半價干翻Fable 5？Opus 5實測炸場，網友：差點從椅子上摔下來

• 克雷西 發自 凹非寺
  量子位 | 公眾號 QbitAI

泄露了一路的Opus 5，剛正式登場就被網友玩瘋了。

今天凌晨，Anthropic正式把這款新模型放了出來。

多項硬核評測上，它追平甚至反超了Fable 5，價格卻只有一半。

Frontier-Bench上，它反超了包括Fable 5在內的所有對手，性能是上一代Opus 4.8的兩倍還多。

CursorBench最高努力設置下，也貼近定價兩倍的Fable 5峰值成績，只差0.5%。

官方給出的demo里，有一個能實時顯示氣流路徑的風洞，氣流怎么繞過去看得清清楚楚。

還有一張能360度旋轉的3D細胞結構圖，連內質網上密密麻麻的核糖體都畫了出來。

更耐人尋味的是，為了配上這代模型的判斷力，Anthropic把自己給Claude Code寫的系統提示詞刪掉了八成，成績卻沒掉。

之前泄露的時候有網友感嘆Opus 5簡直就像fable 6，現在Opus 5正式發布之后，有人更贊同這個說法了。

網友已開啟瘋玩模式

Opus 5上線不過半天，網友們就已經開啟了瘋玩模式，接下來就來看看網友們都整出了什么活。

博主am.will本來覺得Opus 5不過是一個便宜版Fable，測完直接改口，說自己「大錯特錯」。

他只用了5倍Max訂閱額度的27%，就讓Opus 5搭出了他見過最好的一個Rocket League克隆版，游戲能玩，代碼還開源在了評論區。

類似的反差，也出現在另一段動畫演示里。

博主OmedTheVibeCoder做完測完一個競技場對決的畫面，評價從「以為會接近」變成「根本不是接近，是完全甩開了它」。

開頭看到的「就是fable 6」的評價，正是看了這個結果說出來的。

后來他有放出了和其他模型的對比，并補充說自己「差點從椅子上摔下來」，因為Opus 5 Max直接打破了他原來的測試標準。

他表示，這已經不像是代碼生成的畫面，倒像是把提示詞丟進了圖像生成器，出來的卻是一整張能走進去的地圖。

另一位博主Alex Ermolov搭建的是滑雪場景，他給出的結論是「和Fable 5打平，甩開我測過的所有其他模型」，第一遍生成就沒有明顯穿模，滑行物理也對。

Minecraft復刻測試里，Chetaslua更是把這次生成稱為「迄今為止最好的一次創作」。

把它接入到Unity，就像給游戲開了掛一樣。

Opus 5對物理規律也拿捏的很精準，在這個連環機關場景當中，每個緩解都和真實規律嚴絲合縫。

Noema則給了Opus 5一個「狠」提示詞，要求只用一個HTML文件，做出一整條從1945年變化到2055年的街區，建筑、車輛、店鋪、人群、燈光和音效全部跟著年份走。

即使effort從max降到high，Opus 5的結果也把Fable 5、GPT-5.6 Sol都甩在了后面，Noema給的評價只有三個單詞，「是個怪物」。

還有阿波羅任務的點火升空場景，從火箭噴焰到實時刷新的遙測數據，幾乎全靠程序生成，沒有拼現成素材庫。

CAD設計上，網友也是直接給它封神，表示它在很多機械設計任務當中表現超越了fable。

教育場景上，開發者Matt Shumer給@AlphaSchool做了個實時AI家教原型。

Opus 5負責對話和方向判斷，配合一個專門訓練的小型世界模型做實時渲染，雖然還很粗糙，已經能一邊講分數概念一邊在畫板上同步畫圖。

另外我自己也試著讓Opus 5（Low Effort）寫了一個三羧酸循環過程的3D網頁動畫演示。

它的核心思路是只描述化學過程，把幾何計算交給程序完成。

具體來說，Opus 5針對每幕反應只寫原子清單與鍵表，每根鍵帶有反應前后兩個鍵級，由此同時定義底物與產物。

三維坐標交則由幾何優化器現場求解，按元素和鍵級取標準鍵長，按配位數推雜化得到鍵角，再加上非鍵排斥與平面性約束迭代收斂。

產物構型則以底物坐標為起點再優化一次，使動畫只保留必要位移，離去的小分子則自動被推開飛散。

最后，Opus 5將代碼單獨抽出，校驗鍵長與鍵角，確認無誤后再用Three.js渲染成球與圓柱。

最終交付的成果不僅正確體現反應過程，鍵長、鍵角等物質的真實結構信息，也都是按照實際渲染的。

atomic.chat則用三個破壞場景的題目，做了一次更細的橫向對比，并且比較了成本。

同樣是龍卷風卷起整片場地、重錘砸樓、卡車壓塌桁架橋這三道題，Opus 5花0.508美元全部做對，Fable 5花的錢幾乎是Opus 5的兩倍，龍卷風卷不起地面上的東西，樓在錘子碰到之前自己就塌了，橋直接炸成一堆木棍。

GPT 5.6最便宜，0.14美元，但錘子壓根沒碰到樓，同期的Kimi K3和GPT 5.6水平相當。

之前Opus 5泄露時，有人懷疑它雖然單價低但token燒太多，綜合下來并不比fable便宜，現在看來可能只是個例。

更硬核的自檢流程

博主Victor M做了一次更硬核的自檢演示，題目是照著波音747的公開數據，用代碼在瀏覽器里重建出一架能轉能看的3D模型。

Fable 5用42分鐘交了活，4個文件、約1000行代碼，搭了一套Puppeteer渲染管線，跑了17輪渲染，檢查了54張截圖，驗證方式只靠肉眼看圖對不對。

Opus 5花了71分鐘，寫出20個模塊、約4000行代碼，換成Playwright渲染管線，25套鏡頭預設，還多寫了一個測量腳本。

而它驗證的方式，是從渲染出來的畫面里提取正射輪廓，算出翼展、軸距、機翼前緣掃掠角等14項具體指標，逐項去和波音747-400的公開數據核對公差。

它還做了幾件Fable 5沒做的事，前43分鐘只渲染沒貼皮的素模，確認輪廓過關了才上涂裝，中途加了一個調試參數，能單獨渲染某個子部件方便排查問題，最后把6個視角拼成一張聯系表一次看完，不用一張張翻截圖。

Victor M的結論是，Fable 5交貨快了大概40%，尺寸表也更好讀，但它用的是和Opus 5一樣的747-400真實數據，卻從沒拿建好的模型反過來量過這些數據對不對。

之所以把這個例子單獨拿出來說，是因為Opus 5這種「自己驗證自己」的勁頭，在Anthropic官方給的案例里同樣能看到。

比如Frontier-Bench有一道題，給Opus 5一張機械零件的圖紙，要求它寫代碼，用FreeCAD把零件重建成3D模型，卻不給任何直接看圖的方式。

它索性自己寫了一套計算機視覺管道，從像素里提取幾何數據，把零件重建了出來，而且反復成功，同樣的設定下，其他模型試了五次都沒做出來。

還有一個開源包管理器的真實bug，社區提交的補丁只處理了表面癥狀，Opus 5順藤摸瓜找到了底層原因，把邊緣情況一起修了。

另外，一位量化交易工程師用它給新交易所搭實時行情源，之前的模型全部做不出來，Opus 5發現沒有實時數據可以驗證，干脆自己搭了一套測試環境，專門檢查代碼解析交易所數據對不對。

一半價格咬住fable 5

看完這些demo，再來通過數據感受一下Opus 5的性價比。

價格上，Opus 5和前一代的Opus 4.8相比是提質不加價，依然是每百萬token輸入5美元、輸出25美元，只要Fable 5的一半。

同時Opus 5也照舊配備了Fast模式，和之前一樣是兩倍價格換2.5倍速度。

比起價格，Opus 5在跑分上的贏面更讓人意外。

Frontier-Bench v0.1這類硬核編程任務上，它拿到43.3%，把Fable 5的33.7%甩開一截，是自家上一代Opus 4.8（21.1%）的兩倍還多。

Opus 5贏面最大的一項是ARC-AGI-3，專測那種模型壓根沒見過的全新問題。

它拿到30.2%，隔壁GPT-5.6 Sol只有7.8%，差了將近四倍，比上一代Opus 4.8更是翻了近20倍。

還有專門用來為難頂尖模型的高難度測試Human's Last Exam，不開工具的時候，Opus 5的得分是56.3%，和Fable 5的56.5%差距極小，而如果開啟工具，Opus 5的成績就會漲到64.7%，反超Fable 5的63.9%。

網頁搜索、編程智能體指數、深度搜索問答這幾項，Opus 5也都小幅領先，BrowseComp 90.8%對87.4%，AA Coding Agent Index 66.7%對65.8%，DeepSearchQA 95%對94.7%。

還有一個小插曲是，A社先前的一版通告里，在FrontierCode榜單上，把得分更低的Opus標成了獲勝者，不過現在這個bug已經修正了。

電腦操作和業務流程這兩項，差距拉得更大，OSWorld 2.0上的成績是70.6%對66.1%。

而且，官方說Opus 5在這項測試里，只花了不到fable 5三分之一的成本。

之前在Opus 5泄露風波中頻繁出現的cursor，其聯創評價，Opus 5用Opus的價格實現了接近fable的性能。

除了官方通告里的那些數字，Opus 5也在今年的IMO 2026競賽中取得了滿分成績，而且沒有用任何外部工具。

另外，Opus 5也不像fable 5那么的守口如瓶了，其預計觸發攔截的頻率比后者降了約85%。

之前fable 5近乎變態的安全護欄確實讓人感到頭疼，現在有了Opus，或許就能緩解了。

CC系統提示詞也改了

Opus 5發布的同一天，Anthropic工程師Thariq寫了一篇文章，講他們怎么給Claude Code這類產品設計上下文。

文章里最扎眼的一條是，Claude Code的系統提示詞被刪掉了超過80%，編碼評測成績卻沒有任何下降。

這80%的刪減，就是專門針對Opus 5、Fable 5這代模型做的。

能刪掉這么多，前提是模型的判斷力已經追上來了，過去靠規則硬堵的地方，現在可以放手交給模型自己判斷。

最典型的一條規則是「默認不寫注釋」。

早期模型判斷力不夠，團隊怕它注釋寫得又多又亂，只能定死這條規則，但用戶自己想要詳細注釋的時候，這條規則反而幫了倒忙。

現在這條規則被換成了「寫代碼時貼合周圍代碼的風格，匹配注釋密度、命名和習慣」，判斷權交還給了模型。

類似的邏輯也用在了工具設計上。

過去團隊靠給例子來教模型怎么用工具，但例子越多，模型可選的路徑反而被框得越死。

現在，團隊反過來在工具接口本身上花心思，比如Todo工具只留「待處理」「進行中」「已完成」幾個狀態，模型自己就能判斷該怎么用，不需要額外舉例。

判斷力上來了，上下文本身也不用一次性堆給模型。

系統提示詞從一開始就把所有場景的說明塞進去，改成了「漸進式披露」，把代碼審查這類不常用的說明單獨拆成一個技能文件，模型判斷需要時才自己去調用。

記憶也不例外，以前靠用戶手動把信息寫進CLAUDE.md，現在Claude能自己判斷哪些信息值得記下來，直接存成記憶。

這些變化背后是同一個判斷，規則、例子、記憶，本來都是給判斷力不夠的模型搭的腳手架，現在腳手架被一根根拆掉，因為模型自己就能接得住。

One More Thing

Opus 5發布之后，馬斯克也來蹭了波熱鬧。

他放了一張FrontierCode的性價比截圖，表示只有Grok 4.5和Opus 5處于帕累托前沿，也就是多目標優化問題中所有“最優權衡解”構成的一條邊界線。

按他的說法，Grok 4.5雖然表現不及Opus 5，但價格便宜，是同等性能下最低價的模型之一。

[1]https://www.anthropic.com/news/claude-opus-5
[2]https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models