Opus 5 八胜三负：Claude Fable 5 该不该换？

你手上有 Claude Fable 5 的 API Key，正在评估要不要切到 Claude Opus 5。11 个核心 benchmark，Opus 5 赢了 8 个输了 3 个——但输的那 3 个，恰恰是最不能忽略的那几个场景。

懒人版结论

30 秒结论：预算敏感、追求编码智能和 Agent 能力的团队，Opus 5 明显更优；对幻觉容忍度低、做高精度代码修复的场景，需谨慎评估。

Opus 5 到底是什么定位

从定价策略就能看出 Anthropic 的意图。Opus 5 输入 $5、输出 $25（每百万 tokens），而 Fable 5 是 $10 / $50 —— Opus 5 直接打了五折。它的对手 GPT-5.6 Sol（$5 / $30）也在同一档位。

Opus 5 还有个 “Fast mode”：$10 / $50，价格翻倍但速度快 2.5 倍。Anthropic 把速度也变成了商品——你要快，就加钱。

pricing = {
"Opus 5": {"input": 5, "output": 25},
"Opus 5 Fast": {"input": 10, "output": 50}, # 2x price, 2.5x speed
"Fable 5": {"input": 10, "output": 50},
"GPT-5.6 Sol": {"input": 5, "output": 30},
}

在 AA Intelligence Index 上，Opus 5 拿下了 61 分（排名第一），比 Fable 5（60 分）高出 1 分，也比 GPT-5.6 Sol（59 分）和 Kimi K3（57 分）领先。榜单头部的 1 分差距意味着能力质变。

所以呢：如果你的团队对 API 账单敏感，Opus 5 是当前按 AA Index 评分计算智能—价格比最优的选择之一。Fable 5 的价格完全没有竞争力。

全面对比 — 11 项 benchmark 全景

Opus 5 在 8 项上领先，3 项上落后。但核心问题是：它输在哪，你有多在意？

哪里领先：编码与 Agent 的绝对统治

Frontier-Bench v0.1：Agent 编程碾压

Opus 5 得分 43.3%，比 Fable 5（33.7%）高出近 10 个百分点，比 GPT-5.6 Sol（34.4%）高出近 9 个百分点。这个基准测试的是模型自主编程能力——给定一个复杂任务，看它能在多大程度上独立完成。

frontier_bench = {
"Opus 5": 43.3, # +9.6pp vs Fable 5
"GPT-5.6 Sol": 34.4,
"Fable 5": 33.7,
}

所以呢：如果你在做 AI 辅助编程或 Agent 工作流，Fable 5 到 Opus 5 的迁移是能力质变。10pp 的差距在 coding agent 场景下就是「能跑通」和「跑不通」的区别。

ARC-AGI 3：创新解题断崖式领先

Opus 5 得分 30.2%，GPT-5.6 Sol 仅 7.8%——前者是后者的 3.87 倍。这是最能区分模型"真正智能"的测试之一，要求模型处理从未见过的模式识别问题。Fable 5 甚至没有公布在这个测试上的分数。

所以呢：如果你常遇到"文档里没有、训练数据里也没有"的 open-ended 问题，Opus 5 是目前唯一靠谱的选择。

OSWorld 2.0 + Safety：全面高于对手

OSWorld 2.0（计算机操作）Opus 5 得 70.6%，领先 Fable 5 的 66.1%，也高于 GPT-5.6 Sol 的 62.6%。这是 Computer Use 场景的关键测试。

安全方面，Opus 5 的 misalignment 评分 2.3 是史上最低，意味着它更少偏离用户意图。Classifier 干预比 Fable 5 减少约 85%，意味着合理请求被拒绝的概率大幅降低。不过需注意，Opus 5 在网络安全对抗方面仍落后于 Mythos 5。在隐私方面，Opus 5 无数据保留要求，而 Fable 5 有 30 天保留期——对合规要求高的团队这很关键。

所以呢：在需要模型操作 GUI、浏览器或执行复杂工作流的场景，Opus 5 更可靠。隐私方面也有优势。

哪里落后：幻觉、代码修复与成本

AA-Omniscience：50% 幻觉率——最大的隐忧

这是本文最重要的数据。在 AA-Omniscience 基准上，Opus 5 的幻觉率高达 50%，比 Opus 4.8 还高出 14 个百分点。也就是说，它生成的回答有一半存在事实性错误。Fable 5 虽然未公布具体数字，但已知更低。

Model Hallucination Rate
──────────────────────────────
Opus 5 50% ← 本文关键发现
Opus 4.8 36% ← 上一代反而更好
Fable 5 ? (未公布但已知更低)

Opus 5 的智能提升了，但幻觉问题显著恶化。这是性能提升的典型副作用——更强的生成能力意味着模型更"自信"地犯错。

所以呢：如果你做的是事实核查、文档生成或任何对准确性要求严格的场景，必须在 Opus 5 输出后加一层事实校验（RAG 或人工审核）。不要盲目信任。

DeepSWE v1.1：代码修复排名第三

Opus 5 在 DeepSWE v1.1 上得分 68.8%，不仅落后于 GPT-5.6 Sol（72.7%），也落后于 Fable 5（69.7%）。DeepSWE 和 Frontier-Bench 不同，它测试的是模型修复复杂代码仓库中真实 bug 的能力——更接近实际开发的场景。

所以呢：如果你的主要场景是阅读和修改已有代码，Fable 5 甚至 GPT-5.6 Sol 可能比 Opus 5 更合适。不要被 Frontier-Bench 的光鲜数据蒙蔽。

单任务成本：GPT-5.6 Sol 更经济

从 AA 数据看，Opus 5 每任务 $2.03，Fable 5 $2.75，但 GPT-5.6 Sol 仅 $1.04——几乎只有 Opus 5 的一半。你的主场景如果在 Sol 的能力范围内，成本优势非常明显。

Cost per task (AA benchmark):
Opus 5 $2.03
Fable 5 $2.75
GPT-5.6 Sol $1.04 ← 最经济

所以呢：做成本—效益分析时，不能只看 API 单价。单任务成本反映了实际支出——Opus 5 比 Fable 5 省钱，但 GPT-5.6 Sol 是成本最优解。

所以开发者该怎么选

选 Opus 5 的场景

• 你需要顶级 Agent 编程能力（Frontier-Bench 43.3%）
• 你处理的是开放性问题、新颖问题（ARC-AGI 领先近 4 倍）
• 你需要低成本解决大量任务（比 Fable 5 便宜约 26%）
• 你要求高安全性和低隐私风险

不选 Opus 5 的场景

• 对幻觉零容忍——50% 幻觉率是硬伤
• 核心工作是修复已有代码——DeepSWE 上排第三
• 已经在 GPT-5.6 Sol 生态且能力够用——成本差一倍

def recommend(current_model, use_case):
if use_case == "agentic_coding":
return "Opus 5"
if use_case == "bug_fixing":
return "GPT-5.6 Sol"
if use_case == "low_hallucination":
return "考虑 Fable 5"
if use_case == "cost_first":
return "GPT-5.6 Sol"
return "Opus 5"

总结

Opus 5 是当前综合智能最强的模型之一，在编码、Agent、计算机操作和安全领域全面领先 Fable 5，且价格便宜一半。但 50% 的幻觉率和 DeepSWE 上第三名的表现说明它并非万能。没有完美的模型，只有最适合你场景的选择。

数据来源：Anthropic 官方发布、AA Intelligence Index、Frontier-Bench、ARC-AGI、OSWorld、DeepSWE 等公开基准测试数据。截至 2026 年 7 月。