Anthropic 發佈 Claude Opus 5 並開始提供
Anthropic、「Claude Opus 5」の提供を開始
Anthropic 發佈 Claude Opus 5,並於7月24日開始提供;模型面向編碼、長期智能體任務及知識工作,性能較 Claude Opus 4.8 提升。
文章並列多項基準分數、正答率與誤答率變化,並交代預設推理設定及 API 價格,方便掌握性能評估與部署差異。
Anthropic於7月24日公布新AI模型「Claude Opus 5」,並於同日開始提供。該模型在編碼、長期代理任務及知識工作等方面,效能較Claude Opus 4.8有所提升。
提升編碼及知識工作的效能
據Anthropic表示,Opus 5的效能接近更高階模型Claude Fable 5。在系統卡的評估清單中,它在「FrontierBench v0.1」錄得43.3%;這項測試是在終端機上解決包括科學及工程在內的實務課題。Opus 4.8為21.1%、Fable 5為33.8%、GPT-5.6 Sol為34.4%。在解決未知課題的「ARC-AGI-3」中,它亦超越了排名第二的模型。
此外,在衡量實際軟件操作的「OSWorld 2.0」、知識工作評測「GDPval-AA v2」、業務自動化「AutomationBench」等項目上,它亦超越了比較模型。科學方面,據稱它在根據光譜數據推斷分子結構的內部評估中,較Opus 4.8高10.2個百分點;在預測蛋白質序列變異對功能影響的評估中,則高7.7個百分點。
100萬 token 上下文視窗,並預設啟用思考功能
Opus 5的上下文視窗預設值及上限均為100萬 token,最大輸出為12萬8000 token。根據Anthropic的模型清單,可信知識的截止日期為2026年5月。
API模型ID使用claude-opus-5。Opus 4.8中,未指定thinking的API請求會在不進行思考的情況下處理;Opus 5則預設啟用思考,由模型在每個回合判斷是否需要思考,以及需要思考多少。預設的effort為high,可在low、medium、high、xhigh、max等5個級別中更改。面對困難任務時可調高設定;如優先考慮回應速度或控制 token 用量,則可調低設定。
據開發者頁面所述,從Opus 4.8遷移時,若effort設定為xhigh或max,同時指定thinking: {"type": "disabled"},便會出現400錯誤。
Anthropic亦公開了Opus 5提示詞設計指南。面向Opus 4.8的現有提示詞亦能良好運作,但面向用戶的回覆及生成文件有變長的傾向。降低effort也未必能確保顯示的回覆縮短,因此建議在提示詞中清楚指定所需篇幅。此外,由於模型會自主驗證,亦比之前的模型更容易委派工作予子代理,因此建議檢視現有的驗證指示,並清楚列明工作範圍及委派條件。[1]
Claude Platform以測試版形式提供「Mid-conversation tool changes」,讓用戶在對話期間新增或移除工具時仍可保留提示詞快取。Opus 5亦把可快取提示詞的最短長度由Opus 4.8的1024 token縮短至512 token。此外,亦以測試版形式新增「預設後備」功能,會按拒絕原因,把遭安全分類器拒絕的請求轉送至Anthropic建議的模型。
對齊評估創新高,部分評估的幻覺率上升
Anthropic的自動行為審計顯示,在遵守Claude憲章的程度、較少作出欺騙行為或協助濫用,以及避免採取難以挽回行動的謹慎程度等方面,Opus 5均勝過該公司近期的模型。該公司評價Opus 5為「至今對齊程度最高的模型」。
Opus 5雖然未接受專門針對網絡安全的訓練,但識別軟件漏洞的能力較Opus 4.8有所提升。不過,它利用漏洞的能力遠遜於Mythos 5。安全措施方面,允許從原始碼中發現漏洞,但會繼續透過分類器限制從已編譯的二進制檔中發現漏洞。
準確性方面,在不使用網絡搜尋或知識庫的情況下回答涵蓋41個領域事實問題的「AA-Omniscience」評測中,正確率由Opus 4.8的60%升至71%,但錯誤率亦由17%升至22%。系統卡指出,Opus 5整體準確性有所提升,但實際上並無把握卻以自信口吻回答的例子,比預期多。
於所有付費方案及主要雲端平台提供,API價格維持不變
Opus 5自同日起可於Claude所有付費方案、Claude Code及Claude API使用。它會成為Claude Max的預設模型,亦是Claude Pro可用模型中效能最高的選項。除Claude API外,亦支援Amazon Bedrock、Claude on Google Cloud及Microsoft Foundry。
Claude API標準價格為每100萬個輸入 token 5美元、每100萬個輸出 token 25美元,與Opus 4.8價格相同。Fable 5每100萬個輸入 token 10美元、每100萬個輸出 token 50美元;Opus 5的價格是Fable 5的一半。Opus 5 Fast mode的速度約為一般模式的2.5倍,每100萬個輸入 token 10美元、每100萬個輸出 token 50美元。此模式在Claude API以研究預覽形式提供,在Claude Code則可作為額外用量使用。
來源:gihyo.jp · gihyo.jp