2026-07-25 · [AINews] Claude Opus 5: Fable-level performance at Opus price (half Fable)

這是一篇針對「產業新聞」型別的技術報導。

📌 【Anthropic 新動態】Claude Opus 5 發布：以半價效能直逼 Fable

TL;DR：Claude Opus 5 正式推出，實測表現與 Fable 旗鼓相當，引發對評估基準（Evals）有效性的討論。

🎣 Opus 5 登場：是技術突破還是評估基準的侷限？

Anthropic 釋出的 Claude Opus 5 在社群中引發熱議。雖然官方對外的說法是「接近 Fable」，但從目前的基準測試來看，Opus 5 在技術指標上已略微超越了 Fable。這反映出當前 AI 評估（Evals）的困境：目前的測試可能難以完全捕捉到模型在實際應用中的強大能力。

🧩 基準測試與實際體感存在落差

根據 Epoch 的資料顯示，Claude Opus 5 的 ECI 指標為 159，略低於 Fable 5 的 161；但在軟體工程基準測試 SWE-ECI 上，Opus 5 則與 Fable 5 同樣達到 161。

📊 使用者反應：實測表現可能被低估

儘管資料顯示僅比前代 Opus 4.8 有微幅提升，但許多使用者在實際使用中給予高度評價，認為它在各方面的表現都「好得多」，並直言目前的基準測試可能低估了 Opus 5 的實際進步，呼籲需要更具挑戰性的公開測試。

💡 測試資料出現異常現象

在 FrontierCode 的測試中，研究者發現了一個有趣的現象：Opus 5 在「中等難度（medium effort）」下的得分，竟然比「高難度（higher effort）」時的得分還要好。

🎯 實務啟示

對於開發者而言，Opus 5 在 Coding Agent（程式碼代理）與工具使用（如瀏覽器自動化）工作流中展現了強大的潛力。面對基準測試與實際體感之間的落差，工程師在評估模型時，除了參考 ECI 等資料，更應關注模型在特定工作流中的實際表現。

🔗 來源

#AI #Anthropic #ClaudeOpus5 #MachineLearning #LLM #Benchmark #SoftwareEngineering #CodingAgent #AIModel #LatentSpace

同來源相關文章