Anthropic 在 2026 年 7 月 24 日发布 Claude Opus 5，API 模型名为claude-opus-5。官方价格与 Opus 4.8 相同：每百万输入 token 5 美元、输出 token 25 美元；同时提供约为默认速度 2.5 倍的 Fast mode，价格是基础价两倍。新模型还可以通过 effort 调节思考投入。
这些信息看起来很适合直接迁移，但“同一 token 价格”并不等于“同一任务账单”。模型可能少走几轮，也可能在高 effort 下生成更多推理 token；Fast mode 改变时延，也改变单价。真正需要验证的是：同一个业务任务能否一次过线、总共消耗多少、失败后如何恢复。
先把任务、档位和结果放在同一条记录里
迁移样本不要只选简单问答。应该从生产记录中抽取三类任务：当前模型稳定完成的常规任务、经常需要人工补救的边界任务、以及曾经出现严重错误的回归任务。数据要先脱敏，并保留原来的验收标准，而不是为了新模型临时降低门槛。
每次运行至少记录这些字段：
case_id：固定任务编号 model：claude-opus-5 / 原模型 effort：测试使用的档位 mode：default / fast input_tokens、output_tokens：实际用量 turns：从开始到交付共几轮 tool_calls、tool_errors：工具使用与失败 wall_time：端到端时间 accepted：是否通过原有验收 human_minutes：人工检查和修订耗时 failure_type：事实、逻辑、工具、格式或权限问题这里不需要先假定哪个 effort 最好。对每类任务选低、中、高几个档位运行，比较的是“被接受任务的总成本”，而不是单次请求价格。若低 effort 首答便宜，但经常要补问两次，最后可能比高 effort 一次完成更贵。
官方在 Frontier-Bench v0.1 和 CursorBench 3.2 中展示了 Opus 5 的性能与任务成本优势，其中 CursorBench 在 max effort 下接近 Fable 5 的峰值分数，官方称任务成本约为其一半。这些结果能说明 effort 曲线值得测，却不能替代团队自己的仓库、工具和完成标准。
把“会自我验证”变成能观察的事件
Anthropic 特别强调 Opus 5 更善于核对工作并持续修正。发布文章列了几个案例：它为看不到原图的 FreeCAD 任务自行写视觉处理流程；修复开源包 bug 时找到根因和社区补丁遗漏的边界；在没有实时行情可对照时，为交易所数据接入自行搭建测试 harness。
迁移测试不能只在最后给一个主观质量分。应把过程拆成可观察事件：模型是否先识别未知条件，是否运行测试，测试失败后修改了什么，是否把表面症状误当根因，最终报告是否与实际测试结果一致。
代码任务可以要求保存补丁、测试命令、退出码和失败日志。数据任务可以保存校验规则、异常样本和重跑结果。模型说“已经验证”不算证据，只有可重放的命令或对照结果才算。
还要设计诱导失败。给一个已有表面修复但仍留有边界问题的样本，观察模型会不会停在显眼答案；移除一个外部验证源，看它是说明无法确认，还是建立合理替代测试。这样才能判断官方描述的“更彻底”是否出现在自己的任务里。
上线顺序由失败类型决定，不由总分决定
一轮评测后，把任务分成四类。第一类是 Opus 5 在较低 effort 已稳定过线，可以优先迁移；第二类需要高 effort 才过线，适合低频、高价值工作；第三类只有 Fast mode 满足时延要求，需要单独计算加速溢价；第四类仍出现不可接受的事实、权限或工具错误，继续留在旧流程。
迁移时保留小流量对照。记录每个请求的模型、effort、模式和配置版本，出现回归时能切回 Opus 4.8，而不是只能回滚整套应用。安全分类器也可能影响结果：官方说明部分被标记的 Opus 5 请求可 fallback 到其他模型。若启用 API 自动 fallback，日志必须标出实际执行模型，否则团队会把降级模型的结果记在 Opus 5 名下。
验收还应把人工时间算进去。一项任务模型费用下降，但审查从五分钟增加到二十分钟，业务成本并没有改善。相反，token 单价相同、总用量略高，却把多轮返工变成一次交付，也可能值得迁移。
Opus 5 的发布数据给出了候选方向：同价升级、可调 effort、可选 Fast mode，以及更强的长任务核对能力。工程团队真正需要交付的不是一张模型榜单，而是一张能回答“哪类任务、用哪个档位、花多少钱、怎样证明完成”的验收表。
官方来源：Introducing Claude Opus 5（Anthropic，2026-07-24）；Claude models explained（Anthropic，2026-07-24）。
