Claude Opus 5

原文 ↗ Hacker News 讨论 ↗

Anthropic 发布 Claude Opus 5 的叙事是：它以一半价格提供接近 Fable 级别的模型，在编程和推理基准上表现强劲，并且没有强制数据保留，因此对个人开发者和企业都很有吸引力。评论者争论 Opus 5 是否真的比 Fable 5 弱，还是只是为了基准更激进地调优，以及在安全机制、模型回退和模型选择与路由日益复杂的情况下，这些提升在真实工作负载里到底有多大用处。讨论也反映出人们对基础设施可靠性、模糊的成本动态，以及快速改进的“agentic coding”对软件工程岗位和工具链意味着什么的更广泛不安。

与 Fable 5 及其他前沿模型的定位对比

  • Anthropic 明确表示，Opus 5 并不是比 Fable 5 “整体更强”，但博客里的图表往往显示 Opus 5 在许多基准上略微领先 Fable 5，尤其是在编程和 agentic 任务上。
  • 有些人推测 Opus 5 是一个蒸馏出来的 / 更便宜的 “Fable-like” 模型；另一些人则怀疑，尽管头条分数更弱，Fable 仍然更大，并且在最困难、长周期任务上更好。
  • 与 GPT‑5.6 Sol 和 Kimi K3 的对比结论不一：一些用户觉得 Sol 或 K3 在实践中更高效或更好；另一些人则认为 Opus 5 在严肃编程上是“每美元最佳”。

成本、效率与使用模式

  • Opus 5 保持 Opus 4.8 的定价，但目标是提供接近 Fable 的性能；很多人认为这正是它的核心卖点。
  • 一些第三方仪表盘（Artificial Analysis、Vals 等）显示，Opus 5 在 “max” 模式下每个任务可能相当昂贵，而在较低努力级别下性价比更好。
  • 订阅用户在争论：总是使用顶级模型（Fable/Sol）是否值得消耗额度，还是应该混用 Opus/Sonnet 或更便宜的模型。

基准测试与真实世界表现

  • 30% 的 ARC‑AGI‑3 分数引人注目：一些人认为这代表了真正的“流体智能”进步，另一些人则认为这只是特定基准上的 RL，或者存在刷榜的可能性。
  • 对 OSWorld 分数（20% 完成率 vs 约 55% 的部分得分）的混淆，引发了关于基准如何报告以及非确定性带来方差的讨论。
  • 轶事包括：Opus 5 解决了旧模型失败的 C/C++ 和内核 bug；图像→HTML/UI 复现明显更好；但在某些任务上对代码的分析弱于 GPT‑5.6，并且在某些事实性测试中更容易出现幻觉。

安全机制、网络安全/生物安全，以及政府压力

  • Opus 5 共享 Fable 的安全机制，但现在允许在所有访问级别下进行源代码漏洞发现，同时仍然阻止二进制漏洞利用工作流。
  • 这让重视安全的开发者感到欢迎，但让逆向工程师和一些仍然被激进分类器拦住的 bio/ML 研究者感到沮丧。
  • 很多人将这种谨慎措辞以及模型降级（Fable→Opus 5→4.8）与近期美国政府限制，以及 Anthropic 先前“太危险” 的 Mythos 叙事联系起来。

可靠性、UX 与“思考”行为

  • 多位用户报告频繁宕机、UI 故障、聊天记录丢失，以及 Claude Code 行为不稳定；也有人表示自己几乎没遇到问题，这说明体验可能并不均匀。
  • Opus 5 默认启用 “thinking”（推理），因此可能感觉更慢、输出更啰嗦；有人喜欢这种更谨慎的风格，另一些人则想要更快、更简洁的输出。
  • 一个显著抱怨是：chain-of-thought 痕迹被减少或隐藏了，而用户原本依赖这些痕迹来调试模型推理；有人怀疑这是为了阻碍竞争对手蒸馏。

模型路由与生态动态

  • 模型数量激增（Fable、Opus、Sonnet、GPT 变体、K3 等）推动了人们对外部模型路由服务的兴趣，这类服务会为每个任务挑选足够用且最便宜的模型。
  • 大家在争论路由应该由第三方基础设施、内部逻辑，还是由模型自己来完成；对于让单一供应商“自我路由”也存在强烈怀疑，因为这会受成本激励影响。

对开发者与工作的影响

  • 一些开发者表示，前沿模型已经让他们的生产力提高了 10–60 倍，并减少了绿地项目所需的团队规模；有些人现在更像 “AI agent 操作员”，而不是传统程序员。
  • 另一些人则感到焦虑或怀疑：他们看到大量 “AI slop”、脆弱的长周期行为，以及尚未有证据表明真正具备变革性的、由 AI 构建的生产系统。
  • 许多人觉得当前前沿能力对大多数编程来说已经“够用”；未来价值可能更多取决于支架、工具和集成，而不是原始模型 IQ。