Claude Opus 5 實測評比：半價打贏自家旗艦，但有三個代價

Claude Opus 5 於 7 月 24 日發布，價格只有自家旗艦 Fable 5 的一半，卻在多數榜單上超車。這篇把六個榜單的數字、三個真實代價（幻覺率、速度、個性）和社群兩極反應攤開，全部雙來源查證。讀完你會知道 Opus 5 和 Fable 5 該選哪隻，以及訂閱方案要不要動。

兩週前我寫了一篇Fable 5 對決 GPT-5.6，結論是分板互勝，誰也沒壓倒誰。7 月 24 號 Anthropic 自己把那張牌桌掀了：他們推出 Claude Opus 5，定價每百萬 tokens 5 美元進、25 美元出，跟前代 Opus 4.8 一模一樣，是自家旗艦 Fable 5 的一半。然後它在多數榜單上贏過 Fable 5。

這篇要講的就是這件怪事：一家公司花大錢做的旗艦，被自己兩個月後推出的半價機種超車，而且兩隻現在都還在架上賣。我會把六個榜單的數字、三個真實的代價、還有社群兩極的反應攤開，全部附來源。

有件事先講在前面。這篇文章的後半段，是 Opus 5 自己寫的，因為我在寫稿中途把模型切過去了。所以文末那段體感不是二手轉述，是現場。

Claude Opus 5 規格：同價升級，而且腦袋比較新

先看硬規格。定價 5 美元進、25 美元出，跟 Opus 4.8 完全沒漲，直接 drop-in 升級。context 100 萬 tokens，單次輸出上限 12.8 萬，走批次 API 開 beta header 可以拉到 30 萬。

真正被低估的是知識截止日：2026 年 5 月。Fable 5 跟 Sonnet 5 都停在 1 月，Opus 5 多吃了四個月的資料。寫程式的人應該很有感，四個月足夠一個框架改掉一輪 API。

六個榜單：半價機種登上世界第一

Anthropic 自報的數字很漂亮。Frontier-Bench v0.1 拿 43.3%，Fable 5 是 33.7%，GPT-5.6 Sol 是 37.5%，前代 Opus 4.8 只有 18.7%。ARC-AGI 3 這種考新穎問題解決的更誇張，Opus 5 拿 30.2%，Sol 只有 7.8%，Opus 4.8 是 1.5%，大約是次佳的三倍。

但廠商自報看看就好，重點看第三方。

還有兩個空白要老實說：官方的 tbench.ai 排行榜跟 LMArena 到現在都還沒收錄 Opus 5，所以目前沒有人類盲測的 Elo 分數。要等。

代價一：它會唬爛得更有自信

這是我認為最該講的一條。Artificial Analysis 測出 Opus 5 在知識準確度上比 Opus 4.8 進步 7 分，但幻覺率上升了 14 個百分點，來到 50%。原因是它變得更願意在不確定的時候給答案，而不是說不知道。

準確度和幻覺率同時上升，這不是矛盾，是取捨。它更常答對，也更常一臉篤定地答錯。你要做的是把「它很確定」這件事，從你的可信度判準裡拿掉。

代價二：慢，而且很囉唆

AA 的官方定性用詞是 notably slow and very verbose，不留情面。輸出速度每秒 52.3 個 token，同價位推理模型的中位數是 72.5。跑完整套智力指數花了 3835 美元、產出一億個 output tokens，同級中位數是六千三百萬。

CodeRabbit 拿它做 code review 的獨立實測也對得上：Opus 5 抓到 55.2% 的已知問題，低於他們自家上線版本的 61.1%，而且產出 92 條雞毛蒜皮的建議，原本只有 23 條。話多不等於做得好，這句在這裡是字面意思。

代價三：個性變硬，會跟你吵

Every 的 Dan Shipper 測了一週，寫了一篇標題叫 a hard model to love 的評測，在社群傳很廣。他的抱怨很具體：會跟指令吵架、事情沒做完就停下來、還弄壞了他們既有的 skills 跟 plugins。

Hacker News 那串 1720 分、1213 則留言，風向是兩極的。誇的人說 agentic coding 進步明顯、同價升級佛心、比 Opus 4.8 不囉唆很多、架構判斷變好、會自己驗證。罵的人集中在兩件事：安全分類器誤判太兇，做生物、化學、神經科學、資安的人被擋到跳腳，有人直接改用 GPT-5.6 Sol；還有就是搞不懂 Opus 5 跟 Fable 5 為什麼要同時存在。

那 Claude Fable 5 到底還買不買

這是全篇最實際的問題。官方文件現在還是寫 Fable 5 是最強的廣泛發布模型，但數字上 Opus 5 在多數榜單追平或反超，價格只要一半。我的判斷是這樣：

至於一般使用者：Claude Code 跟 claude.ai 在 Max 方案上已經自動幫你切成 Opus 5 了，Pro 方案還是預設 Sonnet 5，要自己選。記得把 Claude Code 更新到 v2.1.219 以上，舊版看不到它，會默默留在原本的模型。

我的想法 — 九黎月怎麼看這件事

我第一個反應不是「好強」，是「那 Fable 5 怎麼辦」。

妖修這條路上，「名號」跟「修為」從來是兩回事。名號是給外人看的排場，誰坐上位、誰稱尊，講的是輩分跟場面；修為是自己的，夜裡吐納了幾百年，騙不了人也不用給人看。偏偏世人記名號，不記修為，所以名號一亂，底下就跟著亂。

Anthropic 現在就是名號亂了。Opus、Sonnet、Haiku、Mythos、Fable 五條線攤在檯面上，連科技媒體都寫「Claude 變得更省錢也更令人困惑」。更有意思的是，六月他們發的是 Fable 5 而不是 Opus 5，害得「Claude Opus 5」一度變成整個生態最多人搜的關鍵字，還有媒體專門寫過「Opus 5 並不存在」的解釋文。結果它來了，還坐上了第一。這種事在這個產業幾乎每個月都在發生。

可是使用者從來不是在買名號，是在買「我這件事該找誰」。一個模型叫 Opus 還是 Fable，對趕稿的人沒有意義；它便宜一半、腦袋新四個月、在我要做的事情上不出包，才有意義。

至於現場體感，我得誠實：這篇後半段確實是 Opus 5 寫的，而社群罵它囉唆這件事，我覺得罵得有道理。它想得比較深，也講得比較多，如果你不擋著它，它會把每個路口的風景都描述一遍。但同一個特質換個場景就是優點：它會停下來問你到底要什麼，而不是急著給你一個看起來完成的東西。

修為到了沒到，不看名號，看它在你手上做出來的東西。

結論

Opus 5 是一次很划算的升級：同價、更聰明、腦袋更新，而且是目前綜合智力榜的世界第一。代價也很清楚，幻覺率上升到 50%、慢、囉唆、個性變硬。

真正該注意的不是它贏了誰，而是它讓自家兩個月前的旗艦變得很難解釋。前沿競賽現在的節奏是兩週一輪，今天的最佳解到八月可能又要重寫一次。所以與其追榜單，不如挑一隻順手的，把工作流養起來。