Anthropic 在 2026 年 7 月 24 日丟出 Claude Opus 5。你可能想：模型半年就換一代，又是給工程師的東西吧？我一開始也這樣想。但這次我看完官方數據，改變了看法——這一版真正變強的地方，是法務合約、財務建模、資料分析這些「一般公司每天都在做、又特別花時間」的活。這篇用白話帶你看，新模型到底跟第一線的你有什麼關係。
先講清楚：這是誰、什麼時候發的
發布方是 Anthropic，就是做 Claude 的那家公司。時間是 2026 年 7 月 24 日，官方直接把新模型叫 Claude Opus 5，一句話定位是「用一半的價格，逼近旗艦 Fable 5 的智慧」。
價格跟上一代 Opus 4.8 一樣，沒漲：每百萬 input token 5 美元、output 25 美元。這點我覺得蠻關鍵的——效能往上、價格不動，等於同一筆預算能做更多事。這對要編預算導入 AI 的公司來說，比任何跑分都實在。
幾家實際在用的公司也出來背書。Cursor 共同創辦人 Sualeh Asif 說：「Claude Opus 5 用 Opus 的速度跟成本，給出接近 Fable 5 的智慧。」做基因體分析的 LatchBio 執行長 Alfredo Andere 講得更有畫面：「它跑起來比我們用過的任何模型，都更像一個謹慎的科學家。」JetBrains 的 AI 負責人 Denis Shiryaev 則說，這是他看過「Claude 從上一代到下一代，解題能力跳最明顯的一次」。
企業導入 AI，卡的從來不是模型
我在做企業內部的 AI 導入培訓，最常聽到的一句話是：「工具我們有了，但同仁不知道拿來幹嘛。」問題從來不是模型不夠強，而是模型強的地方，跟公司真正花時間的地方對不上。
過去很多模型秀的是寫程式、解數學題，對法務、財務、行政這些部門來說沒感覺。這次 Opus 5 不一樣——官方把重點放在「知識工作者每天在做、又最耗神」的三種活。我覺得這才是能真正說服老闆掏錢的角度。
三種難活，官方各給了一個數字
先講一個名詞，等下會用到：redline（紅線標註）就是律師改合約時，把要刪要改的地方用紅字標出來的動作，很花時間、又不能出錯。
1. 法務合約審查：redline 準確度接近 2 倍
官方說 Opus 5 在「第一次讀合約就標出該改的地方」這件事上，準確度比 Opus 4.8 高了接近 2 倍。這代表什麼？律師或法務不用從零看，而是拿一份已經標好八成的草稿再確認。時間差很多。
2. 資料分析與盡職調查：進步 11 到 17%
盡職調查（due diligence）講白話就是「買公司、投資前，把對方的財報、合約、風險翻一遍」。這種工作又雜又多，Opus 5 在這塊的表現比上一代進步 11 到 17%。對做投資、併購、風控的團隊，等於多一雙不會累的眼睛。
3. 同樣品質，少燒 26% 的 token
這點很多人會忽略。官方說在最高推理模式下，Opus 5 達到同樣品質，用的 token 比 Opus 4.8 少 26%。token 就是 AI 運算的計費單位，少用就是省錢。效能上去、單價不變、還更省算力——這三件事加起來，才是企業導入真正在乎的帳。
不只會回答，開始會「自己把事做完」
Opus 5 這次強調的另一件事，是它更能接一個大任務、自己拆成小步驟做完，而不是問一句答一句。官方舉了幾個例子：在沒有直接看到畫面的情況下，它自己寫了一段電腦視覺程式去解一個 3D 建模題；也曾把一個開源套件管理器的 bug 一路除到根本原因，而那個原因是其他模型都漏掉的。
用一個比喻你就懂：以前的 AI 像一個很會回話的實習生，你問一句他答一句；現在比較像一個資深同事，你交辦一件事，他會自己盤算步驟、邊做邊檢查、做完再回報。差別在這裡。
我怎麼跟同仁講這件事
我在台灣大哥大做教育訓練，服務的是門市第一線跟企業內部同仁。碰到「模型又升級」這種消息，我不會一上來就丟跑分——第一線同仁不在乎 Frontier-Bench 幾分，他們在乎的是「這對我今天的工作有沒有用」。
所以我通常這樣拆給大家聽：
第一，這不是炫技，是把難活變快。不用管它多聰明，只要記住它現在能幫你把「讀合約、翻財報、整理一堆資料」這些吃時間的活，先做到八成。
第二，先想清楚再交辦。我自己用 AI 一定會「磨刀霍霍」——請它做任何事之前，先跟它聊計畫，確定方向對了、指令順了，最後才叫它動手。模型越強，這個習慣越重要，因為它會照你講的方向一路做到底，方向錯就一路錯。
第三，從一個工作流開始。不要想著一次全公司導入，挑一個部門最痛、最重複的活（例如每個月都要做的合約檢查），先讓 AI 接這一段，跑順了再擴。AI 不是未來式，是現在進行式，但落地要一步一步來。
先別急著全押，這幾點要記得
模型變強，不代表可以放著不管。有 3 件事我會提醒同仁：
- 它還是會錯，只是錯得少。法務、財務這種不能出包的活，AI 做完一定要有人覆核，它是把你的起點從 0 拉到 80，不是直接交卷。
- 敏感資料要守規矩。合約、客戶名單、財務數字丟進任何 AI 前，先確認公司的資安規範，不是什麼都能貼。
- 官方數字是實驗室成績，不等於你家的成績。2 倍、17% 這些是官方測試環境跑出來的，落到你自己的流程能省多少，一定要自己小規模試過才算數。
小結
Claude Opus 5 這一版，我最有感的不是它變多聰明，而是它把「強」用在對的地方——法務、財務、資料分析這些真正花錢花時間的活。價格沒漲、還更省算力，等於同一筆預算能多做事。如果你在公司也負責推 AI，這一版值得挑一個部門的痛點，先小規模試一輪。今天就可以列出：你們公司最想先讓 AI 接手的，是哪一種活？
本文整理改寫自 Anthropic 官方發布〈Introducing Claude Opus 5〉（2026 年 7 月 24 日）。原文與完整數據見：anthropic.com/news/claude-opus-5。文中數據均引自官方發布內容。
留言
張貼留言