Claude Opus 5发布：AI模型开始比拼“能连续干多久”

过去，AI模型争的是一次回答有多聪明；现在，行业开始争夺另一项更难的能力：能不能在复杂任务里持续工作、反复检查，并真正把事情做完。

2026年7月24日，Anthropic正式发布Claude Opus 5。

如果只看发布节奏，这似乎只是又一次模型更新。但Anthropic这次反复强调的，并不是聊天速度，也不是某一道测试题的得分，而是一个更接近真实工作的关键词：

长时间、多步骤、可持续执行。

这意味着AI模型的竞争，正在从“回答一个问题”，转向“接手一项任务”。

---

一、Claude Opus 5到底更新了什么？

Anthropic将Opus 5定位为新一代Opus旗舰模型。

官方称，它在编程、知识工作和多步骤智能体任务上相比Opus 4.8有明显提升，并且在不少领域接近更高阶的Claude Fable 5，但价格只有Fable 5的一半。

Opus 5目前已经在Claude各个平台和API中开放，标准价格为：

• 每百万输入Token 5美元；
• 每百万输出Token 25美元；
• 与上一代Opus 4.8保持一致。

Anthropic还提供了Fast mode，速度约为默认模式的2.5倍，但价格也会提高到基础价格的两倍。

从产品定位看，Anthropic没有把Opus 5描述成“所有任务都最强”的模型。

官方给出的选择逻辑更像是：

• 日常复杂编程、办公和专业知识工作，优先使用Opus 5；
• 真正连续数天、需要高度自主执行的项目，仍然更适合Fable 5。

所以，“能连续干多久”并不是说Opus 5已经可以无人监管地工作几天，而是说明模型竞争的评价标准正在变化。

---

二、AI模型为什么开始比拼“持续工作能力”？

早期的大语言模型更像一个知识丰富的聊天对象。

你提出一个问题，它生成一段答案，任务就结束了。

但真实工作通常没有这么简单。

例如，让AI开发一个完整功能，可能包括：

1. 阅读已有代码；
2. 理解需求；
3. 制定修改方案；
4. 调用工具；
5. 编写代码；
6. 运行测试；
7. 发现错误；
8. 修改方案；
9. 再次验证；
10. 最后整理结果。

只要其中一个步骤出错，前面的推理就可能全部失效。

因此，真正决定AI能否进入企业核心流程的，不只是“第一遍回答得对不对”，而是它能否做到：

• 在长任务中保持上下文；
• 发现自己的错误；
• 根据结果调整计划；
• 正确使用浏览器、终端和其他工具；
• 在交付前主动检查成果；
• 知道什么时候应该停下来询问人类。

这类能力，通常被称为智能体能力，或者长程任务能力。

---

三、Opus 5最值得关注的变化：开始主动验证自己的工作

Anthropic在官方案例中重点展示了Opus 5的自我验证能力。

在一个测试中，模型需要根据一张机械零件图编写代码，并在FreeCAD中重建三维模型。但模型没有被直接提供查看图像的工具。

Opus 5没有停在“无法完成”，而是自行编写了一套计算机视觉处理流程，从像素中提取几何信息，再重建完整零件。

在另一个软件缺陷任务中，Opus 5不仅修改了表面问题，还继续追查根本原因，并发现了社区已有补丁遗漏的边缘情况。

还有一个案例中，模型为新的交易所开发市场数据接口。由于没有实时数据源供它验证，Opus 5又自行构建测试工具，检查代码是否能正确解析数据。

这些案例反映出一个明显变化：

模型不再只负责“生成结果”，而是开始负责“证明结果能够工作”。

这才是AI从助手走向执行者的关键一步。

不过需要注意，这些案例主要来自Anthropic官方评估和早期合作客户，不能直接等同于所有用户在所有任务中都能获得相同表现。官方披露的部分测试还使用了特定运行环境，并可能在安全分类器拒绝请求时回退到旧模型，因此测试数字仍需要更多独立评测验证。

---

四、未来模型竞争，不再只是看排行榜

过去发布新模型时，最受关注的通常是数学、代码和知识测试成绩。

但这些分数越来越难完整代表真实使用体验。

一个模型即使单次回答很强，也可能在长任务中出现以下问题：

• 做到一半忘记最初目标；
• 调用工具后无法正确读取结果；
• 错误地认为任务已经完成；
• 修改一个问题，却制造新的问题；
• 输出大量内容，却没有真正交付可用成果；
• 多次运行结果波动很大。

对于企业而言，真正重要的问题是：

这个模型能不能稳定完成工作？

因此，未来的AI评估可能会越来越关注：

• 一项任务最终是否完成；
• 完成任务需要多少次人工干预；
• 总共调用了多少工具；
• 消耗了多少Token；
• 花费了多长时间；
• 不同运行之间是否稳定；
• 出错后能否自主恢复。

Anthropic公布的合作案例也在强调这些指标。有合作方称，Opus 5在部分金融建模任务中使用更少的交互轮次和工具调用；另有开发平台表示，相比上一代，它在复杂智能体编程任务中的波动更小。

这说明模型厂商正在从“展示最高分”，转向证明“能够持续交付”。

---

五、长时间运行，不等于完全不需要人类

“长程智能体”很容易让人联想到一个AI独自工作数小时甚至数天，人类只需要等待最终结果。

但现实远没有这么简单。

任务持续时间越长，错误累积的风险通常也越高。

一个早期判断出现偏差，可能导致模型在错误方向上持续调用工具、修改文件或消耗大量Token。模型越主动，它能够造成的影响也越大。

因此，真正可靠的AI智能体，不应该只是“更少询问人类”，还需要具备：

• 权限边界；
• 操作日志；
• 阶段性检查点；
• 预算限制；
• 文件版本管理；
• 高风险操作确认；
• 失败后的回滚机制。

Anthropic表示，Opus 5在部署前测试中更少出现欺骗性行为，也更不容易被诱导用于不当目的。与此同时，其网络安全防护仍会拦截渗透测试、漏洞利用生成等部分请求，开发者还可以设置在触发安全分类器时自动回退到其他模型。

这说明“能力更强”和“权限更大”不能被混为一谈。

未来企业部署AI时，真正成熟的方式可能不是把所有权限一次性交给模型，而是让模型在可审计、可暂停、可恢复的工作流中运行。

---

六、Opus 5真正挑战的，不只是GPT

表面上看，Claude Opus 5的竞争对手是OpenAI、Google和其他模型厂商。

但从更长远的角度看，它真正挑战的是传统软件的使用方式。

过去，软件需要人类逐个操作按钮。

未来，用户可能只需要描述目标：

帮我检查这个项目，找到问题，完成修改，运行测试，并给出交付说明。

模型会在后台调用代码工具、浏览器、数据库和企业系统，将一个目标拆解成完整流程。

这时，模型本身不再只是一个聊天窗口，而会逐渐成为软件之间的调度层。

谁能够更稳定地完成长任务，谁就更有机会成为未来数字工作的入口。

---

七、这对普通用户意味着什么？

对于普通用户来说，Opus 5的发布并不意味着必须立即更换模型。

它更值得关注的意义是：

以后选择AI，不能只问“哪个模型最聪明”，而要问“哪个模型最适合这项任务”。

简单改写、摘要和日常问答，可能不需要调用最昂贵的旗舰模型。

但对于复杂代码修改、长篇研究、数据分析、方案制作和多工具协作，更稳定的长程能力可能显著减少返工。

未来更合理的使用方式，可能是：

• 简单任务交给速度快、成本低的模型；
• 复杂任务交给推理和验证能力更强的模型；
• 高风险操作由人类确认；
• 重要结论通过多个模型或外部资料交叉验证。

这也解释了为什么AI聚合平台开始具备现实价值。

用户未必需要永远押注某一个模型，而是需要一个统一入口，根据任务在不同模型之间灵活切换。对于类似一步API这样的聚合平台，真正有价值的方向也不只是“模型多”，而是能否帮助用户建立清晰、稳定、成本可控的多模型工作流。

---

八、AI模型的下一场比赛：不是更会说，而是更能做

Claude Opus 5的发布，代表了一个越来越清晰的行业趋势。

大模型正在经历三次变化：

第一次，是从补全文字变成回答问题；

第二次，是从回答问题变成调用工具；

第三次，则是从调用一次工具，变成持续执行完整任务。

到了第三阶段，模型是否能在一个小时后仍然记得目标，是否会检查自己的结果，是否能在失败后调整方案，可能比一次生成多么惊艳更加重要。

未来真正拉开差距的，不一定是某个模型在排行榜上领先几分。

而是当用户把一项复杂工作交出去之后：

它能不能持续做下去，少犯错误，并最终交付一个真正可用的结果。

这才是“AI能连续干多久”背后，真正值得关注的问题。

---

结语

Claude Opus 5并没有宣布“人类可以彻底退出工作流程”。

恰恰相反，它让行业开始更认真地思考：

当AI能够持续执行更复杂的任务，人类应该在哪些节点介入？哪些权限可以开放？哪些结果必须复核？如何衡量一次任务真正的成本？

模型竞争已经从“谁回答得更像人”，逐渐走向“谁更像一个可靠的工作伙伴”。

而下一代AI的分水岭，也许不是智商，而是耐力、稳定性和责任边界。

欢迎关注 一步API，我们还会持续分享更多 AI 资讯、AI 工具、实战经验、踩坑记录，助力你高效玩转 AI 开发、避开行业弯路。

想了解更多细节、获取专属支持，可添加客服微信：xuexiv5876 / YibuDev，随时咨询交流