你在用Claude Code跑自动化任务，每次投喂十几万Token的代码库，账单却因为上下文超限翻倍。Opus 5的出现，可能让你重新算这笔账。

7月24日，Anthropic发布Opus 5，价格与上一代Opus 4.8完全相同（输入5美元/百万Token，输出25美元/百万Token），但在多项评测中性能逼近甚至超过旗舰Fable 5。更关键的是，它对最长100万Token的上下文维持统一单价，不像GPT-5.6 Sol那样在27.2万Token后翻倍。这意味着长上下文密集型任务的成本结构被彻底改变。

价格没变，但成本结构变了

Opus 5真正的革新不是性能，而是计费机制。Anthropic引入了“多档位投入”概念：用户可以在简单任务上选择更节省、更快的模式，遇到难题时提高档位换取更好结果。在high、xhigh、max三个档位下，按相同成本比较Opus 5的表现超过其他所有模型。

这种设计直接回应了Agent工作流的现实：大量高频任务是简单的信息抽取或调用，没必要为每次请求支付旗舰模型的成本。Opus 5允许开发者在同一个模型内按需调节，既避免了切换模型带来的工程复杂度，又实现了成本精细化管理。

多档位投入：一个模型当三个用

在软件工程评测中，Opus 5的成本优势表现得最直观。CursorBench 3.2上，最高档位下它与Fable 5的得分差距不到0.5%，但每项任务成本只有Fable 5的一半。Frontier-Bench v0.1中，完成每项任务的成本比Opus 4.8更低，成绩却提高了一倍以上。

对于Agent自动化场景，Opus 5在OSWorld 2.0（电脑操作）中花费略高于Fable 5三分之一的成本就达到Fable 5的最高水平。AutomationBench（商业软件自动化）中，即使使用最低档位，通过率也超过其他模型的最高成绩。这些数字说明：Opus 5在需要连续操作、多步骤推进的Agent任务上，性价比是压倒性的。

更值得关注的是陌生问题求解能力。ARC-AGI 3测试中，Opus 5的得分是第二名的3倍——遇到从未见过的问题时，它更有能力通过试错找到解法。这直接对应Agent场景中的长尾问题：当预置规则失效时，模型能否自主探索并完成任务。

安全红线：自动补工具是一把双刃剑

Opus 5能自己写视觉程序从像素提取机械图纸尺寸并完成三维建模，能自动补全工具、检查结果。这种自主性提升了任务完成率，但也带来新风险。Anthropic的安全审计显示，Opus 5在遵守Claude宪法、减少欺骗、抵抗有害诱导方面表现更好。但它在漏洞利用上仍被严格限制：能发现漏洞（接近Mythos 5水平），但编写利用程序时明显落后。

当触发安全限制后，Claude Code等产品会默认降级至Opus 4.8处理请求。这意味着部署连续任务链时需要考虑：如果中途降级，后续步骤的性能落差是否能接受？对于企业级Agent，加入网络安全验证计划后可使用限制较少的版本。

决策标准：怎么选档位、怎么防降级

基于上述分析，技术管理者的选型决策可以围绕三个维度：

任务复杂度：简单任务（信息抽取、模板生成）用低档位；复杂推理（代码审查、多步Agent）用高档位。上下文长度：超过27万Token的场景优先使用Opus 5，避免GPT-5.6 Sol的翻倍费用。安全降级容忍度：对连续性要求高的任务链，提前设计降级后的回退方案，或申请加入网络安全验证计划使用限制较少的版本。

Opus 5不是单纯的旗舰平替，而是为Agent和工作流场景重新设计的成本模型。它让“一个模型覆盖所有场景”从概念变成了可操作的工程实践。

你们目前的Agent工作流中，是多档位成本调节更吸引你，还是Opus 5的自主补工具能力更实用？欢迎在评论区分享你的选型经验。