獨立評測机構 Artificial Analysis 公布 Claude Opus 5 的成績單。在綜合 9 項測試的智慧指數（Intelligence Index）裡，Opus 5 拿下 61 分，以 1 分之差险勝 Fable 5 的 60 分，GPT-5.6 Sol 得 59 分、Kimi K3 得 57 分緊追在后。Opus 5 每項任務平均成本 2.03 美元，比 Fable 5 低 26%，还在两項知识工作評測登顶。 （前情提要：Anthropic 发布 Claude Opus 5！效能逼近 Fable 5 价格卻砍半，成最新预设模型） （背景補充：Anthropic 不再顯示 Claude 思考过程摘要，防止 Fable 5 被蒸餾）
本文目錄
Toggle
重点摘要
Anthropic 在 7 月 24 日把 Claude Opus 5 釋出，第三方的成績單跟著出爐。獨立評測机構 Artificial Analysis 把 Opus 5 丟进它綜合 9 項測試的智慧指數，最后給出 61 分，剛好比自家最強的 Fable 5 高 1 分，把 GPT-5.6 Sol 的 59 分、Kimi K3 的 57 分都壓在后面。第一名是坐穩了，但这个榜首贏得不是很超前。
排名前四名擠在 4 分之內，Opus 5 的领先幅度小到幾乎在誤差範圍。真正拉开差距的是价格。Opus 5 每項任務平均成本 2.03 美元，比 Fable 5 的 2.75 美元低了 26%，等於用更便宜的价格买到同一檔智慧水準。
細項表现才是 Opus 5 站上第一的底气。它在 GDPval-AA v2 和 AA-Briefcase 这两項模擬真实知识工作的評測都拿下第一，搭配 Claude Code 之后也並列程式设计 Agent（Coding Agent）指數榜首，測終端机操作能力的 Terminal-Bench v2.1 拿到 89%，大致追平 GPT-5.6 Sol。便宜又能打，这正是 Anthropic 发布当天主打的卖点。
Opus 5 这次給了 5 檔推理強度，从 low 一路开到 max。这个设计的代价很直接：从最低檔跳到最高檔，输出的 Token 數量相差约 8 倍，而 GDPval-AA v2 的成績也跟著拉开 407 Elo。
換句話说，同一个模型能表现得多好，很大一部分握在使用者手上。願意燒更多 Token，就換得更強的效能；想把成本壓低，也可以主动调降推理檔位。这種把「要多聰明、花多少钱」的旋鈕交还給使用者的做法，让單一模型能同时服務精打細算和不计成本的两種需求。
Opus 5 的事实知识仍落后 Fable 5，在專測知识廣度的 AA-Omniscience 裡，它的幻覺率升到 50%，比前代 Opus 4.8 整整高出 14 个百分点。一个綜合智慧登顶的模型，一半机率会把不知道的事講得煞有其事，这个反差不容易忽略。
在同一份榜單上，Opus 5 既是綜合智慧的第一名，也是幻覺率的重災区。跑分登顶和值得信任不是同时发生的事。
另个沒被行销話術蓋过的細節是，Opus 5 在低推理檔位的 CP 值仍略遜於 GPT-5.6 系列。也就是说，只有把推理強度往上开，它的優勢才会真正兌现，而那又要付出更多 Token。第三方资料把发布日那句「顶級智力、平民价格」拉回了现实。
常见问題
Claude Opus 5 在 Artificial Analysis 評測排第幾？
Opus 5 以綜合 9 項測試的智慧指數 61 分居首，领先 Fable 5 的 60 分、GPT-5.6 Sol 的 59 分与 Kimi K3 的 57 分，但前四名差距僅 1 到 4 分，屬於窄幅领先。
Claude Opus 5 有什麼明顯短板？
它的事实知识仍落后 Fable 5，在 AA-Omniscience 測試的幻覺率升到 50%，比前代 Opus 4.8 高 14 个百分点，低推理檔位的 CP 值也略遜於 GPT-5.6 系列。
175.67万 热度
147.42万 热度
13.29万 热度
185.69万 热度
40.79万 热度
第三方评测》Opus 5 智慧指数微胜 Fable 5、成本砍 26%，幻觉率却突高
獨立評測机構 Artificial Analysis 公布 Claude Opus 5 的成績單。在綜合 9 項測試的智慧指數（Intelligence Index）裡，Opus 5 拿下 61 分，以 1 分之差险勝 Fable 5 的 60 分，GPT-5.6 Sol 得 59 分、Kimi K3 得 57 分緊追在后。Opus 5 每項任務平均成本 2.03 美元，比 Fable 5 低 26%，还在两項知识工作評測登顶。
（前情提要：Anthropic 发布 Claude Opus 5！效能逼近 Fable 5 价格卻砍半，成最新预设模型）
（背景補充：Anthropic 不再顯示 Claude 思考过程摘要，防止 Fable 5 被蒸餾）
本文目錄
Toggle
重点摘要
Anthropic 在 7 月 24 日把 Claude Opus 5 釋出，第三方的成績單跟著出爐。獨立評測机構 Artificial Analysis 把 Opus 5 丟进它綜合 9 項測試的智慧指數，最后給出 61 分，剛好比自家最強的 Fable 5 高 1 分，把 GPT-5.6 Sol 的 59 分、Kimi K3 的 57 分都壓在后面。第一名是坐穩了，但这个榜首贏得不是很超前。
1 分之差的榜首
排名前四名擠在 4 分之內，Opus 5 的领先幅度小到幾乎在誤差範圍。真正拉开差距的是价格。Opus 5 每項任務平均成本 2.03 美元，比 Fable 5 的 2.75 美元低了 26%，等於用更便宜的价格买到同一檔智慧水準。
細項表现才是 Opus 5 站上第一的底气。它在 GDPval-AA v2 和 AA-Briefcase 这两項模擬真实知识工作的評測都拿下第一，搭配 Claude Code 之后也並列程式设计 Agent（Coding Agent）指數榜首，測終端机操作能力的 Terminal-Bench v2.1 拿到 89%，大致追平 GPT-5.6 Sol。便宜又能打，这正是 Anthropic 发布当天主打的卖点。
多花 Token 換效能
Opus 5 这次給了 5 檔推理強度，从 low 一路开到 max。这个设计的代价很直接：从最低檔跳到最高檔，输出的 Token 數量相差约 8 倍，而 GDPval-AA v2 的成績也跟著拉开 407 Elo。
換句話说，同一个模型能表现得多好，很大一部分握在使用者手上。願意燒更多 Token，就換得更強的效能；想把成本壓低，也可以主动调降推理檔位。这種把「要多聰明、花多少钱」的旋鈕交还給使用者的做法，让單一模型能同时服務精打細算和不计成本的两種需求。
登顶榜單卻栽在事实知识
Opus 5 的事实知识仍落后 Fable 5，在專測知识廣度的 AA-Omniscience 裡，它的幻覺率升到 50%，比前代 Opus 4.8 整整高出 14 个百分点。一个綜合智慧登顶的模型，一半机率会把不知道的事講得煞有其事，这个反差不容易忽略。
另个沒被行销話術蓋过的細節是，Opus 5 在低推理檔位的 CP 值仍略遜於 GPT-5.6 系列。也就是说，只有把推理強度往上开，它的優勢才会真正兌现，而那又要付出更多 Token。第三方资料把发布日那句「顶級智力、平民价格」拉回了现实。
常见问題
Claude Opus 5 在 Artificial Analysis 評測排第幾？
Opus 5 以綜合 9 項測試的智慧指數 61 分居首，领先 Fable 5 的 60 分、GPT-5.6 Sol 的 59 分与 Kimi K3 的 57 分，但前四名差距僅 1 到 4 分，屬於窄幅领先。
Claude Opus 5 有什麼明顯短板？
它的事实知识仍落后 Fable 5，在 AA-Omniscience 測試的幻覺率升到 50%，比前代 Opus 4.8 高 14 个百分点，低推理檔位的 CP 值也略遜於 GPT-5.6 系列。