Claude Opus 5：对你的 vibe coding 项目究竟改变了什么

一次看起来只有一行代码的换模型，很少真的只是一行代码。 从 Claude Opus 4.8 换到 Claude Opus 5，改的确实只是模型标识，但你拿回来的是一套行为不同的系统：回答更长、token 消耗更高，还在某一处多出了一个全新的报错场景。本文把截至 2026 年 7 月 31 日的官方信息梳理清楚，并把它翻译成一次可核验的升级。

Anthropic 于 2026 年 7 月 24 日发布 Claude Opus 5，并把它定位为相对 Opus 4.8 的一次跨越，而不是小幅更新。官方点名的最大进步在于深度推理、长链条的智能体任务，以及把更多算力转化为更好结果的能力。

Claude Opus 5 有哪些新东西？

标识是 claude-opus-5。Claude Platform 给出的上下文窗口是一百万 token——既是默认值也是上限，不存在更小的变体。输出最多 128000 token。该模型可通过 Claude API、Amazon Bedrock、Google Cloud 和 Microsoft Foundry 使用，Claude 各应用中也已可用。

价格维持在每百万输入 token 5 美元、每百万输出 token 25 美元，与 Opus 4.8 一致。还有一处容易被忽略的改进：可缓存提示词的最小长度从 1024 token 降到 512 token。较短的重复系统提示词因此无需改动任何代码就能享受缓存。

为什么思考现在默认开启

这是副作用最多的一处变化。在 Opus 4.8 上，只要你不显式开启，请求就不会思考。在 Opus 5 上正好相反：只要你不作说明，模型自己决定何时思考、思考多久。

这在实践中意味着三件事。 回答耗时更久。输出 token 更贵。而且由于 max_tokens 同时限制思考与回答正文，一个在 Opus 4.8 上刚好够用的紧凑数值，现在可能在句子中间被截断。做升级的人不应直接沿用这个值，而应针对真实任务重新测量。系统化的做法见把 AI 成本控制住。

effort 阶梯与它新增的坑

effort 决定 Claude 在思考、工具调用和回答上愿意花多少 token。阶梯从 low、medium、high、xhigh 一直到 max，默认值是 high。Anthropic 把 Opus 5 描述为第一个能更可靠地把额外 effort 转化为更好结果的 Opus 模型，因此等级的选择比在 Opus 4.8 上更有分量。

反方向同样值得注意：文档指出 low 和 medium 仍能以一小部分 token 和等待时间给出扎实质量。所以真正有意思的问题不再只是能往上加到多高，而是能往下降到多低而质量还不塌。

一个实实在在的坑：思考只能在 high 及以下等级关闭。把 thinking: disabled 与 xhigh 或 max 组合，API 会返回 400 错误。这个校验按请求逐次进行，所以同一会话中较晚的一次调用也可能失败，哪怕之前几次都通过了。

什么时候值得在 vibe coding 里用 Opus 5？

重心依旧在多个决策彼此牵连的地方。 Anthropic 点名了跨多个文件的功能、较大规模的重构，以及能一路做完、不留半成品的工作。代码审查与查错也被列为强项，命中率高而误报少。

而对于一次已知的单文件改动、一段简短摘要或一个标准化分类，Opus 依然是杀鸡用牛刀。最好的默认选择不是最强的模型，而是能稳定满足你质量约定的最小配置。在 Opus 5 上，这个最小配置完全可以就是同一模型的低 effort 等级。

实战：从 4.8 升到 5

第一步是模型标识。 接着是两处行为变化。检查每一个关闭思考的调用：若它跑在 xhigh 或 max 上，要么降低 effort 等级，要么删掉 thinking 字段。然后检查那些从未设置过思考的调用——那里的思考部分是新增的，max_tokens 可能不够用了。

第二步是提示词。 如果里面写着「最后补一个检查步骤」或「让子代理复核结果」，请删掉。Opus 5 本来就会自我核验；这些沿用下来的指令带来的是过度核验，而不是更高的安全性。鼓励向子代理分派的段落同理：Opus 5 本身就更愿意分派。

第三步是测量。 让同一个真实任务分别在 4.8 和 5 上跑一遍，记录 token 消耗、耗时、返工轮数以及你自己的复核时间。只有这份对比才能说明这次切换在你的场景里是否划算。

行为上还有哪些变化

文档明确点出四点，而且四点在日常里都能感觉到：面向用户的回答变长了。写到磁盘上的文件和报告变长了。在智能体会话中，模型更频繁地讲述自己正在做什么。在多智能体架构里，它更愿意分派任务。

这些不是缺陷，而是默认设置——默认设置可以用提示词挪动。如果你的产品需要简短回答，就明确写出来。如果编程代理讲得太多，就要求它在工具调用之间保持安静。这个模式与什么是 AI 智能体一致：权限、范围和沟通风格都属于任务说明的一部分。

分数更好之后仍然存在哪些边界？

Anthropic 在自家评测中给出了 Opus 5 的明显领先，包括在某项内部基准上超过 Opus 4.8 成绩的两倍。这些是厂商在既定条件下得到的结果，而不是对你应用的承诺。 它们是你去做自己对比的理由，绝不是对比本身的替代。

另一个细节值得注意：文档提示，在关闭思考的情况下，Opus 5 偶尔会把工具调用当作可见文本写出来，而没有真正触发它。这次运行看上去成功了，实际上什么都没发生。这也再次说明：宁可保持思考开启，改用 effort 来调节。

Opus 5 升级检查清单

• 所有关闭思考的调用都已确认运行在 effort high 或更低等级。
• 此前不带思考的调用，max_tokens 已重新测量。
• 旧提示词中的核验与分派指令已经移除。
• effort 等级是在同一起点上对比的，而不是盲目调高。
• 4.8 与 5 的 token 消耗、耗时、返工轮数和复核时间都已记录。
• 测试、改动与用户路径都独立于模型总结进行核查。
• 关键改动在发布前由负责人放行。

Claude Opus 5 挪动了「强模型什么时候划算」这个临界点：能力向上，同时每个可用结果的成本向下。但收益不来自模型的名字。 它来自把这次升级当作一次可测量的变更来处理：调整过的边界、清理过的提示词，以及一份始终属于你的验收。