编码选对模型：Claude Fable 5 对比 Opus 5

"哪个 Claude 模型最适合编码"这个问题的答案取决于衡量方式：最高基准分数、单位成本最优、或是在凌晨 2 点不会让人惊讶的模型。这三种情况指向三个不同的模型。

公开数据能解决大部分问题，其中有一行让人意外——Anthropic 自己的表格里显示其旗舰模型在这一行落了下风。

摘要

最高代理编码分数：Claude Fable 5 在 SWE-Bench Pro 上达到 80.3%^[1]。
大多数团队的最佳选择：Claude Opus 5，Anthropic 将其定位用于复杂代理编码和企业级工作^[2]。
Opus 5 在一行上落后。 GPT-5.6 Sol 在 Anthropic 自己的表格中以 72.7% 击败 Opus 5 的 68.8%（在 DeepSWE v1.1 上）^[3]。
写作排名反向倾斜向知识工作，此处 Opus 5 领先 GDPval-AA v2，得分 1861^[3]。
effort 等级比模型选择更重要，在前沿之下：Opus 5 的 low 和 medium 表现异常稳定^[2]。
在 reAPI 上，Opus 5 成本远低于 Fable 5，这改变了权衡方程。

编码数据

三个编码基准有三个不同的赢家：Fable 5 在 SWE-Bench Pro、Opus 5 在 Frontier-Bench 和 GPT-5.6 Sol 在 DeepSWE，加上知识工作行（排名反向）

三个模型在激烈竞争。以下是 Anthropic 发布的每个基准数据。

基准	Fable 5	Opus 5	Opus 4.8
SWE-Bench Pro（代理编码）	80.3%	n/a	69.2%
FrontierCode Diamond（最难编码）	29.3%	53.4%†	13.4%
Terminal-Bench 2.1	88.0%*	n/a	82.7%
Frontier-Bench v0.1（代理终端）	33.7%	43.3%	21.1%
DeepSWE v1.1（代理编码）	69.7%	68.8%	59.0%

* 带星号的行表示 Anthropic 指出公开的 Fable 5 与未受限版本不同，因为安全分类器被触发；预计实际调用的模型在这一行会更接近 Opus 4.8^[1]。 † FrontierCode v1.1 Main，这是不同的基准子集，而非 Fable 5 列中的 Diamond 子集，所以请按列向下读而不是按行。

两个结论从表中脱颖而出。

Fable 5 在直接可比的编码基准上领先，在 SWE-Bench Pro 上尤其明显^[1]。

Opus 5 在新的代理终端基准上明确胜出，Frontier-Bench 分数超过 Opus 4.8 的两倍多^[3]。

Anthropic 留下的这一行

在 DeepSWE v1.1 上，Anthropic 自己的对比表把 GPT-5.6 Sol 列为 72.7%，而 Opus 5 是 68.8%^[3]。这是最清晰的编码损失，恰好出现在 Opus 5 最被推崇的工作负载上。

这值得认真对待而不是解释掉。如果你的评估类似 DeepSWE，竞争对手在厂商自己的数据上得分更高。如果它类似长地平线终端工作，Opus 5 在同一表上以九分的优势击败该竞争对手。

教训不是某个模型更好。而是"最适合编码"会根据哪个编码基准匹配你的工作而解决不同的答案。

写作用哪个

问写作问题，排名就会重组，因为写作离知识工作更近而非离代码。

基准	Opus 5	Fable 5	Opus 4.8
GDPval-AA v2（知识工作，Elo）	1861	1747	1593
人类最后的考试，无工具	56.3%	56.5%	49.8%
人类最后的考试，有工具	64.7%	63.9%	57.9%

Opus 5 在知识工作上比 Fable 5 领先 114 Elo^[3]。在无工具推理上两者接近统计持平。

对于起草、编辑和综合，这个 GDPval 差距是相关信号，它指向 Opus 5 而非编码基准上的冠军。

击败模型选择的变量

在前沿之下，effort 等级比切换模型更能影响结果。

Anthropic 描述 Opus 5 能将额外努力转化为更好结果，比任何早期 Opus 模型都更可靠，并且单独指出 low 和 medium 以小数分之一的 token 和延迟产生强大质量^[2]。官方指导是从默认 high 开始，然后根据你自己的评估向两个方向扫过。

这对整个问题有实际后果。选择"最好"的模型但保留 effort 在既有默认值的团队，往往得到比层级更低但调整了这个旋钮的团队更差的结果，也更慢。

在 reAPI 上成本多少

模型选择既是成本决定也是能力决定。

模型	每百万 token 输入 / 输出
Claude Fable 5	$8.00 / $40.00
Claude Opus 5	$2.40 / $12.00
Claude Opus 4.8	$4.00 / $20.00
Claude Sonnet 4.6	$2.40 / $12.00

Fable 5 在同一网关上的成本是 Opus 5 的三倍多。这重新构架了编码问题：Fable 5 的 SWE-Bench Pro 领先是真实的，而你为此支付 3 倍以上的费用，在一个还附带强制 30 天保留和拒绝层的模型上^[1]。

对大多数团队来说这个交易不划算。但对于一次失败的运行成本高于 token 的仓库级迁移，就另当别论了。

选择

默认选择 Opus 5。 最好的知识工作分数，在新的代理终端基准上有决定性优势，在这个网关上是三者中最便宜的。

当任务是长地平线且困难并且你已在自己的工作上测量过它获胜时，选择 Fable 5。FrontierCode 曲线是诚实的论据：在最硬的问题上，额外努力继续买来准确性，而其他模型趋平^[1]。

保留 Opus 4.8 当你的评估已经校准到它，或当你需要在高 effort 等级禁用 thinking，而 Opus 5 拒绝做这件事时^[2]。

考虑非 Claude 模型如果你的工作负载看起来像 DeepSWE。厂商自己的表格这样说。

from openai import OpenAI

client = OpenAI(api_key="YOUR_REAPI_KEY", base_url="https://api.reapi.ai/v1")

resp = client.chat.completions.create(
    model="claude-opus-5",
    messages=[{"role": "user", "content": "Refactor this module and add tests."}],
    max_tokens=16000,
    stream=True,
)

在这个网关的模型字符串上做一个改变就能在它们之间切换。费率在 reapi.ai/models。

reAPI. 如何使用 Claude Fable 5——基准表、effort 曲线、拒绝层和保留期。 reapi.ai/blog/how-to-use-claude-fable-5
Anthropic. Claude Opus 5 新增内容——effort 指导、行为变化和能力改进。 2026 年 7 月检索 platform.claude.com/docs/en/about-claude/models/whats-new-opus-5
reAPI. 如何使用 Claude Opus 5——完整发布基准表。 reapi.ai/blog/how-to-use-claude-opus-5