Anthropic 正式发布 Claude Opus 5。一句话版结论：价格按 Opus 档位卖，表现在多条硬核榜上咬住甚至反超 Fable 5。
定价方面，百万 token 仍是输入 5 美元、输出 25 美元，相对 Opus 4.8 提质不加价，大约是 Fable 5 的一半。CursorBench 最高努力设置下，峰值只比 Fable 5 低约 0.5%。Frontier-Bench 上它反超包括 Fable 5 在内的对手，分数约是上一代 Opus 4.8 的两倍。上线半天，社区就把游戏、3D、CAD、自建测试一类重活跑了一轮；泄露期「简直像 Fable 6」的说法，正式版出来后反而更响了。
官方 demo 也偏「能看出来工程量」：实时气流路径的风洞、可 360 度旋转且核糖体都画出来的 3D 细胞结构。同步变化不只在模型——Claude Code 系统提示词被砍掉八成以上，编码评测却没掉分。下面按实测、成本、跑分、产品改动四块拆开看。
实测速览：社区半天交卷
游戏与可交互场景
博主 am.will 开测前默认它是「便宜版 Fable」，测完改口「大错特错」：5 倍 Max 订阅额度只用了 27%，就做出他见过最好的 Rocket League 克隆，能玩，代码还开源在评论区。
OmedTheVibeCoder 做竞技场对决动画，评价从「以为会接近」变成「完全甩开」；「Fable 6」的说法正是看完这波结果后出来的。补完多模型对比后，他形容「差点从椅子上摔下来」——Opus 5 Max 直接打穿了自己原来的测试标尺，画面不像代码拼出来的截图，更像提示词进了图像模型，却吐出一整张能走进去的地图。
滑雪场景（Alex Ermolov）：「和 Fable 5 打平，甩开其余测过的模型」，首遍无明显穿模，滑行物理也对。Minecraft 复刻（Chetaslua）：「迄今为止最好的一次」。Unity 接入侧反馈偏「开挂」；连环机关场景里，物理环节与真实规律贴得更紧。
重约束 demo
Noema 的题更狠：单 HTML 文件，街区从 1945 变到 2055，建筑、车辆、店铺、人群、灯光、音效全跟年份走。effort 从 max 降到 high，仍把 Fable 5、GPT-5.6 Sol 压在后面，评语三个词：「是个怪物」。阿波罗点火升空一类片：喷焰到实时遥测基本靠程序生成，不是拼素材库。CAD / 机械设计方向，社区亦有多份「多项任务超过 Fable」的反馈。
教育向：Matt Shumer 给 @AlphaSchool 做的实时 AI 家教原型——Opus 5 管对话和方向，小型世界模型管实时渲染；还粗糙，但已能讲分数时同步在画板画图。
科学可视化侧有三羧酸循环 3D 网页 demo（Opus 5 Low Effort）：模型只写原子清单与键表（含反应前后键级），几何交给优化器按键长、杂化、键角与排斥约束求解，再用 Three.js 渲染；代码单独抽出校验键长键角后再出片，反应过程与结构量都能对上。
实测小结： 在「能跑起来的复杂前端 / 游戏 / 物理场景」上，社区观感普遍是：不是小幅贴近 Fable 5，而是经常打平或反超，且首遍成品率偏高。
性价比对打：谁贵、谁对
atomic.chat：三道破坏题
题目统一：龙卷风卷场地、重锤砸楼、卡车压桁架桥。
| 模型 | 花费 | 结果（材料描述） |
|---|---|---|
| Opus 5 | 0.508 美元 | 三题全对 |
| Fable 5 | 约 Opus 5 的两倍 | 龙卷风卷不起地面物；楼在锤到前自塌；桥炸成木棍堆 |
| GPT 5.6 | 约 0.14 美元 | 最便宜，但锤子未碰到楼 |
| Kimi K3 | — | 水平与 GPT 5.6 接近 |
泄露期有质疑：Opus 5 单价低，token 烧太多，综合未必省。至少在这一组对照里，半价优势没有被「狂烧」吃光。
波音 747：交货速度 vs 验收标准
Victor M 的题：按公开数据，浏览器内重建可转可看的 747 三维模型。
| 维度 | Fable 5 | Opus 5 |
|---|---|---|
| 用时 | 42 分钟 | 71 分钟 |
| 代码量 | 4 文件 / 约 1000 行 | 20 模块 / 约 4000 行 |
| 渲染管线 | Puppeteer | Playwright |
| 渲染与镜头 | 17 轮、54 张截图 | 25 套镜头预设 |
| 验收方式 | 肉眼对图 | 正射轮廓 + 翼展、轴距、前缘扫掠角等 14 项公差核对 |
Opus 5 额外动作：前 43 分钟只渲素模，轮廓过关再贴皮；可单部件调试；6 视角拼成联系表。Victor M 结论：Fable 5 大约快 40%，尺寸表更好读；两边引用的都是同一套 747-400 数据，但 Fable 5 没把成模再量回去。
评测观察： 若只比「先交一张能看的图」，Fable 5 更快；若比「模型是否经得起公开数据回测」，Opus 5 的流程更完整。
官方与工程案例：同一条能力线
Frontier-Bench：零件图纸 → FreeCAD 重建，且不给直接看图接口。Opus 5 自写计算机视觉管道从像素抽几何，反复成功；同设定下其他模型五次未成。
开源包管理器真实 bug：社区补丁只压症状，它追到根因并修边缘情况。量化工程师搭新交易所实时行情：此前模型做不出；它发现无实时数据可验，就自建测试环境核对解析逻辑。
把这些和 747 案例放一起看，卖点不在「会写长代码」，而在更愿意自建校验闭环。
跑分与定价：半价咬住 Fable 5
价格： 百万 token 输入 5 美元 / 输出 25 美元（对齐 Opus 4.8 价位）；约 Fable 5 一半。Fast 模式：两倍价换约 2.5 倍速。
关键榜单（源材料数字）：
| 评测 | Opus 5 | 对照 |
|---|---|---|
| Frontier-Bench v0.1 | 43.3% | Fable 5 33.7%；Opus 4.8 21.1% |
| ARC-AGI-3 | 30.2% | GPT-5.6 Sol 7.8% |
| Human’s Last Exam（无工具） | 56.3% | Fable 5 56.5% |
| Human’s Last Exam（开工具） | 64.7% | Fable 5 63.9% |
| BrowseComp | 90.8% | Fable 5 87.4% |
| AA Coding Agent Index | 66.7% | Fable 5 65.8% |
| DeepSearchQA | 95% | Fable 5 94.7% |
| OSWorld 2.0 | 70.6% | Fable 5 66.1% |
读法简记：
- 编程硬核（Frontier-Bench）： 明显领先 Fable 5，约为 Opus 4.8 的两倍级。
- 未见过的新问题（ARC-AGI-3）： 30.2% 对 GPT-5.6 Sol 7.8%，近四倍；相对 Opus 4.8 为近 20 倍量级跃升（源文表述）。
- Human’s Last Exam： 无工具几乎持平（56.3% vs 56.5%）；开工具 64.7% 略超 63.9%。
- 搜索 / Agent 索引： 小幅领先。
- 电脑操作 OSWorld 2.0： 70.6% vs 66.1%，官方称成本不到 Fable 5 三分之一。
Cursor 联创原话方向：Opus 价位，摸到接近 Fable 的性能。另：Anthropic 早先一版 FrontierCode 通告曾把更低分的 Opus 标成赢家，bug 已修。IMO 2026 满分、无外部工具。安全拦截预计触发频率较 Fable 5 降约 85%——体感上可能比单项分数更明显。
产品侧：Claude Code 提示词砍八成
同日，Anthropic 工程师 Thariq 披露上下文设计调整：Claude Code 系统提示词删超 80%，编码评测不降。删减对象明确是 Opus 5 / Fable 5 这代模型。
规则从「默认不写注释」改为「贴合周围代码风格，匹配注释密度、命名与习惯」。工具侧少堆示例、多收紧接口（如 Todo 仅「待处理 / 进行中 / 已完成」）。上下文改渐进式披露：代码审查等低频说明拆成技能文件按需加载；记忆从手写 CLAUDE.md 扩展为模型自判可记内容并落盘。
评测含义： 这不是营销彩蛋，而是配套结论——模型判断力上来后，长系统提示词这层脚手架可以拆。
外部声音与总评
马斯克晒 FrontierCode 性价比图，称仅 Grok 4.5 与 Opus 5 在帕累托前沿；并称 Grok 4.5 弱于 Opus 5，但是同等性能下最低价档之一。这是竞品视角，和官方榜、社区实测并列参考即可。
总评
| 维度 | 简评 |
|---|---|
| 定价 | Opus 档价，约 Fable 5 一半；Fast 两倍价换 2.5 倍速 |
| 硬核编程榜 | Frontier-Bench 明显占优 |
| 通用难题 / 工具题 | HLE 持平或微超；ARC-AGI-3 拉开大差距 |
| 社区场景 demo | 游戏 / 3D / 重约束 HTML 反馈强 |
| 工程自检 | 747、FreeCAD、自建测试环境等案例突出 |
| 交付速度 | 个别对照里 Fable 5 更快（约 40%） |
| 产品配套 | Claude Code 提示词大幅精简，评测不掉 |
一句话： 若你按「半价能不能顶上 Fable 5 那一档」来选，现有跑分和社区实测给出的答案偏是——在多项任务上可以咬住，编程与自检链路甚至更敢打；代价是部分场景耗时更长、代码更重。护栏触发率下降约 85%，对日常写代码的体感也可能不小。