Claude

Claude Opus 5

Anthropic按量计费
别名:claude-opus-5

Claude Opus 5 适合复杂编程、代码审查和专业资料分析,能结合文字与图片推理,并在工具协作下推进多步骤任务、整理完整交付成果。

textimagestreamingfunction_callingtoolsvisionreasoningcachingcontext:1000000
起始价格
输入 / 输出 · 1M
上下文
1M
最大输入窗口
最大输出
128K
单次响应最大 token 数
模态
→
知识截止
May 2026
发布于
Jul 2026

按供应商定价

比较同一模型在不同供应商的价格与服务表现。

供应商6
USD · 每 1M tokens性能 · 最近 24 小时
供应商折扣输入/M输出/M缓存读取/M缓存写入 (5m)/M缓存写入 (1h)/M
Anthropic

Anthropic 官方

省10%
$4.5$5
$22.5$25
$0.45$0.5
$5.625$6.25
$9$10
claude特供

适合生产环境,AWS Bedrock组成

省40%
$3$5
$15$25
$0.3$0.5
$3.75$6.25
$6$10
CCMax

使用自用 vibe coding,纯血 ccmax号池

省70%
$1.5$5
$7.5$25
$0.15$0.5
$1.875$6.25
$3$10
Claude kiro

使用自用 vibe coding,kiro号池

省90%
$0.5$5
$2.5$25
$0.05$0.5
$0.625$6.25
$1$10
CCMax-ZL

CCmax微注-可蒸

省70%
$1.5$5
$7.5$25
$0.15$0.5
$1.875$6.25
$3$10
AmazonBedrock

AWS 官方

省40%
$3$5
$15$25
$0.3$0.5
$3.75$6.25
$6$10
划线金额为标准价。性能统计覆盖最近 24 小时,实际表现随请求变化。

左右滑动表格,查看完整价格与性能。

能力 / 支持的模态

函数调用工具JSON 模式结构化输出推理视觉提示词缓存
输入
输出

厂商与数据隐私

厂商
Anthropic文档
分词器
Anthropic Claude tokenizer
许可证
Proprietary (commercial)商业闭源
数据保留79 天默认不会用于上游训练

性能

基准测试

标准化评测得分。百分比越高越好,并展示排名百分位。

指标来源:Artificial Analysis 2026-09-30·Claude Opus 5

Intelligence Index

Claude Opus 5

50.8

基准图表保留来源中的模型选择和思考设置。缺失的模型或测量值不代表零分,基准成本或速度也不是本站的服务承诺。

关于 Claude Opus 5

为复杂任务保留完整背景

Claude Opus 5 是 Anthropic 面向高难度推理、编程和较长工作流程的模型。它能理解文本与图片,适合阅读代码、审查改动、分析图表和文档,也可以协助形成内容完整的专业交付物。

代码审查是很实用的场景。把改动、相关调用位置和业务要求一起提供,可以让它检查行为变化、异常路径和潜在漏洞,再按影响程度说明问题。对于跨文件任务,可以要求它先追踪依赖,再判断某项修改是否真正解决原因,避免只关注局部语法或风格。

在知识工作中,它可以结合长文档与视觉材料梳理证据,比较多个方案,并把结论整理成报告、分析框架或办公材料。复杂图表和页面截图可直接作为分析输入;如果需要精确数字计算,提供原始数据和计算工具,会比仅凭图像估读更稳妥。

模型支持自适应思考和工具调用。任务边界明确时,可以尝试较低的推理投入;需要深入判断或跨材料综合时,再增加投入。应用具备子任务调度能力时,也可以让它分配相互独立的调查工作,最终合并结论。交付前应要求它清楚区分已验证结果、推断和仍缺失的证据,让复杂任务的完成状态容易判断。

使用场景与提示词

代码审查提示词

“请审查这次结算模块改动。结合差异和调用代码,重点检查重复请求、失败重试、边界金额和状态回滚。只报告能说明触发条件与影响的问题,按严重程度排序;每项附相关代码位置、复现思路和建议修复。没有发现的风险不要凑数。”

常见问题

  • 审查结论太泛怎么办?要求每个问题给出具体触发输入、实际行为和预期行为,并提供关联代码。
  • 可以看图表和截图吗?可以,复杂图表最好附图例与数据口径;关键数值可补充原始表格。
  • 怎样安排并行子任务?在支持调度的应用中按模块或证据来源拆分,并由主任务核对冲突和汇总结果。

接入 API

API 接口文档

调用示例

请求POST/v1/messages
请求示例
参数
参数类型默认值 / 范围说明信息
temperature
number
=10 ~ 2
采样温度;越低越稳定
top_p
number
=10 ~ 1
核采样累计概率
max_tokens
integer>= 1响应中最大 token 数
frequency_penalty
number
=0-2 ~ 2
惩罚高频 token 的重复出现
presence_penalty
number
=0-2 ~ 2
鼓励引入新话题
stop
array—最多 4 个停止生成的字符串
seed
integer—尽量保证可复现的采样种子
n
integer
=1>= 1
生成的候选条数
stream
boolean
=false
通过 SSE 流式返回 token
response_format
object—强制输出 JSON 对象或符合 Schema 的结果
tools
array—模型可调用的工具 / 函数声明
tool_choice
string
autononerequired
工具选择策略或具体工具名
logprobs
boolean
=false
返回每个 token 的对数概率
top_logprobs
integer0 ~ 20每个 token 返回的 top 概率数量
logit_bias
object—按 token 的 logit 偏置映射
user
string—用于风险审计的终端用户标识

替换 <YOUR_API_KEY> 替换为 API 密钥页面中的密钥。

身份验证

所有请求必须携带 Authorization: Bearer <TOKEN> 请求头。Anthropic 格式的端点也接受 x-api-key 请求头。

在「API 密钥」页面生成 API 密钥,可以按模型、分组、IP、速率等维度精细化授权。

支持的参数

Generation parameters
参数类型默认值 / 范围说明信息
temperature
number
=10 ~ 2
采样温度;越低越稳定
top_p
number
=10 ~ 1
核采样累计概率
max_tokens
integer>= 1响应中最大 token 数
frequency_penalty
number
=0-2 ~ 2
惩罚高频 token 的重复出现
presence_penalty
number
=0-2 ~ 2
鼓励引入新话题
stop
array—最多 4 个停止生成的字符串
seed
integer—尽量保证可复现的采样种子
n
integer
=1>= 1
生成的候选条数
stream
boolean
=false
通过 SSE 流式返回 token
response_format
object—强制输出 JSON 对象或符合 Schema 的结果
tools
array—模型可调用的工具 / 函数声明
tool_choice
string
autononerequired
工具选择策略或具体工具名
logprobs
boolean
=false
返回每个 token 的对数概率
top_logprobs
integer0 ~ 20每个 token 返回的 top 概率数量
logit_bias
object—按 token 的 logit 偏置映射
user
string—用于风险审计的终端用户标识

速率限制

供应商RPMTPMRPD
AmazonBedrock-ZL无限制无限制无限制
Anthropic无限制无限制无限制
CCMax无限制无限制无限制
CCMax-ZL无限制无限制无限制
Claude kiro无限制无限制无限制
claude特供无限制无限制无限制
AmazonBedrock无限制无限制无限制

无限制

关于 claude-opus-5 的常见问题

claude-opus-5 是什么?

Claude Opus 5 适合复杂编程、代码审查和专业资料分析,能结合文字与图片推理,并在工具协作下推进多步骤任务、整理完整交付成果。

如何调用 claude-opus-5?

创建具有 claude-opus-5 访问权限的 API 密钥,然后使用 API 接入模块中的准确模型 ID 和受支持的接口。请求字段取决于所选接口。

claude-opus-5 如何计费?

费用取决于所选供应商分组和模型计费单位。注册前即可在本页查看当前输入、输出、单次请求或媒体价格。

claude-opus-5 的上下文窗口有多大?

模型目录配置的上下文窗口为 1000000 tokens。具体请求限制请查看所选接口。

claude-opus-5 的最大输出是多少?

模型目录配置的最大输出为 128000 tokens。请求设置可能指定更低的上限。

如何评估 claude-opus-5 是否适合我的项目?

请先参考本页的使用场景与提示词指南,再使用项目中的代表性输入评估模型。