Claude Opus 5 领跑 AA-Briefcase 评测，单任务成本降低 20%

Anthropic 发布 Claude Opus 5，在第三方评测集 AA-Briefcase 中成为智能体知识工作能力的新标杆。据 Artificial Analysis 公布，该模型在最高效能设置下，不仅性能超越 Claude Fable 5，且单次任务成本降低了 20%。

Claude Opus 5 刷新智能体知识工作基准

据 Artificial Analysis 报道，Claude Opus 5 在其专有的智能体知识工作评测集 AA-Briefcase 中排名第一。该评测集通过数千个输入文件，模拟真实且私密的知识工作任务，要求模型交付研究报告、演示文稿和电子表格，综合评估正确性、分析质量和呈现质量。

在最高效能 (max effort) 设置下，Claude Opus 5 的 AA-Briefcase Elo 分数达到 1720，领先 Claude Fable 5(1574) 约 146 分。此外，其 xhigh(1693) 和 high(1606) 变体同样在性能上超越了 Fable 5，且具备更高的成本效益。

多档位效能设置与成本优化

Claude Opus 5 提供了五种效能设置，允许用户在智能水平与成本之间进行权衡。在 max 模式下，单次任务成本为 17.79 美元，相比 Claude Fable 5 的 22.30 美元降低了 20%。

对于追求更高性价比的用户，high 模式表现尤为突出：其单次任务成本仅为 10.41 美元，不足 Fable 5 的一半，但在 AA-Briefcase 分数上仍高出 32 分。xhigh 模式的成本则为 14.26 美元(约为 Fable 5 的 64%)。

在 API 定价方面，Claude Opus 5 延续了 Opus 4.8 的定价标准，即每百万 input/output tokens 分别为 5 美元 和 25 美元，并对缓存写入收取 25% 的溢价，对缓存命中提供 90% 的折扣。

分析能力大幅提升，但呈现质量仍有差距

数据分析显示，Claude Opus 5 的增长主要由 rubric 通过率和分析质量驱动。在 max 模式下，其分析质量 Elo 达到 2016，领先 Claude Fable 5 接近 300 分。

然而，在演示文稿的呈现质量上，Claude Opus 5 的提升幅度较小。其呈现 Elo 为 1628，仍落后于 GPT-5.6 Sol (max) 的 1666 分。这意味着在需要极高视觉或格式化交付的任务中，GPT-5.6 Sol 仍具优势。

推理步数增加导致任务耗时增长

为了追求顶尖性能，Claude Opus 5 显著增加了推理的迭代次数。在 top 3 效能设置 (max, xhigh, high) 中，单次任务的平均耗时均超过 25 分钟，具体分别为 36.2、34.3 和 25.7 分钟。

在 max 模式下，耗时比 Opus 4.8(24.1 分钟) 增加了约 50%。这主要是因为模型在执行任务时的对话轮数增加，Claude Opus 5 在 top 3 模式下的平均轮数分别为 103、91 和 76 轮，而 Opus 4.8 (max) 仅为 55 轮。

Claude Opus 5 通过增加推理深度显著提升了分析能力并降低了单任务成本，但在交付速度和呈现质量上仍有优化空间。