回想一下你以前是怎麼把工作交給 Opus 4.8 的。

多數人的做法都差不多：先把大任務手動切成七八個小包，一次餵一包，跑完看一眼、確認沒歪掉，再餵下一包。理由不是不信任它，是經驗告訴你，鏈條拉太長會出事——它會在第五步的時候忘記第二步的決定，或是在某個工具回傳空值的地方原地打轉。

所以你養成了一套習慣：切得夠碎、盯得夠緊、貴的模型只用在關鍵幾步。

Claude Opus 5 在 7 月 24 日上線了，價錢跟 Opus 4.8 完全一樣，每百萬 input token 五美元、output 二十五美元。帳單沒變，所以很容易以為這只是一次例行升級。但如果你繼續用舊習慣去用它，會浪費掉這次升級最值錢的部分。（來源：Anthropic）

以前：一次交一小段。現在：一次交一條鏈

官方在 Frontier-Bench v0.1 上的說法是，Opus 5 超越所有其他模型，而且以更低的每任務成本，做到 Opus 4.8 兩倍以上的表現。

「每任務成本更低」這六個字比 benchmark 分數重要。單價沒降，但完成同一件事花的總 token 變少了，因為它繞路繞得比較少、重試比較少。

這個差別在長任務上才看得出來。短問答不管用哪一代都一樣，你問一個語法它答一個語法。但當任務變成「把這個模組的錯誤處理統一改掉，跑測試，failed 的自己修到綠」，以前你得拆成三次對話，現在可以一次講完。Zapier 的 AutomationBench 是專測這種多步驟自動化的，Opus 5 的通過率是次佳模型的 1.5 倍。

實務上的調整很直接：把你原本切成五段的 prompt 併回一段，然後把驗收條件寫清楚。你要練的不是描述步驟，是描述「怎樣算做完」。

以前：它卡住就回來問你。現在：它自己想辦法量

官方發布裡有個例子我覺得比所有數字都好懂。

任務是要看一張機械零件圖，但直接檢視圖檔這條路走不通。以前的模型會怎麼做？告訴你「我無法讀取這個檔案，請提供其他格式」，然後停在那裡等你。Opus 5 的做法是自己寫了一套電腦視覺 pipeline，用那套 pipeline 去解析，然後反覆重建出完整的 3D 模型。

打個比方。你請水電師傅來修管線，他發現手上的量尺不夠長。一種師傅會打電話跟你說量尺不夠長、你去買一把再叫我；另一種會拿現場的材料自己接一把出來，量完繼續做。第二種師傅的價值不在他懂的東西比較多，在於他不會因為缺一個小工具就整個停下來。

這正是長任務會不會斷掉的關鍵。一條十步的鏈，只要有一步卡住需要人介入，自動化就破功了。

以前：工具清單開場就得定死。現在：中途換不炸 cache

這是跟 Opus 5 一起推出的兩個 beta 功能之一，做開發的人應該最有感。

以前的規矩是這樣：prompt cache 是靠前綴一致來命中的，工具定義又排在很前面，所以你只要在對話中途動了工具清單，整個 cache 就失效，後面每一輪都得重新付全額的 input token。結果就是大家習慣一開場把所有可能用到的工具全部掛上去，寧可讓模型在三十個工具裡挑，也不敢中途調整。

現在支援對話中途變更工具而不讓 cache 失效。這件事解鎖的是動態工具集：一開始只給它讀取類的工具，確認方向對了再把寫入、部署那些危險的掛上去。權限收得更緊，成本反而更低。

如果你在寫自己的 agent harness，這條會直接影響你的架構選擇。我在迴圈工程那篇提過外層 loop 該怎麼設計，工具集能動態調整之後，「階段性授權」從一個要繞路實作的東西，變成內建就支援。

以前：被擋下來就整個失敗。現在：自動換一台跑

第二個 beta 是自動 fallback，被 flag 的請求會自動路由到替代模型。

這跟之前寫過的 Fallback Models 是不同的東西，別搞混。那個處理的是「主模型過載」，這個處理的是「這則請求被判定需要換一台」。對無人值守的排程任務來說，兩者都是把「整條 pipeline 因為單點失敗而停擺」的機率往下壓。

Fast mode 要不要開

Opus 5 一樣有 Fast mode，大約 2.5 倍速，代價是兩倍價錢。Claude Code 裡打 /fast 切換，它跑的還是 Opus，不是偷偷換成小模型。

要不要開，判準跟之前那篇 Fast Mode 教學寫的一樣，沒有因為換代而改變：你在旁邊等它的時候值得開，它在背景自己跑的時候不值得。花兩倍的錢買一個沒人在看的進度條，是這整套工具裡最容易犯的浪費。

幾件該先知道的事

它不是每個面向都最強。官方自己標明，在資安攻擊利用這類任務上它仍落後 Mythos 5。行為稽核方面則相反，它比 Opus 4.8、Sonnet 5 和 Fable 5 都更貼合 Claude 的 Constitution。

科學任務的進步幅度比程式碼更誇張。有機化學題目比 Opus 4.8 高出 10.2 個百分點，蛋白質相關預測高 7.7 個百分點。ARC-AGI 3 上的分數是競品的三倍。這些領域如果剛好是你的工作範圍，換代的體感會比寫 code 的人強烈得多。

還有一件必須講的：7 月 27 日 Opus 5 出過一次事故，claude.ai、API、Claude Code 和 Cowork 都有錯誤率升高的情形，從 11:27 UTC 開始，11:47 UTC 恢復正常。新模型上線頭幾週不穩定是常態，如果你打算把它接進排程任務，重試機制先寫好再上。（來源：Claude Status）

最後標一下誠實邊界：上面所有 benchmark 數字都來自官方發布，我沒有自己跑過對照測試。實際體感因任務而異，別把單一分數當成保證。

真正變的是那個習慣

回到開頭那件事。

以前你要練的技能是「拆解」——怎麼把一個大任務切到模型扛得住的大小，怎麼在每個接縫處檢查。這個技能在 Opus 4.8 那個世代非常值錢，切得好的人跟切不好的人，產出差距很大。

現在該練的是另一件事：定義完成條件，然後放手。

聽起來輕鬆，其實更難。切任務是勞力活，做久了就熟；把「怎樣算做完」講清楚是判斷活，你得先自己想明白要什麼。以前模型會在中途停下來問你，等於強迫你分段思考；現在它會一路跑到底，你沒想清楚的地方，它會用自己的判斷填滿。

模型變強，省下的是你的手，不是你的腦。