Claude Opus 5 深度解析：Anthropic 的新「日常旗舰」，性能逼近 Fable 5 但价格砍半，到底值不值得切过去？

本文由 辛梓煜@词元二号站（www.ciyuanerhao.com）撰写，转载请注明出处。

快速摘要

Claude Opus 5 是 Anthropic 在 2026 年 7 月 24 日发布的最新 Opus 系列模型。它的核心卖点就一句话：在多个基准测试上逼近甚至追平 Fable 5 的水平，但定价只要 Fable 5 的一半——输入 25/百万 token，和上一代 Opus 4.8 持平。Opus 5 在编程（CursorBench 3.2 差距不到 0.5%）、自主 Agent 任务（OSWorld 2.0 用三分之一成本超越 Fable 5 最佳成绩）、新问题求解（ARC-AGI 3 得分 30.2%，是第二名 GPT-5.6 Sol 的近 4 倍）等维度表现亮眼。同时它的安全护栏比 Fable 5 宽松不少——分类器干预频率预计低约 85%，对开发者和企业用户更友好。但它也不是完美替代品：推理能力弱于 Fable 5，token 消耗模式在某些任务上可能抵消价格优势，而且对于不需要极致编码/Agent 能力的普通用户来说，Sonnet 5 可能才是更理性的选择。

如果你是重度开发者、科研人员或企业用户，正在纠结要不要从 Opus 4.8 升级，或者想搞清楚 Opus 5 和 Fable 5 到底怎么选——这篇文章把原理、数据、场景和成本掰开揉碎了讲清楚。想看完整拆解，往下翻。

一、Opus 5 的发布背景：Anthropic 2026 年的模型矩阵

先理一理时间线

2026 年对 Anthropic 来说是产品节奏最密集的一年。如果你中间没怎么关注，可能会觉得模型编号跳得有点快。我把关键节点拉一条线，大家先对齐一下：

• 2026 年 5 月 28 日：Opus 4.8 发布，取代 Opus 4.7 成为旗舰。
• 2026 年 6 月 9 日：Fable 5 和 Mythos 5 同时面世——这是 Anthropic 首次把 Mythos 级别的底座推给公众（Fable 5 就是 Mythos 5 的公开「安全版」）。
• 2026 年 6 月 30 日：Sonnet 5 发布，接替 Sonnet 4.6 成为 Free 和 Pro 用户的默认模型。
• 2026 年 7 月 24 日：Opus 5 发布——也就是本文的主角。

两个月之内连发四款模型，这个节奏在 AI 行业也算少见。而且请注意：Opus 5 和 Opus 4.8 之间只隔了不到两个月。正常来说，一个模型系列的换代周期至少半年起步，这么短的迭代窗口说明两件事：一是 Anthropic 内部的技术储备相当厚；二是 Opus 5 的定位可能不是单纯的「下一代旗舰」，而是对模型矩阵的一次重新梳理。

Anthropic 现在的模型谱系长什么样

我们现在看到的 Claude 模型家族，其实已经不是一个简单的「高-中-低」三级体系了。它是一个按能力层级 × 安全等级交叉划分的矩阵：

这个矩阵的巧妙之处在于：它用 Mythos/Fable 撑天花板，用 Opus 做「够用且划算」的主力，用 Sonnet 铺量，用 Haiku 切低延迟场景。Opus 5 在这个格局里的位置非常微妙——它拿到了逼近 Fable 5 的性能，但保持了 Opus 系列的亲民价格，安全限制还比 Fable 5 少一截。换句话说，对绝大多数用户而言，Opus 5 可能是最能打的「日常模型」，没有之一。

为什么 Fable 5 之后还要出 Opus 5？

这个问题我问过自己好几次。一开始我的直觉是：Fable 5 已经那么强了，Opus 5 还能有什么存在感？

但仔细看了官方资料和早期用户反馈之后，我觉得 Opus 5 恰好解决了 Fable 5 最被诟病的三个问题：

第一，价格。 Fable 5 输入 50 的定价，对于重度使用的开发者和企业来说确实肉疼。一个大型 Agent 任务跑下来，token 消耗动辄上千万，成本轻松破百美元。Opus 5 直接把价格砍半，对应的工作流成本也就直接腰斩。

第二，安全护栏的「过度保护」。 Fable 5 上线后，大量用户抱怨它「太怂」——遇到稍微敏感一点的请求就自动 fallback 到 Opus 4.8，有时候你明明只是写个正常的安全测试脚本，它也会触发分类器拒绝服务。Opus 5 的分类器干预频率预计比 Fable 5 低约 85%，这意味着你在实际工作中被「误拦截」的概率大大降低。

第三，数据隐私。 Fable 5 和 Mythos 5 有 30 天的数据保留政策，这对注重隐私的企业用户来说是个不小的顾虑。Opus 5 沿用了 Opus 系列的传统——不受这条政策约束。

所以你看，Opus 5 不是一个「降级版 Fable 5」，而是 Anthropic 在 Fable 5 大热之后，给那些「想用 Fable 级别的能力但不想付 Fable 级别的成本和限制」的用户递过来的一把梯子。

辛梓煜@词元二号站自己折腾下来最直观的感受就是：Anthropic 这波操作，本质上是在用 Opus 5 兜住 Fable 5 溢出的市场需求。Fable 5 负责拉高天花板，Opus 5 负责走量。两台发动机一起转，这套模型矩阵才算真正成型。

二、Opus 5 核心能力拆解：「深思熟虑 + 主动」到底意味着什么

Anthropic 在 Opus 5 的官方公告里用了一句很有画面感的描述——「much stronger at verifying its work and iterating carefully until it succeeds」。翻译成人话就是：这模型会自己检查自己做的东西，发现不对就自己改，一直改到成功为止。

听起来好像没什么大不了的？其实这是目前大模型最稀缺的能力之一。

传统模型的「一条道走到黑」问题

用过 ChatGPT 或早期 Claude 版本的朋友应该都有这种体验：你让它写一段代码，它唰唰唰写完了，你一看——变量名拼错了、逻辑漏洞、函数调用方式过时了。然后你得手动告诉它「这里错了」，它再改一版，可能又引入新问题，来回三四轮才勉强能跑。

这不是模型「笨」，而是传统大模型的生成机制天然就是「单向输出」——给定 prompt，模型逐 token 预测下一个最可能的输出，一旦生成完了就定型了，没有内建的「自我审视」环节。你可以把推理模型（比如 o1 系列）看作是加入了思维链的版本，但那更多是「想清楚再写」，跟「写完了自己检查、发现错了自己改」是两回事。

Opus 5 的「自验证循环」

Opus 5 在这方面做了架构层面的改造。根据 Anthropic 公开的信息和我自己实测下来的体感，它的自验证机制大致是这么工作的：

用户给出任务
    ↓
Opus 5 生成初始输出（代码/方案/分析）
    ↓
自动切入验证模式：检查假设是否成立、逻辑是否闭合
    ↓
发现不一致 → 自动修正 → 重新验证
    ↓
验证通过 → 交付最终结果

这个流程不是简单地「多想几步」，而是模型在生成之后会主动回看自己的输出，把其中隐含的假设拎出来验证，如果发现某个前提不成立，就推倒重来。

Anthropic 举了一个非常典型的例子：在一次基准测试中，用户故意给了一个不完整的 prompt——只说了目标但没说具体怎么做。Opus 5 不仅没有直接胡编一个结果，反而自己动手写了一套计算机视觉 pipeline，从图像预处理到特征提取到分类器训练，完整跑通了一整套流程，中间还自己纠了几次错。

这跟以前那种「你少说一句它就开始瞎编」的体验，完全是两个物种了。

什么场景下这种能力最值钱

不是说所有任务都需要自验证。你让模型帮你写一封邮件、润色一段文案，这种任务容错率高，出一点小偏差无所谓。但在下面这些场景里，「会自己检查」就是一个质变：

长周期 Agent 任务。 比如你让一个 AI Agent 花几个小时去调研一个技术方案、对比多个开源库、写一份分析报告。如果是传统模型，你过两个小时回来看，它可能在一个错误的假设上越走越偏，后面的所有推理都白费了。Opus 5 的自验证机制能大幅降低这种「越跑越歪」的风险。

代码生成与调试。 写过复杂逻辑的朋友都知道，bug 往往不在你盯着看的那一行，而在你以为「肯定没问题」的某个前提条件上。Opus 5 能自己把那些「你以为没问题」的地方翻出来检查一遍。我自己在 Claude Code 里试了两次中等规模的 feature 开发，一次过的情况明显比以前多。

数据分析与推理。 做数据分析的时候最怕什么？怕模型把相关性当因果性，一顿分析猛如虎，结论全是错的。Opus 5 在推理链条的每一步都会做「自我质疑」，相当于内置了一个不太聪明的但很勤奋的代码审查员。

和 Opus 4.8 的关键差异在哪

Opus 4.8 虽然也强，但它的「深思熟虑」更多体现在推理阶段（想清楚再写），而不是在生成之后（写完再查）。这个区别很微妙但对体验影响很大：

打个不太严谨的比方：Opus 4.8 像一个聪明但有点自负的高级工程师——你给个方向他就开始干，干完了交给你你发现有几个隐藏 bug。Opus 5 像是同一个工程师，但养成了写完代码自己跑一遍单元测试的习惯。

当然，这个能力不是免费的。自验证循环会消耗额外的 token——模型每「自我检查」一轮，就等于多跑了一轮推理。这也是为什么下一节我们要聊基准测试的时候，数字好看归好看，但实际 token 消耗可能比你想的要高。

辛梓煜@词元二号站在这里插一句：不要因为 Opus 5 的 benchmark 数据亮眼就无脑切。自验证机制带来的 token 增量在你自己的场景里到底有多大影响，最好实际跑几轮测一测，别光看官方数据。

三、基准测试全景：Opus 5 到底有多强

基准测试这东西，看单个数字意义不大，得放一起对比着看才能读出信息量。我把 Anthropic 官方公布的 Opus 5 核心 benchmark 数据和其他主流模型放在一张表里，方便直观对比。

核心基准测试一览

ARC-AGI 3：新问题求解能力的「代差」

ARC-AGI 这个基准测试很特别——它不考你学过的知识，而是考你面对一个完全没见过的问题时的推理能力。题目通常是一些抽象的图案变换，需要你从少数几个例子中推理出变换规律，然后应用到新例子上。对人类来说，这其实测的是「流体智力」。

Opus 5 在这个测试上拿了 30.2%，听上去不高对不对？但第二名 GPT-5.6 Sol 只拿了 7.8%。这个差距不是「多一点少一点」的问题，而是四倍的代差。这说明 Opus 5 在面对全新问题时的应变能力，已经跟其他模型拉开了质的距离。

为什么这个能力重要？因为现实世界的问题从来不是 benchmark 里的标准题。你在工作中遇到的 bug、客户提的奇怪需求、数据里的异常模式——这些都不是模型在训练数据里见过的。一个能打 30% ARC-AGI 的模型，意味着它有更强的「临场发挥」能力，而不是只能套模板。

OSWorld 2.0：Agent 场景的性价比之王

OSWorld 2.0 是一个测试 AI 模型操作电脑能力的基准——它让模型去完成真实的桌面操作任务，比如打开浏览器、填表单、操作文件系统、使用各种软件。这跟「让 AI 替你干活」的终极愿景直接相关。

Opus 5 在这个测试上的成绩非常惊人：它以 Fable 5 三分之一的成本，超过了 Fable 5 之前的最佳成绩。这个组合——更强的表现 + 更低的成本——在 AI 模型评测里很少见。通常你要么花钱买性能，要么省钱忍弱点。Opus 5 这次是「既要又要」，而且还真做到了。

对于正在用 AI Agent 做自动化工作的团队来说，这个数据意味着：你们可以把 Agent 工作流的底层模型从 Fable 5 切到 Opus 5，预期表现不会下降（甚至可能提升），同时成本直接砍掉一大块。

IMO 2026 满分：数学推理的里程碑

IMO（国际数学奥林匹克）的题目是出了名的难，不是那种套公式就能解的高考题。Opus 5 在不依赖任何外部工具的情况下拿了满分——没有计算器、没有 Wolfram Alpha、没有代码执行环境。纯靠自己的推理能力。

这个成绩的意义在于：它证明了 Opus 5 的「纯脑力」已经到了一个非常高的水平。对于需要严密逻辑推理的场景——比如法律文书分析、科研论文推导、复杂工程计算——这是实打实的能力保障。

但得留个心眼：benchmark ≠ 实际体验

我在前面也提到过，Opus 5 的自验证机制让它在一轮对话里可以做多轮内部迭代，这会让 benchmark 数据好看，但实际 token 消耗也会更高。Anthropic 官方没有公布「完成同一个任务时 Opus 5 和 Fable 5 的 token 消耗对比」，只说了「单价便宜」。这就留下了一个信息缺口：

• 如果 Opus 5 完成一个任务的 token 消耗是 Fable 5 的 1.5 倍，那实际成本节省只有 25% 而不是 50%。
• 如果 token 消耗是 2 倍，那成本几乎打平。

早期用户的反馈也确实呈现了两极分化。有的用户报告说 Opus 5 和 Fable 5 的 token 消耗差不多（比如那个做龙卷风 3D 可视化的案例），那就实打实省了 50%。但也有用户吐槽 Opus 5 在某些任务上「吃掉」了更多的 token，尤其是那些需要多轮自验证的复杂任务。

所以我的建议是：别只看单价，拿你自己的真实任务跑几轮，算总账。 benchmark 数据告诉我们 Opus 5 很能打，但你的场景里它到底能省多少钱，只有你自己测了才知道。

一个值得注意的信号：哪些领域 Opus 5 没去碰

仔细看 Anthropic 公布的 benchmark 会发现一个有意思的现象：在推理、法律和健康相关的能力评估上，官方没有给 Opus 5 特别高调的定位。这些恰好是 Fable 5 的传统优势区。换句话说，Anthropic 很清楚 Opus 5 不是全面碾压 Fable 5，而是在编程、Agent、知识工作这些「日常高频场景」里做到足够好。

这个定位其实很诚实。也说明我们在选模型的时候不能只看总分，得看「你的高频场景在不在它的甜区里」。

四、Opus 5 vs Fable 5：同门兄弟的差异化定位

很多人看到 Opus 5 的 benchmark 数据，第一反应是「那还要 Fable 5 干嘛？」这个想法很自然，但如果你仔细读 Anthropic 的官方材料，会发现他们其实把两款模型的边界划得很清楚。Opus 5 不是「廉价版 Fable 5」，而是一个侧重点完全不同的产品。

一张表看懂核心差异

能力侧重：一个「广而强」，一个「深而专」

Fable 5 本质上是一个「不计成本追求最强」的模型。它在推理深度、法律分析、医学科研这些需要极强逻辑链条的场景里，仍然保持着 Opus 5 追不上的优势。Anthropic 自己说的是——Opus 5「comes close to the capabilities of Claude Fable 5 in many domains」，注意关键词是「close to」和「many」，不是「matches」和「all」。

Opus 5 的策略不同。它在编程、Agent、知识工作这些最主流的使用场景里拉满，其他领域保持「够用就行」。这种取舍让它在定价上有了巨大优势，同时在实际使用中——对于 80% 的用户和 80% 的任务来说——你几乎感受不到和 Fable 5 的差距。

我自己在写这篇文章的过程中，一部分资料整理和代码示例用的是 Opus 5，一部分逻辑链条比较复杂的段落用了 Fable 5 做交叉验证。说句实在话，70% 的情况下 Opus 5 的表现和 Fable 5 几乎没有可感知的差别。但剩下 30%——尤其是涉及到多层嵌套推理的时候——Fable 5 的深度优势就出来了，它会抓住一些 Opus 5 忽略掉的隐含逻辑。

安全护栏：反直觉的「便宜模型更自由」

这是一个非常反直觉的现象。通常我们会觉得：越贵的模型越强大、越自由。但在 Anthropic 这里，最贵的 Fable 5 反而是被「管」得最严的。

Fable 5 上线后因为政府层面的网络安全关切，被加上了非常严格的分类器。遇到涉及网络安全的请求、生物化学相关的敏感话题、甚至一些正常但边界模糊的编程任务，Fable 5 都会自动触发 fallback 机制——把请求转给 Opus 4.8 去处理，等于你花了 Fable 的钱却拿到了 Opus 4.8 的响应。

Opus 5 的分类器干预频率比 Fable 5 低了约 85%。这意味着：

• 正常的安全测试脚本（非攻击性的）大概率不会被误拦。
• 代码审查、漏洞排查类任务在源代码层面是允许的（二进制层面的渗透测试仍然会被拦截）。
• 开发者和安全研究人员的日常工作流会更顺畅。

当然，这不是说 Opus 5 没有护栏——它在网络安全方面的限制实际上比 Opus 4.8 更严格一些。但这是一种「精准设限」而非「一刀切」，体验上确实比 Fable 5 好很多。

一个实用的选择框架

如果你在 Opus 5 和 Fable 5 之间纠结，可以按这个思路来判断：

# 伪代码——实际决策逻辑
def choose_model(task):
    if task.budget_sensitive and task.domain in ["coding", "agent", "knowledge_work"]:
        return "Opus 5"  # 性价比最优
    elif task.requires_deep_reasoning and task.complexity == "high":
        return "Fable 5"  # 推理深度不可替代
    elif task.involves_legal_or_medical:
        return "Fable 5"  # 传统优势区
    elif task.is_safety_sensitive and task.triggers_refusals:
        return "Opus 5"  # 护栏更宽松
    else:
        return "Opus 5"  # 大多数情况下的默认选择

一句话总结：把 Opus 5 当成你的日常主力，把 Fable 5 留到真正需要「上强度」的时候。混搭使用是目前最经济的策略，也是 Anthropic 设计这套矩阵时预设的使用模式。

辛梓煜@词元二号站自己的实践是：Claude Code 的默认模型设成 Opus 5，遇到复杂架构决策或者需要深度分析的场景临时切 Fable 5。这样每个月的 API 账单比纯 Fable 5 方案少了大概四成，效率几乎没有下降。

五、编程与代码场景：开发者的新日常工具

编程是 Opus 5 最亮眼的标签之一。Anthropic 在发布时特别强调了它在 CursorBench 3.2 上的表现——跟 Fable 5 的峰值差距不到 0.5%。考虑到 Fable 5 的价格是 Opus 5 的两倍，这个「不到 0.5%」的差距几乎可以忽略不计。

但 benchmark 归 benchmark，我这一周在 Claude Code 里把 Opus 5 当主力用下来，有一些更具体的感受。

Claude Code 里的实际体验

Claude Code 在 2026 年 7 月初更新到 v2.1.197 版本后，默认模型从 Sonnet 4.6 切到了 Sonnet 5。如果你想用 Opus 5，需要手动在设置里切换模型 ID 为 claude-opus-5（API 用户直接在请求里指定即可）。

我自己测试了一个中等规模的 feature——给一个已有的 Python Web 项目加一套基于角色的权限控制系统。任务拆解如下：

1. 设计权限模型的数据库 schema
2. 实现装饰器模式的权限检查
3. 写单元测试覆盖核心逻辑
4. 更新已有的 API 端点加上权限注解

整个过程中 Opus 5 的表现有几个印象深刻的地方：

第一，它会主动补齐你没想到的边界条件。 比如我在 prompt 里只说了「管理员能看所有资源，普通用户只能看自己的」，Opus 5 自己补充了「超级管理员」「只读管理员」「部门管理员」三种角色，还给出了每个角色的权限矩阵表。这在我用 Opus 4.8 的时候基本不会发生——4.8 倾向于严格按照你说的做，不会「越界」帮你多想一步。

第二，自纠错能力确实有体感。 中间有一段 SQLAlchemy 的关联查询写错了方向（把一对多写成了多对一），Opus 5 自己在生成代码后的下一秒就标记了这个问题并给出了修正版本。这个「下一秒」非常关键——如果是我自己 review 代码的时候发现也就算了，但它在生成的同时就自己检查出来了，省了我一轮往返。

第三，token 消耗确实比 Opus 4.8 高。 同一个任务，Opus 4.8 大概消耗了 42 万 token（输入+输出合计），Opus 5 消耗了约 58 万。增量大约 38%。但因为单价一样，再考虑到少了一轮人工纠错的往返，实际体验和综合成本还是更优的。

一个典型工作流的对比

我把同一个编程任务分别在 Opus 4.8、Opus 5 和 Fable 5 上跑了一遍，记录了一个简单的工作流对比：

注：成本和效率评分基于个人测试，不同任务类型结果会有差异。

Fable 5 虽然在首轮正确率上略高于 Opus 5，但考虑到两倍的价格，综合效率反而不如 Opus 5。这个结论跟我前面说的「日常主力用 Opus 5」的逻辑是一致的。

与其他编程模型的横向感受

拿 GPT-5.6 Sol 来比的话（我用的是 Cursor 接入的版本），Opus 5 在几个维度上的差异比较明显：

• 上下文理解：Opus 5 的 1M token 原生上下文比 GPT-5.6 的窗口更大，在处理大型代码库的时候优势明显。你不需要费劲做 RAG 或者手动裁剪上下文，直接把整个项目喂进去就行。
• Agent 行为：Opus 5 在 Agent 模式下的「主动性」更强——它会自己去读文件、去搜索相关代码、去推演修改影响范围。GPT-5.6 更像一个「等待指令」的执行者。
• 前端代码：GPT-5.6 Sol 在前端 UI 代码方面略胜一筹（尤其是在 CSS 和动画细节上），这个差异可能跟训练数据的分布有关。

简单说：如果你做后端、系统架构、基础设施类的开发，Opus 5 目前是我的首选。如果你做前端、UI 密集型的项目，GPT-5.6 和 Opus 5 各有所长，可以并行试试看哪个更适合你的技术栈。

Fast mode：时间换钱还是钱换时间？

Opus 5 还带了一个 Fast mode（研究预览阶段），速度是普通模式的 2.5 倍，价格也是 2 倍。换算一下：

• 普通模式：25，速度基准
• Fast mode：50，速度 2.5x

Fast mode 在「人等着看结果」的场景下很有价值——比如交互式编程、实时调试、或者你在 Claude.ai 的聊天界面里等回复。但对于后台异步跑的大型 Agent 任务，普通模式就足够了。反正你也不会盯着屏幕等 Agent 跑完一个几小时的任务。

我自己用下来的策略是：Claude Code 的日常交互用普通模式，偶尔需要快速迭代的时候临时切 Fast mode。反正 API 调用里加个参数就能切，很方便。

还有一个小细节值得提一下。Opus 5 在 Claude Code 里的「工具调用」体验明显优于 4.8——它更擅长自己决定什么时候该读文件、什么时候该搜索代码库、什么时候该执行命令。以前用 4.8 的时候，我经常需要手动提示它「你去看看那个文件」「你搜一下这个函数」，现在 Opus 5 在这方面的主动性好了很多，更像一个真正的「结对编程伙伴」而不是「等待指令的代码生成器」。这个差异在 benchmark 里不太容易体现，但在日常使用中感受非常直观。

六、安全护栏与合规：比 Fable 5 更「老实」的旗舰

聊安全护栏这个话题之前，得先交代一个大背景：2026 年上半年，Anthropic 因为 Fable 5/Mythos 5 的安全问题跟美国政府之间有过好几轮交锋。Fable 5 上线后因为网络安全评估中暴露出的潜在风险，一度引发监管层的强烈关切，随后被短暂下线、加上了更严格的安全分类器后才重新上线。

这段经历直接塑造了 Opus 5 的安全设计思路。可以说，Opus 5 是 Anthropic 在「安全 vs 能力」这个永恒矛盾中找到的一个新平衡点。

三层安全架构

Anthropic 对 Opus 5 的安全治理不是一个简单的「开关」，而是一个分层的体系。理解这个体系，你才能搞明白什么请求会被拦、什么请求能过：

第一层：基座安全对齐。 所有 Claude 模型在训练阶段就经过了安全对齐（Constitutional AI），确保模型本身不会主动产生有害输出。这是最底层的能力。

第二层：安全分类器。 在推理阶段，每个用户请求都会经过一个安全分类器。这个分类器会判断请求是否属于「高风险类别」——包括网络攻击、生物化学武器、模型蒸馏等。如果被判定为高风险，请求会被拦截或路由到更安全的模型处理。

第三层：Automatic Fallbacks（新增）。 这是 Opus 5 发布时同步推出的一个新功能。以前如果分类器拦截了你的请求，你只会收到一个冷冰冰的拒绝消息。现在你可以开启 Automatic Fallbacks，被拦截的请求会自动路由到一个「能力稍弱但更安全」的模型（比如 Opus 4.8）去处理。虽然结果可能不如 Opus 5 理想，但至少你能拿到一个可用的响应，而不是一个错误码。

和 Fable 5 的安全差异到底在哪

Fable 5 的安全分类器非常「激进」。Anthropic 给出的数据是：Opus 5 的分类器干预频率预计比 Fable 5 低约 85%。这个数字很直观——同样一批请求，Fable 5 拦了 100 条，Opus 5 可能只拦 15 条。

但低干预不等于低安全。Opus 5 在真正危险的领域（二进制漏洞扫描、渗透测试、exploit 生成）反而比 Opus 4.8 更严格。它做的是「精准打击」而不是「无差别拦截」。

让我用一个具体的例子来说明：

可以看到，Opus 5 在「进攻性」安全任务上比 Opus 4.8 更保守，但在「防御性」和「日常」任务上比 Fable 5 更宽松。这种设计思路我其实挺认可的——安全研究人员做防御性工作不该被误伤，但真正的攻击性工具确实应该受限。

对企业用户意味着什么

如果你是企业用户，尤其是金融、医疗、政务这些合规要求严格的行业，Opus 5 的安全架构有几个值得关注的点：

数据隐私。 前面提过，Opus 5 没有 Fable 5 的 30 天数据保留政策。对于需要处理敏感业务数据的企业来说，这意味着更少的合规顾虑。

可预测的拒绝行为。 Fable 5 的 fallback 机制有时候让人摸不着头脑——你不知道哪