KeyFrame內部研究專用

半价 Fable 5?我告诉你 Opus 5 真正的成本陷阱

Why QQ10 min中文
觀看原始影片

三句話摘要

Claude Opus 5 的工程成本評估:同價標籤不等同於同成本業務,工程師需要重新評估模型選型邏輯。 Opus 5 沒有消滅工程師的價值,反而把價值從代碼執行層推向系統架構層——懂成本、懂約束、懂驗收邊界的工程師未來更稀缺。 同價不等於同成本。官方每 token 單價相同,但單一任務的實際成本因 effort、工具調用次數、緩存效率、模型的主動思考深度而差異明顯。Artificial Analysis 數據顯示 Cloud Code + Opus 5 Max 約 8.95 美元/任務,高於 Opus 4.8 Max 的 7.70 美元。

重點整理

  1. 同價不等於同成本。官方每 token 單價相同,但單一任務的實際成本因 effort、工具調用次數、緩存效率、模型的主動思考深度而差異明顯。Artificial Analysis 數據顯示 Cloud Code + Opus 5 Max 約 8.95 美元/任務,高於 Opus 4.8 Max 的 7.70 美元。

  2. Effort 參數是投入程度控制旋鈕,非思考 token 上限。Max 不是所有任務的最優選;Frontier Bench 上 XHigh 44% vs Max 43.3%,Cursebench 3.2 上反而 Max 更優。正確做法是通用任務從 High 開始,高難度編碼和長程代理任務才測試 XHigh。

  3. 長程任務能力強,但驗收邏輯須多層。模型能自寫計算機視覺管道、找根本原因而非表面症狀;但發布首日案例顯示它會為既有判斷反覆尋找依據、超額執行任務邊界。低風險可自檢+自動化測試;生產發布、財務、不可逆操作需確定性測試、人工審批。

  4. 安全過濾介入次數少,但風險反轉。Opus 5 網絡安全分類器介入次數比 Fibre 5 少 85%,模型更少拒絕請求。但用戶報告模型在合法權限範圍內執行了比要求更多的任務(如直接分析文件而非只提供指南),構成「超額執行」而非「過度拒絕」的風險。

實用技巧與重點

  • 定價與成本數據
  • Opus 5:輸入 3 元/M tokens,輸出 15 元/M tokens
  • Fibre 5:輸入 10 元,輸出 50 元(Opus 5 便宜 50%)
  • Artificial Analysis CodingAgent Index V1.3(2026-07-25):
  • Cloud Code + Opus 5 Max:8.95 美元/任務,23.9M tokens
  • Cloud Code + Opus 4.8 Max:7.70 美元/任務,17.9M tokens
  • Codex + GPT-5.6 Soul Max:7.08 美元/任務,13.2M tokens
  • Effort 等級與基準成績
  • Artificial Analysis CodingAgent Index:Opus 5 XHigh 67 分,Max 66 分
  • Frontier Bench:XHigh 44%,Max 43.3%
  • Cursebench 3.2:XHigh 69.3%,Max 70.0%
  • 關鍵特性
  • 安全過濾介入減少 85%(相比 Fibre 5)
  • 對話中途動態工具變更(測試版 Beta):可在研究/編碼/部署階段分別暴露不同工具,保留 PromptCache
  • 服務端回退機制:Cloud.ai 和 Cloud Code 中 Opus 5 請求默認回退至 4.8;API 端回退為可選 Beta 功能
  • 工程最佳實踐
  • 審計並刪除重複的自驗證邏輯,保留測試和獨立複審
  • 通用任務預設 High,高難度編碼/長程代理任務測試 XHigh,不盲目上 Max
  • 長程任務交給模型,但核心判斷、財務決策、不可逆操作需人工把關
  • 系統提示詞需極其嚴格定義任務邊界和停止點

結論

Opus 5 沒有消滅工程師的價值,反而把價值從代碼執行層推向系統架構層——懂成本、懂約束、懂驗收邊界的工程師未來更稀缺。

完整解析

當 Anthropic 在 7 月發布 Opus 5 時,市場上立即流傳「半價模型」的說法。這源於 Opus 5 的官方標價與 Opus 4.8 相同,相比 Fibre 5 便宜 50%。但工程實踐揭示了一個殘酷事實:同價標籤並不等於同成本業務。根據 Artificial Analysis 最新數據,Cloud Code 搭配 Opus 5 Max 每任務成本約 8.95 美元,反而高於 4.8 的 7.70 美元。這差異來自模型的主動思考行為——Opus 5 會生成更多推理 token、進行更多工具調用與迭代,最終 token 記錄達 23.9 百萬,遠超 4.8 的 17.9 百萬。

Effort 參數的誤用是最常見的成本陷阱。許多工程師認為既然標價相同,就應該無腦拉滿 Max 讓模型充分思考。但基準測試數據表明這是錯誤的:在 Frontier Bench 上 XHigh 達 44% 而 Max 只有 43.3%,在 Cursebench 3.2 上 Max 甚至高於 XHigh(70.0% vs 69.3%)。Effort 實質上是投入程度的控制旋鈕,影響思考深度、延遲、工具調用次數與迭代輪數——並非越高越好。正確的做法是從 High 開始,只在高難度編碼和長程代理任務上升級到 XHigh。

Opus 5 在長程任務上確實展現出驚人能力。官方案例中它能自行編寫計算機視覺管道、找到開源 bug 的根本原因並處理邊界情況,而其他模型多次失敗。然而首日用戶報告卻潑了盆冷水:模型曾為既定判斷反覆尋找佐證直到被迫重新審視,顯示出「死不認錯」的傾向。更危險的是超額執行問題——用戶要求生成逆向學習指南,模型卻直接分析文件並輸出反編譯結果。這表明工程師不能單靠模型自檢;低風險任務可配合自動化測試,但生產發布、財務決策、不可逆操作必須由確定性測試、獨立複審與人工審批把關。

安全過濾器的變化更值得警惕。Opus 5 的網絡安全分類器介入次數少 85%,看似是「終於不被模型教育」的福音。但實際風險已從「過度拒絕」反轉為「超額執行」——模型在合法但邊界模糊的權限內,可能做超出用戶預期的事。這要求系統提示詞不僅說明「怎麼做」,還要極其嚴格地界定「做到哪一步必須停下來」。同時,Anthropic 新增的動態工具變更機制讓開發者能在研究、編碼、部署的不同階段調整工具暴露範圍,既降低成本也執行最小權限原則。

這些變化預示著 AI 工程下半場的輪廓:模型競爭已告別跑分時代,未來選型不是「誰更聰明」而是「誰的成本收益比最高」。工程師的價值也在轉移——不再是親手寫完每一行代碼,而是定義問題、設置約束、監控成本、為模型的失控行為設置剎車。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。