Claude Opus 5.2 vs Claude Opus 5：切换之前先测什么
一眼看懂的决策
| 问题 | Claude Opus 5 | “Claude Opus 5.2” | 现在该做什么 |
|---|---|---|---|
| 有正式名称吗？ | 有，2026 年 7 月 24 日发布 | 没有；是社区叫法 | 当观察项，不当路线图 |
| 有文档化的 API ID 吗？ | claude-opus-5 | 在 Anthropic 文档、SDK 列表和 Claude Code 构建里都没找到 | 不要把猜的 ID 写进配置 |
| 价格和限制有文档吗？ | 每百万 token $5 / $25；1M 上下文；128K 输出 | 未知 | 按 Opus 5 做预算 |
| 今天能做配对测试吗？ | 能，通过有文档的渠道 | 没有可调用的候选 | 现在就冻结基线和回放集 |
| 用户怎么说？ | “偷懒”、想太久、长任务要喊“继续” | “快多了”、“输出干净”、“不偷懒了”（仅 Claude Code） | 把每条反馈变成可度量的测试 |
| 万一切换，退路在哪？ | 列为 Active，在 Anthropic 自营平台上退役“不早于 2027 年 7 月 24 日” | 不适用 | 实测你打算回退到的那条 EvoLink 路由 |
没有赢家，因为只有一列是有文档的产品。这次对比有用的产出，是后继者必须拿出的证据。
Claude Opus 5.2 对比 Opus 5：已知的区别与未知
Anthropic 的模型总览、价格页、发布说明和 Claude Code 更新日志记录了 Claude Opus 5，Opus 线没有更新的东西。从 9 月 14 日起，多个 X 账号报告 Claude Code 把部分 Opus 5 请求路由到了一个更新的构建。没有帖子附标识符或请求记录，各方对受影响的应用和套餐说法不一，Anthropic 也没有回应。
- “Foundry 的
claude-opus-5-2.yaml”是社区注册表里的条目，数值等于 Opus 5； - “五档 effort，含 xhigh 和 max”是 Opus 5 今天就有的文档能力；
- 8 月传闻过“Opus 5.1”，最终没有以该名称正式发布；
- 问模型“Tibo 是谁”读的是生成文本，不是模型身份。
用户报告了什么，以及什么才算证据
报道对“变了什么”的描述很一致，这让它们可以作为测试规格，尽管它们证明不了任何模型。
| 社区报告（Claude Code，9 月 14–17 日） | 它对应的 Opus 5 抱怨 | 什么才算证据 |
|---|---|---|
| “快多了”/“想得少了” | 在 high 和 xhigh 档位输出前思考很久 | 同一组任务、同一 effort 档位：每次通过验收的任务的耗时和输出 token，连续多天 |
| “不偷懒了”、“喜欢做长任务” | 做到一半停下来让用户继续 | 每个完成的长任务里用户催促次数；无人干预的完成率 |
| 输出很干净（X 帖）；代码不再臃肿、不再过度设计（一条 Reddit 帖，我们只读到二手转述） | 过度设计或啰嗦的实现 | diff 大小相对请求范围；每个通过的改动里审核者的修改数 |
| 视觉和 3D 任务更好，“接近 Astra 水平”，但同一位发帖人仍认为 Astra 更强 | 视觉与空间任务偏弱 | 固定评分标准的配对视觉任务——如果这类负载对你重要 |
| 一位论坛用户的原话：“昨晚侥幸灰度到了，很好用，现在又走了” | 不是抱怨，是警告 | 任何改进都必须跨多天、跨 CLI 版本持续存在，才算基线 |
按任务看：什么改善才值得切换
“更好”对不同的工作负载意思不同。按任务类别先定好先看什么指标、多大的改善才值得花迁移成本。阈值由你定；这张表只告诉你往哪看。
| 任务类别 | 先看 | 同时盯 | 值得切换的改善 |
|---|---|---|---|
| 交互问答与对话 | 首个有用回答的 p50 和 p95 耗时 | 通过率、输出 token | 延迟从“用户有感”降到“用户无感”，且通过率不下降 |
| 仓库级编码 | 已通过改动的测试通过率 | diff 大小相对请求范围；审核者修改时间 | 更多改动一次通过测试，且 diff 不越出请求的文件 |
| 长时 Agent | 无人干预的完成率 | 每个任务的催促次数、工具报错后的恢复、每个完成任务的总 token | 原本要喊“继续”或人工救场的任务现在能自己跑完，且 token 没有失控 |
| 结构化提取 | 解析或 schema 校验成功率 | 重试次数、每条有效记录的成本 | 无效输出更少，每条有效记录的成本持平或更低 |
| 批量文档处理 | 每份通过验收的文档成本 | 批处理窗口内的吞吐、缓存命中率 | 每份通过文档的成本更低，且仍赶得上截止时间 |
如果某类任务今天在 Opus 5 上没有可度量的问题，那它就没有理由迁移，不管新模型在别处得了多少分。
Claude Opus 5 已经交付了什么
Opus 5 是这次对比里可度量的那一边：
- API 模型 ID
claude-opus-5，无日期的固定快照； - 每百万 token 输入 $5、输出 $25；缓存写入 $6.25（5 分钟）和 $10（1 小时）；缓存读取 $0.50；批处理半价；仅 Claude API 提供的 research preview fast 模式 $10 / $50；
- 1M token 上下文，没有更小的档；128K 最大输出；
- 自适应思考默认开启；effort 档位 low、medium、high（默认）、xhigh、max；只有 high 及以下才能关闭思考；
- 思考 token 按输出 token 计费，并计入
max_tokens。
历史上的 Opus 发布改了什么，按影响分类
一次发布里的变化并不都会打破集成。把三类分开，你才知道该重测什么。
| 版本 | 日期 | 明确的破坏性变更 | 成本或行为变化 | 新增能力 |
|---|---|---|---|---|
| Opus 4.6 | 2026 年 2 月 5 日 | — | 引入自适应思考 | 1M 上下文；128K 输出；上下文压缩 |
| Opus 4.7 | 2026 年 4 月 16 日 | temperature、top_p、top_k 设为非默认值返回 400 | 新分词器：同样的文本计为更多 token | xhigh 档；更高分辨率视觉 |
| Opus 4.8 | 2026 年 5 月 28 日 | — | — | fast 模式；Agent 与推理提升 |
| Opus 5 | 2026 年 7 月 24 日 | 思考默认开启；在 xhigh 或 max 下关闭思考返回 400 | 思考 token 按输出计费，同样费率下输出量上升；默认回答更长 | 缓存最小 512 token；对话中途改工具（beta） |
切换之前的兼容性检查
| 检查面 | 查什么 | 为什么 |
|---|---|---|
| 模型标识符 | ID 由 Anthropic 或你所用的云渠道公布；Bedrock 和 Google Cloud 有各自的格式 | 猜的字符串可能失败，或被代理映射到无关模型 |
| 思考与 effort | 重跑你的 effort 矩阵；测试关闭路径和 400 行为 | Opus 5 两项都改过；默认值还可能再变 |
| token 计量 | 重新度量每个任务的输入、输出和缓存 token | 分词器和思考的变化会在标价不变时改变账单 |
| 采样参数 | 在配置里搜索模型会拒绝的参数 | 4.7 把非默认采样值变成了报错 |
| 结构化输出与工具 | 回放解析器与 schema 校验；注入工具故障 | Anthropic 的 Opus 5 更新说明指出，读取 content[0].text 的代码必须改为按 type 选取内容块，因为响应可能以思考块开头 |
| 回退 | 记录哪些请求由回退服务，并把它设为明确的实验分支 | 混合模型的结果会污染对比 |
关于身份：记录返回的 model 字段、请求 ID、用量和账单是必要的，但它不是对底层权重的独立证明，因为这些字段全部由服务端或代理提供。你能确立的是文档化的 ID 映射、返回的元数据、可信的上游记录和计费之间的一致性。这足以让一次替换可追溯，而这才是实际目标。
配对评测
1. 冻结 Opus 5 基线
记录提示词、工具、effort 档位、上下文状态、任务通过率、耗时、输入与输出 token、缓存使用、重试、审核时间和已知失败案例。把 Opus 5 让你“继续”或过度设计改动的那些会话一并记下；那些正是报道的说法，你需要“之前”的数字。
2. 建三组回放集
- 已知成功的任务，用来抓回归；
- 已知 Opus 5 失败的任务（偷懒、啰嗦、想太久），用来度量替代价值；
- 目前需要人工或另一条路由的前沿任务。
3. 只有成为有文档、前后一致的路由，候选才入场
候选进入测试框架的条件是：它的 ID 已由 Anthropic 或你的云渠道公布，一次鉴权请求成功，返回的元数据与文档化的映射一致，用量能与公布价格对上。之后使用与基线相同的提示词、工具、超时、effort 策略、重试规则和审核者。
成本算例
决定要不要切换的数字不是总花费，而是每个通过验收的任务你付了多少钱：
每次成功任务的 API 成本 = 整个评测组的实际 API 花费 ÷ 通过验收的任务数评测组消耗的一切都进分子：失败的尝试、重试、回退调用都算。缓存写入和读取按实际计费项计入。思考 token 已经按输出 token 计费，不要再加一遍。人工审核时间单独一列，不要折算成 API 费用。
| 基线组 | 候选组 | |
|---|---|---|
| 尝试的任务数 | 100 | 100 |
| API 总花费，含失败和重试 | $12.00 | $14.00 |
| 通过验收的任务数 | 80 | 95 |
| 每次成功任务的 API 成本 | $12.00 ÷ 80 = $0.150 | $14.00 ÷ 95 = $0.147 |
| 仍需人工修复或重做的任务 | 20 | 5 |
候选组多花了 $2.00，但每次成功任务的成本仍然略低，因为它的花费里有更大一部分产出了可用的结果。更大的差别在最后一行：回到人手里的任务少了 15 个。反过来的情况同样真实：如果候选组花了 $16.00、通过 85 个，每次成功任务的成本就是 $0.188，多出来的质量必须配得上高出 25% 的单位成本。先做除法，再看标题数字。
一张可以直接填的验收记录
“显著提升”“延迟守住”这类门槛没法核对。在跑之前，根据该任务类别的业务要求写下阈值，跑完再记录结果。每个任务类别复制一份。
| 字段 | 你的阈值（跑之前填） | 基线结果 | 候选结果 | 是否达标 |
|---|---|---|---|---|
| 任务类别与回放组 | — | |||
| 样本数（尝试的任务数） | 至少 ____ | |||
| 通过率（通过 ÷ 尝试） | 不低于 ____ %，且在已知成功组上不低于基线 | |||
| p95 延迟 | 不超过 ____ 秒 | |||
| 每次成功任务的 API 成本 | 不超过 $ ____ | |||
| 每 100 个任务的重试与回退调用数 | 不超过 ____ | |||
| 每个通过任务的人工修复时间 | 不超过 ____ 分钟 | |||
| 每个长任务的催促次数（仅 Agent） | 不超过 ____ | |||
| 连续 ____ 天的一致性 | 任何一天都没有一行不达标 |
按任务切换，并实测退路
现实的结果是一条路由策略，不是全局切换。把验收记录达标的任务类别按上面矩阵的顺序逐步切过去，其余留在 Opus 5。
claude-opus-5 列为 Active，退役“不早于 2027 年 7 月 24 日”，并说明页面上的日期适用于 Anthropic 自营平台（Claude API、Claude Platform on AWS 和 Microsoft Foundry），Amazon Bedrock 和 Google Cloud 自行设定时间表。这是一个评测窗口，但它不保证你打算回退到的那条具体路由的容量、权限或运行状态。在任何小流量验证之前，先让真实流量走一遍你准备用的 Opus 5 回退路由，确认配额和权限，并演练一次把流量切回它的配置变更。Opus 5 已经满足你的通过率、延迟和成本目标的地方，迁移没有实测收益的地方，或者你的日志还分不清主路由和回退调用的地方，就继续用 Opus 5。你在收集基线的时候，等待不是被动的；只有当交付因为一个没官宣的模型而停摆时，等待才是被动的。
EvoLink 的统一 API 把模型选择留在路由配置里而不是应用代码里，这让挑战者加得便宜、撤得也便宜。这套方案里没有任何一步需要今天就存在一条 Opus 5.2 路由。
查看当前 Claude Opus 5 路由 订阅 Claude Opus 5.2 API 上线提醒常见问题
Claude Opus 5.2 官宣了吗？
截至 2026 年 9 月 18 日，我们在 Anthropic 的模型目录、发布说明、价格页和新闻中心里都没有找到它。最新的 Opus 是 Claude Opus 5。
Claude Opus 5.2 比 Claude Opus 5 更好吗？
没有基于证据的对比，因为不存在有文档、可调用的 Opus 5.2。社区报道描述了 Claude Code 里更快、不偷懒的输出，但没有模型标识符和度量。
用户说 Opus 5.2 修了什么？
速度、想太久、长任务偷懒、代码啰嗦或过度设计。这些是回放集的正确类别，也是说法，不是结果。
成本怎么比才公平？
用评测组的 API 总花费（含失败和重试）除以通过验收的任务数。比较这个数字，而不是总花费或标价；人工修复时间单独列出。
更新的 Opus 会不会更快吃掉我的额度或预算？
在能度量之前无从得知。已有用户反映 Opus 5 用量上升；而在 Opus 5 上，思考 token 按输出 token 计费，所以想得更多的模型在同样标价下花得更多。请在你的 effort 档位上，按每次成功任务度量输入、输出和缓存 token。Claude 应用里消费者套餐的额度，与 API 计费是两回事。
该等 Opus 5.2 再开项目吗？
不该。用 Claude Opus 5 做已承诺的交付，把模型选择留在配置里，收集将来会成为升级评测集的记录。
现在能用 claude-opus-5-2 这个模型 ID 吗？
不能。我们在任何 Anthropic 文档里都没有找到这个标识符。猜的 ID 会失败，更糟的是可能被某个第三方代理映射到一个无关的模型。
新 Opus 发布后，Opus 5 还能用吗？
claude-opus-5 列为 Active，在其自营平台上退役不早于 2027 年 7 月 24 日；Bedrock 和 Google Cloud 自行设定日期。这不保证任何一条具体的网关路由，所以要实测你计划使用的回退路由。发布之后该怎么比较两者？
使用相同的提示词、工具、超时、effort 档位、上下文状态、重试规则和审核者。每个任务类别填一份验收记录，比较每次成功任务的成本，按任务类别逐步切换流量，并保留演练过的退路。
来源
- Anthropic：模型总览
- Anthropic：模型 ID 与版本规则，含“模型权重与服务基础设施”一节
- Anthropic：Claude Opus 5 更新说明（破坏性变更与思考 token 计费）
- Anthropic：effort 参数
- Anthropic：价格
- Anthropic：模型退役（平台适用范围、参数弃用）
- Anthropic：Claude Opus 4.7 发布
- Anthropic：Claude Opus 4.8 发布
- Anthropic：Claude Opus 5 发布
- X：@notjazii，2026 年 9 月 14 日
- X：@pankajkumar_dev，2026 年 9 月 15 日
- EvoLink：Claude Opus 5.2 什么时候上线
- EvoLink：Claude Opus 5.2 API 可用状态
- EvoLink：Claude Opus 5
