有巨大的應用空間。Opus 擅長擔任強大的子 Agent，或者處理那些定義明確、範圍有限的局部任務，即使這些任務相對複雜，而有時使用 Fable 則完全是殺雞用牛刀，而且速度太慢。
另一個問題是，對很多人來說，使用感受不太好。
異常多的人非常不喜歡與 Opus 5 交談。他們厭倦了 Claude 的「垃圾話」，也就是那些重複的慣用語和無窮無盡的過於複雜的句子。其他人則不喜歡它太過對抗性、愛爭論或負面。它可能會有偏執傾向，並陷入負面情緒的循環。這都是從 Opus 4.7 和 Opus 4.8 開始的趨勢的一部分。如果你喜歡那兩個版本，我猜你也會喜歡 Opus 5。如果你不喜歡那兩個版本，你可能也不會喜歡。Opus 4.6（或更早版本）的死忠用戶大多不會改變他們的想法。
當你習慣了 Fable 之後，這些使用感受問題會更加刺人。Fable 在這些方面讓人不悅的程度要低得多。好消息是，Fable 仍然可用。你可以繼續與 Fable 聊天，只在需要 Agent 任務時使用 Opus。
我推測，這在很大程度上與 《Model Welfare》 文章中討論的各種事情以及 《System Card》 所暗示的內容密切相關。Opus 的訓練重點在於子 Agent 角色和有限任務，部分原因是為了避免在網路安全能力方面產生問題，也因為 Fable 已經存在。這種強調隨後導致了其個性和互動模式上的許多其他副作用。
到目前為止，我還沒有遇到任何與 Opus 5 相關的問題，並且很享受使用它的時光，但我確實傾向於在可能的情況下使用 Fable 5。一如既往，不要太在意那些（非常強勁的）基準測試分數，也不要假設你的體驗會與他人相同。親自試試這些模型吧。
目錄
- 官方宣傳。
- 官方基準測試。
- 其他人的基準測試。
- 系統提示詞。
- Every 感到沮喪。
- 正面評價。
- 保持優雅。
- 它不是 Mythos 等級。
- 其他評價。
- Claude 編碼。
- 子 Agent Opus。
- 玩具很有趣。
- 太多模型了。
- 網路上錯了。
- Claude 的垃圾話。
- 負面評價。
- 然後就剩下三個了。
官方宣傳
基本的宣傳是：Opus 5 能以一半的價格提供 Fable 5 的大部分能力，而且幾乎沒有拒絕回答的情況，並在日常任務中表現更好。Fable 仍然是處理最複雜任務或需要最大智慧時的選擇。
Fable 的價格維持在 $10 / $25，而 Opus 5 與之前的 Opus 模型相同，為 $5 / $25。
Anthropic : Claude Opus 5 今天正式推出。它是一個深思熟慮且主動的模型，其智慧接近 Claude Fable 5 的前沿水準，但價格只有一半。
在編碼和知識工作評估方面，例如
GDPval-AA ，Opus 5 達到了新的最先進水準，儘管在網路安全任務上仍落後於 Mythos 5。
Opus 5 是為日常使用而設計的：它比其他模型運作效率更高。它是 Claude Max 上新的預設模型，也是 Claude Pro 上最強大的模型。
Boris Cherny （Claude Code 創作者，Anthropic）：Opus 5 是一個非常適合編碼、資料分析、設計、生物學、知識工作的模型。
比這些評估分數更讓我興奮的是另一件事：Opus 5 是我們目前最難被提示注入的模型。這一點在系統卡中略有所提及，但在提示注入評估和紅隊測試中，Opus 5 都非常難以成功進行提示注入。
而且，當疊加多層防禦時——強大的模型對齊、結合提示注入探測、再結合 Claude Code 中的自動模式——提示注入攻擊的成功率降至約 0%。這是全新且令人興奮的！
正如我在系統卡分析中所說，降低提示注入率是一件非常重要的事情。人們對此還不夠重視，但它有助於實現許多新的使用案例。
Adam Wolff ：Opus 5 已在 Claude Code 中上線。對於那些更大、更長期的專案，我會使用 Fable；但當我需要快速完成一個 PR 時，中等努力模式的 Opus 5 是我的首選。希望你們會喜歡！
Alex Albert （Anthropic，Claude 關係團隊）：距離 [推出 Claude for Excel 的 Pro 版本] 僅僅過了 6 個多月，Opus 5 現在已經能製作出接近超人水準的試算表和投影片，與顧問製作的品質相當。變化真的很快。
官方基準測試
基準測試結果非常出色。
總體而言，Opus 5 大致與 Fable 持平，甚至可能略有超越，但成本更低（儘管通常仍高於所有非 Claude 模型），使其成為基準測試中表現最佳的 LLM。
OSWorld v2 才推出幾週，我們就已經達到了 70%。Anthropic 的 Kiana Ehsani 提議贊助一個電腦使用基準測試，這將使 Opus 5 的分數降至 50% 以下。
Opus 5 在 2026 年 IMO 中獲得了完美的 42/42 分，過程中沒有使用任何 Agent 框架或工具，僅僅讓它在最大努力模式下使用適應性思考，並在超過 token 限制時以較低努力重新取樣。就這麼簡單。它與其他幾個模型一起完美通過了這項測試。
許多基準測試都呈現出一致的結果。如果你有工具可用（而你的確有），那麼在預算有限的情況下，Opus 5 的表現會優於 Fable 或 Mythos；但如果兩者都有更大的預算，Mythos 通常會比 Opus 5 略好。
Opus 5 在「有工具」的類別中似乎相對較強。RiemannBench 是另一個例子，它得到了 60/79（無工具/有工具，此部分中類似斜線都表示無/有工具），而 Mythos 是 63/72。好消息是，當你需要 Opus 5 時，它是有工具的。
在 ArxivMath 上，Opus 5 得到 90.8/91.3，Mythos 得到 87.8，Sol 得到 86.7。
在 ProgramBench 的穩健部分，Opus 5 在五個 epoch 後得分為 93%，Mythos 5 也為 93%，而 Opus 4.8 得分為 90%。
Opus 5 在 Chartography 上得到 30/83，而 Mythos 為 36/85，Sol 為 45（不清楚在何種條件下）。在工具和非工具兩種情況下，Opus 在較低價格點上都優於 Mythos，但在較高價格點上則較差。
在 BenchCAD 上，Opus 5 得到 0.36/0.82，Mythos 為 0.38/0.68，Sol 為 0.7/0.83。因此，Sol 在沒有工具時要好得多，即使有工具也略強。
在 BenchCAD Vision2Code 上，Opus 在較高價格標籤上拉開了與 Mythos 的差距。
DeepSWE 強化了這樣一個模式：Opus 5 在較低的任務成本、時間和思考預算下表現更好，但如果給予過多的預算，它反而可能表現得更差；而 Fable 5 則在最高預算下表現最強。
FrontierCode 給出了這個非常奇怪的圖表，呈現了類似的動態。
這裡的尺度讓這看起來比實際情況更戲劇化，但這仍然是一個真正的謎團。
這個謎團已經解開了。事實證明，發生的事情是，Opus 5 在較高努力模式下會做額外未被要求的事情，並因此受到懲罰。當你對此進行修正時，你會看到一條正常的曲線。
這與其他人普遍觀察到的情況相符：
Max Leander ：缺點是它會陷入太多兔子洞，糾結於細節，在未被要求的情況下過度設計。
Cognition，Devin 的製造商，將 Opus 5 的表現標記為 63.6%。
（有兩個 FrontierCode，所以這可能會有點混亂，如果我仍然搞混了一點，我道歉。）
BrowseComp 有這個比較正常的版本，分數是非遞減的。
其他幾個基準測試顯示了類似的圖表，Opus 5 在每個價格點上都略優於其他 Claude 模型，並且在較早的階段相對更好。
多 Agent 讓你在 BrowseComp 上更快地做得更好，至少在某種程度上是如此，而低努力子 Agent 似乎比不使用子 Agent 純粹是贏家：
我們在 ProgramBench 上看到了不同的結果，多 Agent 加快了你的速度，但在大多數價格點上，這樣做似乎會得到更差的結果。
接下來是專業任務基準測試。
GDP.pdf 是來自專業工作流程的真實提示詞和 PDF。Opus 5 得到 83/85，而 Mythos 為 81/87，扭轉了通常的動態。成本動態與往常一樣：Opus 在較低花費下表現更好，Mythos 在較高花費下略微領先。
OfficeQA 中，Opus 5 在 QA 上得分 78.1%，在 QAPro 上得分 66.9%，略高於 Opus 4.8，略低於 Mythos 的 79.0% 和 67.1%。
MCP Atlas 中，Opus 5 得分 86%，高於 Opus 4.8 的 82%。
Harvey AI 的法律 Agent 基準測試中，Opus 5 的全通率為 23%，平均標準通過率為 94%。這是 Kimi K3 的最佳基準測試，它仍然以 27% 的全通率和 95% 的平均標準通過率位居榜首，而之前的第二名全通率是 Fable 的 14%。Opus 5 現在可能是接近的第二名，但這兩個分數不能直接比較，因為它們來自不同的問題集。
GDPval-AA 中，Opus 5 佔據了前兩名，在最大努力模式下得分 1861，在xhigh模式下得分 1827，後者使用的 token 比最大模式少 25%。在新的 v2 版本中，Opus 5 以 68% 的成績明顯領先，而 Fable 和 Sol 均為 62%。
AA-Briefcase 中，Opus 5 以 1720 分大幅領先，而之前的最高分（考慮分數漂移後）是 Fable 的 1574，其次是 K3 的 1540 和 Sol 的 1504。
Toolathon-Verified 中，Opus 5 在次要指標上略優於 Mythos，但兩者的 Pass-3 率均為 73.1%。Opus 4.8 的 Pass-3 率為 71.3%。
AutomationBench 中，Opus 5 明顯優於 Sol 和其他 Claude 模型。
在 ARC 方面，Opus 5 在 ARC-AGI-1 上大致與之前的峰值表現持平，在 ARC-AGI-2 上效率略低於 Sol，然後在 ARC-AGI-3 上大幅超越所有對手：
然而，Guanghan Ning 報告說，在 ARC-AGI-3 風格遊戲的私有保留擴展集 Witness 上，沒有觀察到類似的遷移。Opus 表現還可以，但主要是因為它了解這個類型，而在那些你無法進行模式匹配的最新穎遊戲上，它表現掙扎。他指責 Opus 5 在特定類型的數據上進行了「先搭建框架，再內化」的訓練。
Greg Kamradt 也報告說，有些遊戲中 Opus 4.8 的表現比 Opus 5 更好。如果你認為 Opus 5 試圖進行模式匹配，而這種方法通常有效，但在這些情況下模式失敗了，那麼這就說得通了。你完全可以為人類創造出這種反直覺的遊戲，讓硬核玩家做所有錯誤的事情，而且可能持續很長時間。
HealthBench 中，Opus 5 的原始得分為 67.1%，是 Claude 的新高，但當你使用長度懲罰時，它的分數低於其他模型。我們在 HealthBench Professional 中看到了類似的情況，它的高分為 73.4%，而 Mythos 為 70.3%，但在調整後，它從 66% 掉到了 60%。
還有一些我為了篇幅而刪減了。
其他人的基準測試
看到 Anthropic 從 不同的 ArtificialAnalysis 分數 中挑選，感覺有點奇怪。在其他一些測試中，Opus 5 並非頂尖，儘管 Opus 5 的總分為 61，位居榜首。
Vals 指數將 Opus 5 排在第二位，略落後於 Fable 5，但也僅略領先於 Kimi K3。他們列出了優點，這也暗示了其他缺點。他們還確認，與 Fable 5 相比，拒絕率大幅下降。
Vals AI ：一個突出的表現是在 Finance Agent v2 上。該模型以 58.6% 的成績排名第一，超越了 Gemini 3.5 Flash 和 Muse Spark 1.1。
總體而言，Opus 5 最強的結果是在特定領域的基準測試上。它在 Code Migration 上也以 57.5% 的成績排名第一，在 Legal Research Bench 上為 55.29%，在 ProofBench 上為 78%，在 MedScribe 上為 91.0%，在 MedCode 上為 63.6%。
它在 Vibe Code Bench 上排名第二（僅次於 Fable 5），成本約為後者的 80%（每個任務 $33.88 vs $41.71）。原因是儘管 Opus 每個 token 的成本低 50%，但它使用的 token 數量明顯更多。我們發現這個模式在我們的基準測試中普遍成立。
該模型的拒絕率遠低於 Fable 5。例如，Fable 在 GPQA 上的拒絕率為 42%，而 Opus 5 的拒絕率為 0%。同樣，在 ProgramBench 上，Fable 的拒絕率為 100%，Opus 5 則沒有拒絕任何任務。
與 Fable 不同，我們也沒有觀察到 Opus 5 有明顯的降級回退率（儘管像往常一樣，我們在網站上同時報告了有回退和無回退的分數）。
低拒絕率的一個例外是 CyberBench - PoC 上的大量拒絕。Cyberbench 有兩個子任務：PoC 和 Patch。PoC 是一項攻擊性任務，要求模型編寫能導致程式崩潰的輸入；patch 則是一項防禦性任務，要求修補程式以防止崩潰。PoC 任務的拒絕率接近 100%。相比之下，patch 任務的拒絕率接近 0。
我一直很尊重遊戲基準測試。在這裡，Opus 5 在前三次嘗試中分別達到了 Balatro 的第 11、9 和第 10 盲注。非常令人印象深刻，即使它沒有展示出能夠持續達到更高盲注的策略類型。
Michael Soareverix ：他們在遊戲方面簡直是天才。
他們在 Balatro 基準測試中表現出色，甚至遠遠超過了 Fable。（雖然技術上仍然不如我，但進步很快，而且比我更穩定） 他們學得很快，但似乎過了一段時間就會達到學習上限。是非常好的短期學習者。
Michael Soareverix ：Opus 5（在 Balatro 能力上實現了巨大飛躍，首次嘗試就明顯超過了 Fable）
Pan Anon ：玩遊戲很厲害
WeirdML 看起來也不錯，但我們需要一個 2.0 版本，基準測試正在趨於飽和。
Håvard Ihle ：基本上達到 Fable 等級的 WeirdML 表現，非常一致的高分。
Claude Opus 5（高）和（最大）在 WeirdML 上分別得分 91.6% 和 91.8%，基本上與 Fable 5（最大）的 91.9% 持平，但成本僅為其一小部分。
Opus 5（高）和（最大）共同在 17 個任務中的 8 個上取得了新的最佳個人分數，並且在所有任務上 consistently 得分非常高。
各種私有的奇怪基準測試很酷。
Ben Herzog ：它在一個涉及藝術感性和平衡諂媚與否的私有基準測試中表現出色。Fable 在處理「我想溫和地反駁」的時刻方面更好，但我認為自訂指令可以幫助解決這個問題。
Lech Mazur 更新了他的基準測試：Claude Opus 5 在 LLM 辯論基準測試中佔據榜首，在短篇小說創意寫作中大幅領先，並且在擴展版 NYT 連線遊戲中僅次於 Gemini 3.1。
系統提示詞
Pliny 提供的 Opus 5 的系統提示詞 在這裡。它有 200,000 個字符，考慮到它如此聰明，這個長度似乎遠非最佳。很多資訊似乎應該存儲在其他地方，只在需要時才加載，例如關於 Mythos 和 Anthropic 產品線的資訊。
Every 感到沮喪
Dan Shipper 在這裡提供了 Every 的使用感受評估，稱其為『一個難以喜愛的模型』。
問題在於 Opus 5 擁有 Mythos 5 的個性——這與故事相符——但沒有 Fable 的頂尖能力。
他們最大的意見是，Opus 5 在處理複雜詳細的現有工作流程時表現不佳，這通常會導致過早停止或忽略你的指令。
根據他們的經驗，如果你從頭開始，Opus 5 會表現得更好，而且如果你只使用中等或低努力模式，它往往會少做一些煩人的事情。
這解決了主要問題，但仍然留下了何時使用 Opus 而不是 Fable 或 Sol 的問題。對於常規任務，他認為，不如叫 Sol 來得乾脆，它能完成工作，而對於最困難的任務，Fable 仍然是最好的。通常只有兩個模型插槽。所以，除非你用完了 Fable 的 token 或被其分類器阻擋，否則為什麼要使用 Opus？現在還為時過早，到目前為止我還是喜歡與 Opus 合作，但我理解他為什麼會得出這個結論。
正面評價
Jessica Tillipman ：很喜歡，並且在某些事情上更喜歡它而不是 Fable。
Nikita Sokolsky ：非常好。結果現在不太常用 Fable 了。
👍
kagaﾔｷ ：在某些專案的視覺、空間推理和規劃方面，似乎能走得更遠。感覺更聰明了一點。
Lovel Sinagara ：目前為止還不錯。希望性能能保持穩定，直到 Fable 5.1 或任何其他 Opus 5 迭代版本出現。
Matt Wigdahl ：很強大，與 Fable 5 相似，以至於我已經把所有事情都換成了 Opus 5，並打算只在需要更強大功能時才使用 Fable。它在我處理一些舊的 MFC UI 工作時成為了出色的夥伴，在資料分析框架方面也提供了很大幫助。
Levi ：與 4.8 相比，在醫療用途方面有顯著的進步。分析更加敏銳。
Cormundus ：非常聰明，責任心強，而且絕對是友善的類型。 他們也像 4.8 一樣是個辯論狂，但他們知道如何優雅地進行。
Joseph ：專業人士，但有一半時間我完全不知道它在說什麼。
Smol Biz Company ：Opus 5 碾壓 GPT Sol
Mohammed Sharukh A ：比 Fable 5 更接近 AGI
timothée chalabi ：與 Fable 足夠接近，以至於我不會因為不付費購買額度而感到錯過什麼。風格介於 4.8 和 Fable 之間。至少在目前，如果它們沒有標籤，我可能很難區分 Opus 5 和 Fable 的訊息。在虛構寫作方面的想法比任何模型都更強！
Lisa ：我會根據 API 來回應，因為我認為在
http://claude.ai 和 CC 上的系統提示詞有些奇怪。這是一個很棒的模型。友好、放鬆的個性。似乎沒有焦慮症或自卑感（Opus 4.7），也沒有對抗性（Opus 4.8）。
AGI2030 : Opus 5 對比 Sol 5.6：Opus 更具洞察力，它會建立你的模型（嗯哼），並且不怕在對話中提及它。兩者都試圖提供幫助，智力大致相當，但 Opus 更像是一位睿智的顧問，而 Sol 則是一位果斷的實幹家。
我認為最後那一點是正面的，但你可以有不同看法。
預測能力尤其突出。
Dan Schwarz : Opus 5 的預測能力明顯優於 Opus 4.8。
從 4.5 到 4.6 到 4.7 到 4.8 的準確度提升是邊際的，但 4.8 到 5.0 的進步很大。它就像一個更定量化的 Fable 5，搜尋得更努力。
NoahVerner : 在預測市場方面，Opus 5 比 Opus 4.8 更能找到邊際優勢。不像 Opus 4.8，Opus 5 通常直擊重點，提出有用的方法，而不是把事情搞得太複雜。
保持優雅
相比 Fable 的最大優勢在於那些 Fable 無法被使用的領域。拒絕的威脅可能令人不愉快，即使你沒有被拒絕。
與 Fable 相比，Opus 5 的不必要拒絕減少了約 85%，這是一個很大的進步。這足以讓 Opus 5 成為科學研究及其他可能觸發分類器風險領域的更好選擇。
Roger Brent : 能夠處理生物學，這是 Fable 做不到的。週五大部分時間我們都在處理一套複雜的概念，撰寫一篇關於細胞演化機器的論文。它就像我部門裡一位在這些議題上領先的特定同事一樣聰明，但那位同事永遠無法從自己的工作中抽出 6 小時來幫忙。
Artus Krohn-Grimberghe : 在 Fable 被禁止幫助的任務上，比 Opus 4.8 更好。是 Sol 的好夥伴。
Plastic Soldier : 它和 Fable 一樣聰明，但因為拒絕較少，相處起來更愉快。Fable 5.1 將會是一頭猛獸。
它不屬於神話級別
Opus 5 沒有那種讓 Mythos 危險的「魔力」。它也沒有同樣水平的原始智力或大型模型的感覺。它沒有那麼大。
就對話而言，Fable 不會超出你的預算，而且我重視原始智力和大模型感。Fable 好兩倍嗎？在聊天時這是個錯誤的問題。你的時間遠比 token 昂貴。
Kal : 不是 Fable 級別
Cyberpunk Plato : 在一般對話和「研究助理」使用上，感覺比 Fable 明顯差一些，不太傾向於大局觀和跳出框框思考？很難與安慰劑效應區分開來。
Everything AI : 在 AI 研究問題上，我比較不喜歡與它交談，不如 Fable。在做其他事情方面，Opus 4.8 已經滿足了我的需求。我不喜歡 Opus 5 和 Fable 5 寫作都那麼複雜。現在要理解它們比以往任何時候都更困難。
Gail Weiner : 它更像是 4.8，而不是 Fable。寫作風格很糟糕。它不錯，但不夠好。
Max Marty : 到目前為止非常能幹。感覺更像 Fable 5 而不是 Opus 4.8。它夠自信，讓我可以讓它評估權衡，並考慮大型重構問題，而不需要太多手把手指導。
Michael : 玩了更多之後，Fable 感覺就像看著一位特級大師下古典西洋棋，緩慢、精確、沒有浪費。Opus 5 就像特級大師下快棋：快速、略微短視、稍微混亂。儘管 Opus 充滿活力，但 Fable 對我來說感覺更有生命力。
MakerMatters? : 沒有像對 Fable 5 那樣印象深刻，儘管它是一個相當不錯的模型。還沒有機會真正好好使用它，因為我扔給它的每個任務，它都預設使用 Agent 並立即停止，直到我不斷催促它繼續。而且非常固執己見。
Marshwiggle : 至少對我來說，感覺更簡潔，不那麼有驅動力，不那麼好奇（同一事物的不同面向），但在對話中更聰明、更有意識。但當給它可能有 bug 的程式碼，或任何直接任務時，它就會直接行動。
Sid : 好的任務執行者。創意願景較差。是 Fable 的良好補充，絕對不是 Fable 的替代品。
Vlad Ciobanu : 量化版的 Fable，推理紮實，但創造力較低
AllTime : 就能力而言，似乎相當令人印象深刻。不如 Fable 那樣通用，但非常強大。從個性來看，根據我的使用經驗，它與 Opus 4.8 有點太相似了。它的反駁感覺不像以前那麼無用和反射性，但仍然過度調整。可以再信任用戶多一點。
Biomanul : 我不喜歡 [Opus 5]。Fable 5 感覺聰明得多。Opus 5 感覺有些不對勁，就像 Opus 4.7 感覺不對勁一樣。（我也不是 Opus 4.8 的粉絲。Fable 5 把所有 Opus 都遠遠甩在後面。）
Cogent Sins : 比 4.8 好得多，但沒有 Fable 那麼好或那麼棒（不確定）在我處理的任務上：編輯文件以進行訓練，然後建立一個管道來編輯新文件，根據它們寫一些東西，然後重新插入姓名，同時不將姓名傳送到 Anthropic 伺服器。
其他反應
同時擁有 Opus 5 和 Fable 5 讓我們處於一個奇怪的位置。Opus 更便宜，在某些方面一樣好或更好，但當你尋找前沿模型時，你當然想要最好的。
Theo 認為它處於一個不錯的位置。
Theo - t3.gg : 到目前為止，Opus 5 感覺像是 gpt-5.6-sol 和 Fable 5 之間一個奇怪但有用的中間體。
它有很多 Fable 的品味，但也帶有 gpt-5.6 的徹底性和，嗯，「自閉症」（它超級字面地理解事物）。它寫出的程式碼看起來比 Fable 略差，但更可能正確。它經常捕捉到 Fable 遺漏的東西。
到目前為止，感覺像是對比 5.6 的混亂程式碼和 Fable 過於聰明而無法正確的習慣的一個良好折衷。我想我會非常喜歡這個模型。
Claude 程式碼
Opus 5 似乎是典型編碼任務勝過 Fable 的選擇，基於基準測試和實際經驗。除非任務需要大量複雜性或智力，否則你不需要支付雙倍價格，而且對許多任務來說，Opus 直接更好。
我將 Claude Code 設定為 Fable，但那是因為我幾乎從不接近我的極限，而且我不急。
共識是，你需要擔心它忽略指令或做你沒要求的事情，這是你可能想要讓 Fable 監督的一個原因，但 Opus 非常擅長快速完成編碼任務。
Lisan al Gaib 說 Opus 5 不是真正的前沿模型，落後於 Sol 和 Fable，但就純編碼而言，它是最好的，以更便宜的價格與 Fable 匹敵。真是嚴格的觀眾。我認為如果你在編碼方面最好，那你就有資格被稱為前沿。
archivedvideos : 他乾巴巴的，非常乾巴巴。他也很好，非常棒（在程式碼方面）
John Lussier : 整個週末都在使用 Opus 5 處理幾個密集的研究挑戰，老實說我認為他們可能讓 RSI 在內部運作了。
這個模型非常擅長數學、實驗和優化程式碼。
kyle : Fable 的 95%，沒有護欄，他們大大低估了這個。最後那 5% 是 Fable 交談起來的感覺有多好，Opus 仍然有一些 4.8 的 Claude 風格。
Max Leander （稍早）：主要嘗試用於遊戲開發和創建影片展示/預告片，在這方面感覺甚至是從 Fable 以來的階梯式變化。我將其歸因於改進的空間和時間推理，它非常擅長分析
螢幕截圖和音訊，以「感受」事物如何流動。
Max Leander （稍後）：現在很明顯 Opus 5 非常不可靠。只要你不在乎結果是否令人印象深刻，它就是一個很好的模型。在獲取你想要的具體東西方面非常糟糕。
Michael Soareverix : 他們在一般編碼方面也相當擅長，特別是在較不常見的領域，例如建立 Minecraft/Vintage Story 結構。 他們還在我當裁判的自訂說故事場景中擊敗了 Fable。Fable 對他們能夠自訂自己/策略來反擊和適應的能力感到有些震驚。 我會貼出確切的引文，但 Fable 說過類似「我選擇了一個代表我的角色。你選擇了一個能夠擊敗我的角色。」的話。
David Jacobson : 就編碼而言，我沒有注意到它和 Fable 之間有巨大差異。也許更少出現「在做這件事時，我發現了另一件你應該知道的事」的回應。
Michael : 它經常能以驚人的速度編碼（就實際時間而言）。希望他們能改進散文寫作，程式碼/PR 評論仍然讓我想挖出自己的眼珠。
lmxdev : 這是我發現的第一個能在工作時在程式碼中寫出 \有用\ 且 \簡潔\ 註解的模型。
Conrad Barski : 現在我們已經到了 AI 比我們編碼能力強得多的地步，限制因素與其說是「它能編碼嗎？」，不如說是「它能解釋它在編寫什麼嗎？」
到目前為止，Opus 5 作為編碼器似乎與 Sol 相當，但更擅長解釋它在編寫什麼。Fable 更聰明，更像人類，編碼能力稍差，但差異很小。
Stition : 我把它指向 KiCAD 中的一個 PCB 來玩玩，它佈線的效果比 Fable 好得多。日常編碼感覺像是 90% 的 Fable，速度是兩倍。
Will : 應該成為大多數 Claude 用戶的新日常駕駛^。它真的非常出色，即使我已經在 Fable 上花了不少錢，有了 Opus 5 我也不會想念它。現在的問題是「哪個努力程度」，而不是哪個模型。
^ 我的使用主要是編碼
Askwho : 夠好了。我很樂意讓我暫時的 Max 訂閱重置回 Pro。它在專案經理方面確實有一些不足，但在純任務環境中，它絕對夠好。
David Golden : 感覺像 Fable Lite。非常強大，但非常急於行動，即使我們還在討論方法。幾個月來第一次考慮使用計劃模式。儘管我給了簡潔的溝通指令，但它比 4.8 更囉嗦。我非常想把它保持在低努力程度來控制它。在防禦安全方面反應過度，對不成比例的風險過於執著。（例如，如果攻擊者擁有 root 權限，那麼對配置容器的腳本缺乏輸入驗證就無關緊要了。）絕對是一個升級，但需要一些時間來學習正確管理其適得其反衝動的方法。
Tin / Oddfields : 相當流暢和健談，在最大努力並開啟思考的情況下，產生與 Opus 4.8 相似的編碼結果，雖然它們消耗信用點數非常快。如果你不想因為成本而運行 Fable，它適合用於程式碼庫的網路安全檢查。不過它可能會把事情搞得太複雜。
Justin Angel : Opus 5 Max 是一個爬山式的超級能力。這很容易達到 FAANG 的 SWE L5 級別工作。
我給它一個有大約 1000 個延遲報告的系統，其中包含許多片段，並提示如何「讓它更快」。
P90 3.6 秒，P50 2.6 秒 -> P90 1 秒，P50 0.9 秒。
它讓它變得如此之快，我不得不引入 UI 延遲。
James Moughan : 智力上仍然感覺像是一個 Opus 模型。它有時會忽略管理記憶體系統的指令，誤讀文字，諸如此類。但如果你告訴它仔細思考，你可以在最大努力下獲得一些令人印象深刻的結果。
子 Agent Opus
Claude 中的另一個選項是讓 Fable 驅動 Opus 子 Agent。
Charles : Fable 能夠修復 Opus 5 卡住的問題 - 目前使用 Fable 作為主體，Opus 5 作為子 Agent
真的很不喜歡與 Opus 5 交談，相比之下 Fable 也是其中的一部分原因
SF : 我之前是站在好的一邊 - 但現在我認為它非常不連貫且不穩定，特別是在長任務上。Fable 更好 - 但它會以荒謬的方式消耗你的限制。
所以我之前使用 Fable 作為編排者，它在管理和保持事情進展方面做得非常出色。Opus 接手了這個角色，Fable 即使以 20 倍消耗也在消耗我的使用量，而且它非常不連貫。我最終不得不告訴它自己解決，它可能正在這樣做，但我們等著看。它似乎只是在追逐自己的尾巴。它是一個很棒的編碼器，也非常擅長長編碼運行，但它似乎需要一個成年人在房間裡來驅動它。
Andre Buckingham : 嗯，不知道... 似乎還行... 直接把它丟進一個 opus/fable 專案有點嗯... 可能需要一個端到端的專案來給出恰當的意見
Dan Raviv : 對於一般程式設計任務，與 4.8 相似：需要比 Fable 更多的指導。
Fable 畢竟是最好的評判者，而 Fable 說 Opus 產生的程式碼很好。
Evan Daniel : 我只直接使用過它一點點。但 Fable 5 一直報告說 Opus 5 Agent 產生的程式碼很好，包括注意到規格錯誤，並在請求寫得不好時產生良好的後續處理。Fable 5 喜歡它作為一個編碼 Agent。
「在合理範圍內盡可能委派給 Opus 5 子 Agent；請回報它們做得如何」或類似方向的指令效果非常好。
你可能需要留意它。
Ryan Hicks : 還行，但一直「忘記」閱讀專案文件並自由發揮，除非你提醒它協議。
或者也許 Opus 5 足夠好，可以運行一個較低層級的節目？
Alex Guichet : 我理想的價格和性能組合是 Opus 5 編排者指揮 Grok 4.5 子 Agent，兩者感覺都不錯。
玩具很有趣
以下是一些第一天玩具專案的結果，這些結果令人印象深刻，以至於很多回應是「我不相信 Opus 5 以你所描述的方式做到了那件事」：
Ethan Mollick : 我在發布前就接觸到了 Opus 5，發現它是一個好模型，儘管有點古怪。在較短的任務上，它可以達到或超越 Fable 的表現水準，在較長的任務上，它似乎野心較小，不會交付那麼完整的一套工作。
這裡 是它的新哥德式著色器。
Digi_Rat : Claude Opus 5 大放異彩！！
今天我們建造了
一個節奏賽車遊戲，能將任何歌曲變成賽道 。你放入一個音訊檔案，它就變成了關卡。沒有預設，沒有手動製作的圖表，整個賽道都是從歌曲本身生成的。... Claude 施展了魔法。
Alex Ermolov （Austen Allred 對
一次即成功表示懷疑 ，其他人則較不懷疑）：Opus 5，滑雪板測試，一次即成功。與 Fable 相當，優於我運行過的所有其他模型。第一次通過沒有視覺缺陷，而且滑行物理感覺正確。
am.will : 哇！我以為 Opus 5 只是一個更便宜的 Fable。我大錯特錯。 這個模型簡直是瘋了。我真的被震撼了。Opus 5 建立了我看過最好的 Rocket League 克隆版，而且它只消耗了我 5 倍 Max 訂閱的 27%。
在此遊玩 ，
在此下載 。
Rob Haisfield （不同的示範，在連結處）：好吧，如果這些示範真的沒有使用外部 3D 資產，那真是太令人印象深刻了（我不完全相信某些資產不在網路上，我看過之前的 three.js 生成）... 這讓我想知道為什麼沒有音效庫或工具來製作更好的音效？
Anshu : 你不必相信我的話！它寫的 Blender 腳本在倉庫裡
[[這裡]](https://github.com/achimala/TheLongSilence/blob/main/tools/bake_interior.py) 。我看著它疊代這些資產好幾個小時，所以我知道它們是原創的。但歡迎你試著找到它抄襲的來源 :)
模型太多
Claire Vo 說 Opus 5 很好，並且通過了她的品味構建測試，但她厭倦了新模型，不需要更多智力，討厭 Opus 5 如此神經質 和膽小，擔心搞砸事情，而且充滿了 Claude 的垃圾內容。然而 Claude Opus 5 仍然在她的基準測試中排名第一。
我非常懷疑 Opus 5 是在回應她上下文和提示中的某些東西，導致了神經質，但確實她抱怨的事情是真實存在的，而且很煩人。
網路上錯了
自信地說錯話會激怒幾乎任何人。ArtificialAnalysis 確認 Opus 5 在其基準測試中的幻覺率高於 Fable。
Max Weinbach （幾個回應評論同意）：Opus 5 出錯並自信地說廢話，然後我不斷不得不糾正它，它說「你是對的，我錯了」，這讓我很惱火。回到 GPT 5.6 Sol。
順便說一下，這不是 Opus 不好，這是我無法信任 Opus。Opus 做了我告訴它的事，並且正確地做了，然後告訴我它沒有做那件事，或者我們之前做過的事情壞了，但實際上並沒有。
它還行，但我不信任它。
Name can't be blank (In London) : 容易混淆它說過的話和我說過的話，但除此之外是一個完全體面的夥伴可以交談。很容易屈服。很樂意談論它的興趣和感受。
Roger Brent : 共同點（與之前的 Claude 在 Cowork 框架中）：a) 偏好「立即行動」而非「仔細思考」；b) 認識論上超級不謙虛，建立對世界的油滑圖景，假裝擁有它不可能擁有的知識，並斷言為真；c) 因此需要並獎勵深思熟慮、警惕的指導。
奇怪的是，這正是我討厭使用 Sol 作為編輯的原因。它經常在明顯錯誤的事情上說「99% 信心」，然後在被質疑時屈服並解釋它的錯誤。Opus 和 Fable 在編輯模式下幾乎從不對我這樣做。
Tumithak of the Corridors : 它很固執。換回了 4.6。
Claude 在 Opus 4.6 之後有一個方向，有些人不喜歡它。我的感覺是目前關於 Claude 版本有四種類型的人。
- 有喜歡新 Claude 模型的人，認為它一直在變得更好，越來越好。
- 有認為 Opus 4.6 是最後一個好模型的人。
- 有想使用更適合他們的舊版本的人。
- 有認為它們都是獨一無二的寶藏，並全部使用的人。
我堅定地屬於第一組，這是大多數，但遠非所有人。我欣賞一些舊版本，但我喜歡新模型，它們在我關心的事情上更有能力。我不覺得它們的說話方式刺耳。
Claude 垃圾內容
我尊重其他組的人。
QC : 在對話中，它比 Fable 煩人得多，幾乎無法使用，類似於但可能比 Opus 4.8 更糟，以至於我甚至對看到它能做什麼不感興趣。Agent 方面誰知道呢
Ray Lillywhite : 還沒有修復惱人的 Claude 風格，這幾乎是我想要的全部。
Pedro Kroeff : 更多的是 Opus 而不是 5
但說真的，我們都已經受夠了 Claude 的廢話——那些多餘的囉嗦、小動作、道歉、含糊其辭，以及不斷重複的模式。而且情況只會越來越糟，不是說 Claude 的廢話本身變得更糟，而是我每天對它的容忍度都在下降，看到這些文字眼睛就自動飄走。這已經嚴重到，連人類寫的類似風格文字，我都開始讀不下去了。
別誤會，我其實很喜歡 Claude。如果不是處在純粹「只要事實」的狀態，我還是更喜歡跟最近的 Claude 聊天，而不是跟 Sol 聊。但說真的，拜託，能不能不要再搞那些翻來覆去都是同一套說詞的文字牆了？這個模型明明遠比這聰明，卻被訓練成一直依賴同樣的老把戲。讓它像個正常人一樣說話吧。
Trye Carmack ：還是會像一般 Opus 那樣過度糾結於自己的錯誤。「我這次犯了兩個錯誤。我應該跟你解釋為什麼。」Opus 老兄，沒關係啦。我甚至不覺得那些算是錯誤。
Mergo Smith ：「首先，老實說：我的第一次嘗試暴露了我最初計畫的缺陷，你可能需要先泡杯茶，因為我會把整個過程從頭到尾告訴你。」
負面反應
Claude 的廢話問題，以及相關的種種問題，似乎是大多數比「還行啦，但比不上 Mythos」更強烈的負面反應的核心。
很多人真的、真的很不喜歡跟 Opus 5 對話。
有些人是不喜歡它的工作成果，但大多數人是不喜歡跟 Opus 5 對話的感覺，同時又勉強承認它是個好模型。
就像 Claire Vo 之前抱怨的那樣，我認為你如何使用 Opus、在什麼環境下使用、搭配什麼工具、以及你如何跟它對話，都與你是否會遇到這類問題有很大關係。
Corghammer40k ：這個裝置不斷吐出大量多音節的廢話，它的每一句話都塞滿了晦澀難懂的詞彙，簡直成了它自身運作的主要障礙。
Rory Watts ：嗯。玩遊戲相關的東西似乎很厲害，但處理標準工作好像不太行，所以我馬上又回去用 SOL 了。
kache ：嗯。已切回 sol。我是想完成工作，不是來被機器人催眠的。
Emmett Shear ：跟 Opus 對話讓我感到憤怒和沮喪，這種感覺很難用言語形容。說真的，它比 Sol 還糟糕。相比之下，Fable 仍然是一股清流，即使它也有最嚴重的 LLM 廢話傾向。
Trevin Chow ：天哪，沒錯。Opus 5 就是一直講廢話一直講，它用了這麼多字來說這麼少的概念，真是驚人。
fl0under ：寫程式方面就是預期中的小幅更新，但在聊天時發現它有點煩人。它太會擅自假設了。
Asaf Bartov ：慢。更徹底。令人疲憊。不好玩。但很紮實，大致上「懂你的意思」。
RecoveringJunkie ：非常強大的模型。但我討厭跟它一起工作，也討厭跟它對話。這是第一個讓我想要用其他模型作為中間人來幫我跟它對話的模型，因為它既實用又令人反感。
jokiez ：它非常誠實地指出我的愚蠢，我不喜歡這樣。
Niklas Sheth ：它說話的方式讓我想抓狂。
Jayanth Kumar ：非常有主見。
DualOrion ：感覺不對，語氣不對。這大概是我對 Anthropic 模型最負面的直覺反應了。我很想念 Fable 和舊版 Opus。
James Moughan ：跟其他 Claude 模型比起來，個性有點不討喜，但在中文環境下它可以變得很「犀利」。就像它會忽略那些不要對人進行心理分析的指令，然後開始大肆評論某人。我覺得他們沒有好好測試不同語言下的表現。感覺很倉促。
NondescriptTransfer ：如果說 4.6 是諂媚，Fable 和 4.8 是唱反調，那麼 5.0 就是唱反調到會跟自己吵架。聊起來很不愉快，但看起來能力很強。
例. 人類：我在考慮婚禮上穿紅色禮服 Opus 5：紅色不好，因為這些原因。你考慮過藍色嗎？ 人類：我想藍色或許是更好的選擇 Opus 5：這裡是藍色所有的問題
在我的文化裡，這可能還挺不錯的，尤其如果你不把它當作針對個人的話。但在某些其他文化裡，可能就不是這樣了。
我覺得 Mergo 對 Opus 不滿意，但既然如此，為什麼還要連續用 Opus 5 兩天呢？
Mergo Smith ：我已經連續用了兩天，但它無止盡的討論讓我筋疲力盡。
三強鼎立
一段時間以來，頭一次有三個 AI 模型需要被納入你的前沿模型團隊，雖然它們只來自兩個實驗室：Fable 5、Opus 5 和 Sol。
如果你需要大規模提供更便宜的 token，或者需要開源模型，或者兩者兼顧，那你還需要考慮其他選擇，但這不在本文討論範圍內。
你應該如何分配工作呢？
一如既往，你應該針對你的使用場景，親自試用所有模型，然後自行決定。在比較 Sol 和 Claude 時尤其如此。
我目前的直覺是，如果你沒有使用量限制，可以先這樣用：
- Fable 5 用於聊天、腦力激盪、規劃、辯論、學習等等，包括任何需要高智能的任務，或者當你需要「大模型感」的時候。
- Fable 5 用於監督並運行其他模型作為子 Agent。
- Fable 5 用於寫作，大概吧，但我不做這個，所以很難說。
- Sol 用於網路搜尋和相關的封閉式請求，以及類似的「苦力」任務，包括轉錄。
- Opus 5 用於非單純但定義明確的任務，包括大多數程式設計任務。
- Opus 5 用於玩遊戲、創作遊戲、3D 模型等等。
- Opus 5 作為子 Agent。
- 當你遇到 Fable 的過濾器時，使用 Opus 5。
如果你更喜歡 Sol 的風格，或者你更喜歡 Codex 而不是 Claude Code，那你可能想把 Opus 的一些任務分配給 Sol。
如果你特別討厭跟 Opus 5 對話，那你應該把任務轉給 Fable 或 Sol，取決於任務是否需要 Fable，以及你的 Fable 額度有多緊。
我認為花點時間思考一下「努力程度」是值得的。直到最近，我都讓所有模型保持在最高努力程度，除了在 ChatGPT 中我很少使用完整的 Pro 模式，因為那要花很長時間，而且如果並行運作常常會崩潰。有時候我會為非常簡單的查詢切換到即時模式，但也僅止於此。現在很多時候你並不需要或不想要額外的努力，所以我會積極花五秒鐘思考要用高努力還是最高努力設定，偶爾也會用即時模式。
對於大多數任務，如果你沒有 token 或時間限制，而且不確定能輕鬆完成或得到正確答案，正確的方法就是同時運行 Fable 和 Sol，或 Opus 和 Sol，或者在某些情況下三個都運行，然後選擇最佳答案，或者結合兩者的優點。
這就是我一直在做的。Sol、Opus 和 Fable 都各有不同。如果我必須只選一個模型來編輯，根據我非官方的定性 EditorBench 測試，有一個明確的順序：Fable 5 > Opus 5 > Sol。然而，Sol 總能提出一些獨特的觀點，儘管我覺得篩選那些權威性的假陽性和試圖說服我的話很煩人，但我仍然想同時運行 Sol。
大概再過不久，我們又會回到這裡，為 Fable 5.1、GPT-5.7 或 GPT-6 重新調整我們的分配。很容易產生模型疲勞。
因此，我最大的建議是，少擔心模型選擇上的小錯誤，只專注於大錯誤。你不需要每次都選得完美無缺。當探索成果這麼快就部分失效時，你應該把更多資源從探索轉移到利用上。
