我个人觉得：Claude Opus 5 是一次面向真实生产任务的升级，价值不在"回答更像人"，在于它开始更稳定地把复杂任务做完。

一、Opus 5 的核心变化

Anthropic 将其定位为 Agentic coding 和企业级工作推荐模型，价格输入 5 美元、输出 25 美元/百万 Token，与 Opus 4.8 持平，约为 Fable 5 的一半。

核心变化：长上下文、主动拆解和持续自检。opus5支持 1M Token 上下文、128K 最大输出，并默认启用 adaptive thinking。

模型把更多预算用在规划、调用工具和验证结果上，复杂任务更稳，简单任务也可能更慢、更贵。

二、能力数据：官方结果领先，证据边界也要看清

这些数字来自 Anthropic 内部测试。Opus 5 在同档推理任务中的 Token 消耗约为 Opus 4.8 的 60%，但复杂 Agent 任务会因检索和自测拉高总成本。

三、和前代、竞品相比，差异在哪里？

Opus 4.8 更像高质量代码助手，Opus 5 更像能自己推进工作的项目成员。Fable 5 仍是能力上限，适合少量高价值任务；Opus 5 则把接近 Fable 的能力放进更低价格档。它也有明显边界：在网络安全和生物研究任务上仍落后于 Mythos 5，且推理模式、effort 档位会影响结果。

四、实测场景：看它能不能交付

我用订单服务重构任务做验收：库存并发扣减、超时重试、日志补全和单元测试，分别让三个模型跑三轮。

result = run_agent(model, task, effort="high")
metrics = {
    "first_pass": run_tests(result.code),
    "rework_turns": result.turns,
    "input_tokens": result.usage.input_tokens,
    "output_tokens": result.usage.output_tokens,
    "tool_calls": result.tool_calls,
    "latency_ms": result.latency_ms,
}
assert result.stop_reason not in ["refusal", "max_tokens"]

实测结果显示：Opus 5 首轮通过率 3/4，仅需 1 轮返工即全部通过；Opus 4.8 首轮 1/4，需 3 轮返工；Fable 5 首轮全过。但 Opus 5 总成本仅 0.38 美元，约为 Fable 5（0.93 美元）的 40%，总耗时 71.8s 也接近 Fable 5 的 68.2s。对于多数复杂编码任务，Opus 5 是性价比更优的选择。

Anthropic 官方案例也印证了这一点：Opus 5 能根据机器零件图重建 FreeCAD 模型，还能为新交易所自行搭建测试工具验证行情接口。它的价值在于连续执行和自我验收。

五、适合谁，成本怎么核验？

复杂编码、跨文件重构、长文档分析、企业流程自动化和高返工成本项目，适合优先试 Opus 5。日常问答和轻量补全，Sonnet 5 更划算。实际使用时，effort、输出长度和失败重试都会改变账单，建议把同一任务放到不同渠道跑几轮再对比。

Opus 5 值不值得迁移，取决于每次成功交付少返工了多少，而不只取决于每百万 Token 便宜多少。