Claude Opus 5 发布：价格砍半却更“主动”，AI 开始自己写工具解决问题

起因：为什么现在关注 Claude Opus 5？

最近几个月，AI 圈有两个明显趋势：一是前沿模型的能力竞争进入白热化，二是模型的“主动性”（proactive behavior）成为新的衡量标准。Anthropic 发布的 Claude Opus 5 恰好踩在这两个点上。它被描述为“深思熟虑且积极主动的模型，以一半的价格接近 Claude Fable 5 的前沿智能”——这意味着我们可能正迎来高性价比与高主动性结合的转折点。

拆解：Opus 5 到底强在哪？

首先看硬指标。Opus 5 在 Artificial Analysis 基准测试中名列第一，甚至超过了更昂贵的 Fable 5。但更令人惊讶的是它的定价：与 Opus 4.8 相同，并提供“快速模式”（成本加倍但速度更快）。这种定价策略直接冲击了市场——过去用顶尖模型需要高昂成本，现在可以用一半的价格获得几乎同等的能力。

然而，真正的亮点是主动性。Anthropic 给出了一个典型案例：在某个基准任务中，给 Opus 5 一张机器零件的图纸，要求编写代码将其重建为 3D 模型。但模型没有直接查看图纸的权限。面对这个“看不见”的难题，Opus 5 没有放弃或瞎猜，而是自己写了一套计算机视觉管道，从原始像素中提取几何信息，最终成功重建了整个零件。

这不仅仅是代码补全，而是主动规划、工具调用与跨领域知识整合。它像一位经验丰富的工程师，遇到障碍时会自己想办法绕过去，而不是等待人类提供更多指令。这种“自己动手”的特性，可能比单纯的基准分数提升更具颠覆性。

在安全方面，Anthropic 延续了谨慎路线：Opus 5 在发现网络安全漏洞的能力上大幅提升（接近专用模型 Mythos 5），但故意没有训练漏洞利用技巧，使其停留在“发现”而非“攻击”层面。这种设计意图很明确——提升防御能力，同时控制滥用风险。

趋势洞察：主动性将成为下一代模型标配

Opus 5 的主动性不是孤立现象。从 Devin 的自主编程，到 Claude 的“计算机使用”功能，再到各种 Agent 框架，行业正将大语言模型从“指令执行器”转变为“问题求解器”。这次 Opus 5 在受限条件下自行构建视觉管道的例子，更像是一个预演：未来的模型不会只回答问题，而是会自动调用资源、编写临时工具、甚至设计解决方案。

另一个深层趋势是“上下文工程”（context engineering）的兴起。Anthropic 随 Opus 5 发布了新的提示指南，强调“上下文工程”而非传统提示词。这意味着和模型交互的方式正在从“写一句指令”升级为“设计一个信息环境”——你需要思考如何组织上下文、提供哪些工具、设定哪些约束，才能让主动性模型按预期工作。这有点像从命令式编程转向声明式编程。

实用价值：开发者如何用起来？

如果你正在使用大模型 API，以下几点值得关注：

1. 成本优化：Opus 5 的性价比可能让你重新评估模型选择。对于需要前沿推理但预算有限的任务，它是一个强大的选项。同时，“快速模式”提供了灵活的速度—成本权衡。
2. 适应主动性：尝试给模型更多自主权，比如提供问题而非详细步骤，看看它能否自己提出解决路径。但要小心，主动性也可能带来预期外的行为，建议先在沙盒环境中测试。
3. 学习上下文工程：传统提示词技巧可能不再够用。阅读 Anthropic 的《Claude 5 代模型上下文工程新规则》，理解如何通过结构化上下文、工具描述和约束条件来引导模型，会比雕琢提示词更有效。
4. 关注安全边界：即使模型没有被训练来利用漏洞，其发现漏洞的能力提升本身也有潜在风险。如果你在处理敏感系统，确保有合理的权限控制和输出过滤。

反常识：你以为它是小迭代，其实可能是范式转移

很多人会注意到 Opus 5 在基准测试上的进步，但更关键的变化藏在行为模式里。过去我们衡量模型看的是“它能答对多少题”，但现在要看“它能主动解决多难的问题”。Opus 5 展示的主动性不是简单的自主行动，而是在信息不完整的情况下，自己创造工具来获取信息。这离真正的自主智能体又近了一步。

另一个容易忽视的点是 Anthropic 的安全哲学：通过“不教攻击技巧”来保持伦理优势。这可能在短期影响其在红队测试中的分数，但长期看能降低监管风险，避免像某些模型那样因滥用而被迫下架。这种策略或许会成为行业安全实践的新基准。

总之，Claude Opus 5 既是省钱利器，也是通往更主动、更自主 AI 的路标。它的到来提醒我们：模型的竞争已不再只是参数和分数的比拼，而是如何定义人与 AI 协作的新模式。

原文地址: Introducing Claude Opus 5