2026 年 7 月 24 日，Anthropic 发布 Claude Opus 5。这是它两个月内连发的第四款模型（前面是 Mythos 5、Fable 5、Sonnet 5）。在 Artificial Analysis 的榜单上，它同时拿下两个第一：智能指数 61 分、Agent 指数 55.3 分。一个模型在"聪明"和"能干活"两条线同时登顶，本身值得拆开看。大多数模型是"聪明的不一定能干、能干的不一定聪明"这两条线分开走，Opus 5 把它们叠到一起，是这次发布真正的信号。但"登顶"这个词必须带口径，下面逐条说清。
一、双榜登顶：含金量与口径
先看数字。Artificial Analysis 智能指数（Intelligence Index），Opus 5（max effort）61 分，第一；紧随其后是 Claude Fable 5 的 60 分、GPT-5.6 Sol 的 59 分、Kimi K3 的 57 分、上一代 Opus 4.8 的 56 分。Agent 指数（Agentic Index）上，Opus 5 以 55.3 分登顶，GPT-5.6 Sol 54.0 分第二，Fable 5 52.8 分第三。再往下，GLM-5.2 只有 43.1 分，Gemini 3.6 Flash 38.7 分，和第一梯队差距明显。
要理解这两个分，得先知道它们怎么算。智能指数是把多个 benchmark 归一化后的综合分；Agent 指数由 GDPval-AA v2 和 𝜏³-Banking 等 agentic 评测组成，测的是"模型配进 agent 框架后，能不能独立把一个专业任务跑完"。而 Opus 5 有五档 effort（low、medium、high、xhigh、max），档位越高、token 越多、回合越多，分也越高。上面这些分都标了 max effort，是它能跑出的最高分。
但这个"第一"得打折看。第一，智能指数 61 比 Fable 5 只高 1 分，Artificial Analysis 自己用的词是"narrowly the most intelligent"（险胜）和"effectively tied"（实质并列），不是断层领先。第二，两个榜的分数都是 benchmark 跑出来的，不是 Arena、EQ-Bench 那种人类投票分。截至 2026-07-31，Opus 5 还没进 Arena 和 Scale SEAL 投票榜，所以"登顶"指的是跑分榜，不是口碑榜。榜单实时变动，别把今天的 61 当成定论。
二、Agent 能力：这次真正的头条
比智能指数更值得看的是 agentic（智能体）能力，这是 Opus 5 真正拉开身位的地方。AA-Briefcase（agentic knowledge work 基准），Opus 5 拿到 1720 Elo，比 Fable 5 高 146；GDPval-AA v2 拿到 1861 Elo，比 Fable 5 高 114。Terminal-Bench v2.1（终端任务）89%。Coding Agent Index 上，Opus 5（xhigh）配 Claude Code 并列第一。科学推理上它也很猛：ARC-AGI 3 拿 30%，下一个最好的模型只有 8%，差了将近 4 倍，这条由 ARC Prize 独立确认过。
Anthropic 自己的描述是"thoughtful and proactive"（有判断、主动）。Simon Willison 7 月 24 日的博客里提到，他不在时 Opus 5 会"relentlessly proactive"（不停地主动推进，而不是干等指令）。他还特别点了一句：Opus 5 是"迄今最难被 prompt injection 攻破的模型"。对要把模型接进外部工具链、读不可信网页的团队，这条比跑分更值钱。
但 agentic 能力是有代价的。AA-Briefcase 任务里，Opus 5 在 max effort 下平均要跑 36.2 分钟、103 个回合，比 Opus 4.8 的 24.1 分钟、55 回合长出一半。换句话说，它"能干长活"，但干得慢、烧 token。一个直观的对照：effort 从 low 到 max，GDPval-AA v2 的分能跨 407 个 Elo，token 用量相差约 8 倍。这意味着同一个 Opus 5，开 max 和开 low 是两个完全不同的成本曲线。
还有一个诚实的退步：hallucination（幻觉）率比 Opus 4.8 升了 14 个百分点到 50%--模型更爱"不确定也硬答"；事实知识（AA-Omniscience）仍落后 Fable 5。所以别把它当百科全书用，它强在"把一件事跑完"，不是"每条都答对"。在科学推理上也有短板：物理评测 CritPt 落后于 GPT-5.6 Sol 和 Terra，说明它不是每一科都第一。
三、对手站在哪：GPT-5.6 / Gemini / GLM
把 Opus 5 放回竞争格局里，它的位置是"双榜第一、但每个第一都有人咬得很紧"。智能指数上，GPT-5.6 Sol 59 分只差 2 分，且 token 单价 $2/$8 远低于 Opus 5 的 $5/$25，单算 token 便宜一大截。Fable 5 是 Anthropic 自家更强的旗舰，60 分只差 1 分，但定价 $10/$50 是 Opus 5 的两倍。Opus 5 的卖点正在于：用 Fable 5 一半的 token 价，逼近它的智能，agentic 上还反超它。
真正的对决是 Opus 5 / Fable 5 / GPT-5.6 Sol 三家在前排绞杀，Gemini 和 GLM 暂时还在后排。Coding Agent Index 上要分清：GPT-5.6 Sol 配 Codex 以 80 分独自领先，Opus 5（xhigh）配 Claude Code 是"并列第一"里的那份；Terminal-Bench 的 89% 也只是和 GPT-5.6 Sol 打平，不是反超。所以 coding 这条线上 Opus 5 没有智能和 agent 那么大的领先，更像是和 GPT-5.6 贴身肉搏。关键变量是"每完成一个任务的成本"，不是单 token 价。Artificial Analysis 给了一组可对照的数：智能指数上每个任务的平均成本，Opus 5（max）$2.03、Fable 5（带 fallback）$2.75、Opus 4.8（max）$1.80、Sonnet 5（max）$1.53。单看 token 价 Opus 5 贵，但在 high/xhigh effort 下它能以更低单任务成本超过 Opus 4.8 和 Sonnet 5；低 effort 时，GPT-5.6 家族在"智能 vs 单任务成本"前沿上反而更优。简单任务用 Opus 5 是浪费，复杂推理和长 agent 任务才是它的主场。这里还有个省钱的杠杆：缓存命中 $0.50（九折）、Batch API 半价，长上下文和批量跑评测时一定要开。
四、对开发者与普通人的实际影响
对开发者，Opus 5 的意义是"长 agent 任务的可靠上限又抬了一截"。如果你在跑 Claude Code、多步代码维护、长流程知识工作，它值得切上去试。它有 100 万 token 上下文、最多 12.8 万 token 输出，知识截止 2026 年 5 月。定价 $5/$25（输入/输出，每百万 token），和 Opus 4.8 持平；Fast mode $10/$50、约 2.5 倍速，赶时间可选。但一定要在自己的工作负载上测"单任务成本"，别被 token 单价误导。
还有一条常被忽略的红利：安全。Anthropic 把 Opus 5 列为"目前最能干的通用科研模型"，Fable 5 上被拦的生物学相关请求现在改路由到 Opus 5；再加上它是最难被 prompt injection 攻破的一代，对要接外部数据源、跑长时无人值守 agent 的团队，这两点直接关系到能不能上线。
对普通人，Opus 5 已进 Claude 订阅（Pro $20/月起、Max $100/$200）。日常问答、写作，Sonnet 5（$2/$10）甚至 Haiku 4.5（$1/$5）就够了，Opus 5 是为"要它自己跑半小时把一件事做完"的那种活准备的。Claude 5 这一代已经铺成 Haiku、Sonnet、Opus、Fable 四档，从最便宜到最强旗舰，判断标准很简单：你这次的活，需要它自己来回跑几十个回合吗？需要，上 Opus 5；不需要，省下钱往下降一档。
一个新模型"双榜登顶"听着唬人，但落地只看一件事：它能不能在你那个最复杂、最耗时的任务上，比上一代少出几次错、少来回几次。能做到，这次升级就值。真正该做的不是刷榜看分，而是挑手里那个最费劲的活，让它和 Opus 4.8 各跑几遍，比出错率和来回次数--这才是榜单翻译成你工作量的唯一办法。
参考来源
- Anthropic 官方公告《Introducing Claude Opus 5》（2026-07-24，定价与发布）：https://www.anthropic.com/news/claude-opus-5
- Artificial Analysis：Opus 5 智能指数 61、AA-Briefcase / GDPval-AA v2 登顶：https://artificialanalysis.ai/articles/opus-5
- Artificial Analysis Agentic Index 榜单（Opus 5 55.3 登顶，含 GLM-5.2 / Gemini 位置）：https://artificialanalysis.ai/models/capabilities/agentic
- Simon Willison 博客（2026-07-24，确认发布与 prompt injection 观察）：https://simonwillison.net
- BenchLM：AA Agentic Index 排名快照（Opus 5 / GPT-5.6 Sol / Fable 5 分数）：https://benchlm.ai/benchmarks/aaagenticindex