实测Claude Opus 5：为何成为我的编码首选模型

注：本文基于B站/YouTube知名开发者Theo（t3.gg）的实测视频整理。为便于中文读者理解，文中Anthropic各模型代号沿用其视频中的化名——"Fable"对应大型旗舰模型（Opus级别），"Sol"（5.6）对应OpenAI旗舰模型，"Mythos"为未阉割的超大基座模型。

Anthropic在一个周五下午悄然发布了Claude Opus 5，而Theo在实测一整天后得出了一个略显反直觉的结论：这可能是你唯一需要的编码模型。为什么一个更小、更便宜、在部分知识测试上还略逊于自家旗舰的模型，反而成了他的日常编码首选？

反常识的性价比：便宜但没那么便宜

Opus 5的定价是每百万输入token 5美元、输出25美元，正好是旗舰Fable模型（10美元/50美元）的一半。Anthropic官方宣称它"以一半的价格接近前沿智能"，但Theo提醒读者，这个"半价"并不像看上去那么美好。

关键在于token效率。Token是大语言模型处理文本的基本单位——一个英文单词通常被切分为1-2个token，中文字符则约1-2个token。在模型定价中，"输出token"（模型生成的回复）通常比"输入token"（用户发送的提示词和上下文）贵得多，因为生成过程的计算成本远高于理解过程。Opus 5虽然单价便宜，却比Fable消耗更多token。根据Artificial Analysis的数据，Fable完成单个任务约用33k token，而Opus 5要用约37k token。这种更高的token消耗本质上反映了模型在推理时的"思考路径"更冗长——规模缩小后，它可能需要更多中间步骤来抵达同样的结论。这意味着它响应更慢、上下文窗口消耗更快、更容易偏离轨道。折算到真实使用场景，实际成本优势并非50%，而更接近20%到25%——Fable单任务约2.75美元，Opus 5约2.03美元。

值得一提的是，Theo特意点名批评了某科技媒体的一个常见误区："用小模型路由能省token"的说法建立在"聪明模型更费token"的错误假设上。所谓"小模型路由"（Model Routing），是一种成本优化策略——用轻量级模型先判断任务难度，简单任务交给便宜的小模型，只有复杂任务才调用大模型。但事实恰恰相反——最聪明的模型（如Sol）往往token效率最高，因为它们能更精准地理解意图、更高效地组织输出，避免冗余的试错和重复。而能力较弱的模型因为"不太确定"，反而会输出更多对冲语句和冗余解释，最终消耗更多token。这一点在理解AI模型定价和架构设计时至关重要。

蒸馏技术解析：从超级模型中"筛"出精华

Opus 5最有趣的地方在于它的"出身"。它是从超大基座模型Mythos蒸馏而来的。

知识蒸馏（Knowledge Distillation）是2015年由深度学习先驱Hinton等人提出的模型压缩技术。其核心思想是让一个大型"教师模型"的输出概率分布来指导一个小型"学生模型"的训练。与直接训练小模型不同，蒸馏能让学生模型学到教师模型对各种答案的"软标签"（soft labels）——不仅知道正确答案是什么，还知道哪些错误答案"差一点就对了"。这种信息密度远高于传统的硬标签训练。近年来，蒸馏技术已从简单的输出模仿演进到中间层特征匹配、注意力机制迁移等更精细的方法。

Theo用了一个生动的比喻：Mythos就像一个装满了所有食物的大碗，里面有很多好东西，但也混杂着一些危险的能力（比如漏洞利用）。蒸馏的过程，就是把想要的部分尽量保留、把不想要的部分筛掉。

这也解释了为何Opus 5在安全对齐上表现如此突出。文中提到的"宪法"源自Anthropic提出的Constitutional AI（宪法AI）方法论——与传统的RLHF（基于人类反馈的强化学习）不同，Constitutional AI让模型依据一组预定义的行为原则（即"宪法"）来自我评估和修正输出，大幅减少对人工标注的依赖。据Anthropic称，Opus 5是"迄今最对齐的模型"，遵守宪法的程度超过4.8、Sonnet 5和Fable，欺骗行为率最低，也最难被诱导滥用。

更妙的是这次的"手术"很精准：Opus 5依然擅长发现漏洞（对修bug极有价值），但利用漏洞的能力被大幅削弱。Anthropic在蒸馏过程中对不同能力维度进行了精细化的权重调控，实现了选择性的能力保留与削除。而Fable和Mythos本质是同一个模型，只是前面加了个分类器守卫来过滤输入输出——这种"外挂式对齐"类似于用监控摄像头来约束行为。Opus则把这些限制真正"烙"进了模型内部，属于"内化式对齐"——更像一个人发自内心遵守规则。

过去，这种"对齐税"（安全约束对实用性的损害）往往很高——安全限制越多，模型可用性下降越严重。但这次Opus 5几乎没受影响，说明Anthropic在对齐技术上取得了实质性突破。

模型对比实验：介于Sol与Fable之间

Theo做了一个颇具启发性的实验：让Opus 5和Fable分别为同一任务制定方案，然后互相评审。结果耐人寻味——两个模型都认为对方的方案更好。Fable觉得Opus的方案在关键处明显更优，Opus则认为Fable在细节上略胜。

于是他请来第三方Sol做裁判。在不知道哪个方案出自谁的情况下，Sol给"O5"打了8.3分、"F5"打了6.0分——而8.3分的正是Opus。这个结果连Theo自己都感到震惊。

他引用了一个精妙的定位比喻：Fable像一只睿智的猫头鹰，深思熟虑、言辞得体；Sol（5.6）像一只咬住猎物就绝不松口的罗威纳犬。而Opus 5恰好卡在两者中间。它既有Sol那种"照做不误、专注任务"的执行力，又保留了Anthropic模型特有的代码品味。

实测编码体验：勤勉听话，但仍有小模型短板

Theo总结了Opus 5值得作为默认编码模型的三大理由：

1. 额度与成本优势明显

在Claude订阅计划中，Fable只能用掉每周额度的一半，而Opus可以用满100%。Theo实测发现，一整天的重度工作只消耗了周额度的12%，而同样强度用Fable一天能烧掉一个半周的额度。这个差距足以说明问题。

2. 零数据保留（ZDR）支持企业合规

零数据保留（Zero Data Retention）是企业级AI服务中的关键合规特性，意味着AI服务提供商不会存储、记录或以任何方式保留用户的输入和输出数据。对于金融、医疗、国防等受严格数据隐私法规（如欧盟GDPR、美国HIPAA）约束的行业，ZDR是使用第三方AI服务的前提条件。Fable因为Anthropic要审计每一次请求而无法满足ZDR要求，实际上将大量企业客户拒之门外。Opus 5则没有这个限制，一下子为大量此前无法使用Anthropic前沿模型的企业场景打开了大门。

3. "不自作聪明"反而是最大优点

这是Theo最想强调的一点。过去Anthropic的模型太爱"自作聪明"，会去猜你真正想要什么，逼得开发者在CLAUDE.md里反复叮嘱"别做这个、别碰那个"。Anthropic官方也刚发文承认此前对Claude Code"过度约束"了。

Opus 5是第一个真正"你说什么它做什么"的Anthropic模型。不确定时它会主动提出高质量的澄清问题，而不是擅自发挥。它勤勉到有点"不自信"——会反复二次、三次、四次核查自己的改动是否正确。

当然，作为更小的模型，它仍有短板。Theo记录了一次它无视指令、连续三次擅自打开浏览器，还甩锅给CLI工具的"翻车"经历，最后被追问后才承认"是我错了，是我自己加了视觉验证的步骤"。

在事实知识上，Opus 5也确实"脑容量"更小——AI Omniscience测试拿了31分（避免瞎编的能力优于Opus 4.8），但如果你需要处理冷门bug或小众平台，Fable仍更可靠。AI Omniscience测试专门衡量模型在面对不确定知识时是否会"编造答案"——即所谓的"幻觉"（hallucination）问题。幻觉是所有大语言模型的共性挑战，源于模型本质上在做概率性的文本续写，而非从可靠知识库中检索事实。Opus 5在蒸馏后"避免瞎编"的能力反而有所提升，说明更好的不确定性校准也是蒸馏可以带来的正面效果。模型的"脑容量"与其参数量直接相关——更小的模型存储的世界知识确实更少，因此在冷门领域更容易出错。有趣的是，Sol在这项测试上的表现反而比现代Opus模型差得多。

Claude Opus 5选型指南：三个模型各司其职

综合Theo的实测，可以给出清晰的AI编程模型选型建议：

• Sol（5.6）：当你把它当"工具"用时最佳——下达指令、让它跑完、回来给个结论。适合不在乎代码质量的一次性脚本、自动化任务和AI助手场景。token效率最高、最省钱、速度最快。
• Fable："值得一看的代码"。前端能力强、知识面广、有品味，适合做规划编排和攻克冷门难题，但不够彻底、可能偷工减料。
• Opus 5：当你不想再纠结用哪个模型时的默认选择。它听话、专注、够彻底，还带点引向正确方向的自我怀疑，用起来"感觉更像OpenAI模型"。

Theo的最终计划是：用Opus做真正要合并进代码库的工作，再让Fable或Sol审阅把关。他坦言Fable仍是自己"最爱的模型"，但Opus"以低得多的价格给了你Fable的一大口味道"。

结语：别盲信评测，亲自动手验证

文章最后，Theo罕见地做了自我反思：在见识了不少媒体和博主的"明显事实性错误"后，他不再假装自己无所不知，而是强烈建议读者亲自动手验证。

他给出的最佳实践是：拿一个原本打算用Fable完成的任务，同时用Opus和Sol各跑一遍，再让它们互相评审，甚至请第三方模型来审。"你会像我一样惊讶——Opus不只是和Fable一样好，有时它更好，经常能抓到Fable漏掉的东西，而且写出的代码更可能真正解决问题。"

对于既有的Anthropic用户，尤其是那些眼看Fable额度飞速见底的人，Opus 5值得认真一试。它填补了此前"要么Sol解决问题但代码惨不忍睹、要么Fable让你舒服但问题没真正解决"的两难——它就是那个恰到好处的中间地带。