Opus 相关 AI 资讯

AITOP

7月11日

05:58

Aravind Srinivas@AravSrinivas

精选

Perplexity CEO透露其自研编排器架构，基于GLM 5.2模型进行后训练。在需要时，系统会升级到Opus模型作为顾问。该编排器将利用更多计算资源快速提升质量。同时，Grok 4.5和Opus Fast也被认为是优秀的编排模型。

推荐理由：Perplexity CEO揭秘自家搜索背后的模型编排：用GLM 5.2后训练，必要时上Opus，比Grok 4.5和Opus Fast还强？

原文

04:41

Aravind Srinivas@AravSrinivas

Computer Harness 宣布支持 Fable、Sol、Opus、Grok、GLM + advisor、Sonnet 和 GPT 5.5 作为 orchestrator 模型。同时集成多个小型 LLM 和多模态模型作为子智能体。该平台自称是最易上手的智能体编排系统，并计划未来添加本地运行时。

AI产品 Computer Harness GPT 5.5 Opus Grok 智能体编排

推荐理由：想用 GPT 5.5、Opus、Grok 等模型组合编排智能体？Computer Harness 一平台搞定，上手超简单。

原文

7月10日

13:46

Ethan Mollick@emollick

Ethan Mollick在推文中建议AI实验室应推出易于观看的模型对比示例，比如展示Luna xHigh、Terra Medium、Sol Low在相同任务上的输出，或类似Haiku、Sonnet、Opus、Fable的对比。他认为需要展示错误率变化及用户在不同版本间的选择倾向，以帮助用户理解模型差异。

行业模型对比 AI评测 Haiku Sonnet Opus

推荐理由：让用户直接看不同模型在同一任务上的输出对比，比只看基准数字直观多了，还能知道哪个实际表现更好。

原文

02:06

Aravind Srinivas@AravSrinivas

精选

Perplexity发布了基于GLM 5.2的编排器模型研究预览。该模型为计算机工具后训练，成本仅为Opus的0.344倍。与advisor配对时可达Opus 4.8级性能。目前以研究预览形式开放。

AI模型 GLM 5.2 Perplexity Opus 编排器模型计算机工具

推荐理由：Perplexity新出的编排器模型基于GLM 5.2，成本只有Opus的三分之一，性能接近前沿。研究预览版本，赶紧试试。

原文

7月9日

19:13

官方账号Decoder@Matthias Bastian

精选

Databricks在其数百万行代码库上测试编程智能体，发现中国开源模型GLM 5.2性能与Anthropic的Opus 4.8相当。每任务成本GLM 5.2为1.28美元，Opus为1.94美元。Databricks计划将GLM 5.2作为日常编程工作主力。该公司认为没有单一供应商占主导地位，企业应自建基准而非依赖公共基准。

AI模型 GLM 5.2 Databricks Opus 编程助手开源模型

推荐理由：Databricks选了国产开源模型GLM 5.2当默认编程引擎，每花1.28美元能干出Opus 1.94美元的活，省钱了性能还不差。

原文

11:55

Sualeh Asif@sualehasif996

Grok 4.5由SpaceXAI与Cursor合作训练，是首个在单智能体迭代任务中表现优于Claude Opus的模型。用户测试反馈其速度快、反应直接且智能度高，能轻松绕过编程障碍。该模型是Grok系列首次面向软件工程之外通用场景构建。

AI模型 Grok 4.5 SpaceXAI Cursor Opus 智能体

推荐理由：Grok 4.5在单智能体场景下比Opus还强，又快又聪明，编程和对话都顺手。

原文

05:59

elvis@omarsar0

精选

Databricks联合创始人Matei Zaharia在推文中分享了内部编码智能体基准测试结果。Pi harness在Opus和GPT模型上获得相同成功率，但成本降低2倍。GLM 5.2被描述为开源编码智能体性能的一次重大进步。测试表明包括开源在内的许多模型已达到真正具有竞争力的水平。

AI模型 Pi Opus GPT GLM 5.2 编码智能体开源模型成本优化

推荐理由：Matei Zaharia刚透露Databricks实测：用Pi harness成本省一半，效果和Opus、GPT一样好；GLM 5.2这个开源模型也追上来了。

原文

05:57

Thomas Wolf@Thom_Wolf

精选

Matei Zaharia指出，在LLM推理中，使用简单的Pi harness（来自@badlogicgames）在Opus和GPT 5.5上达到了与LLM供应商提供的harness相同的成功率，但成本降低了一半。这种成本优势主要归因于更小的输入规模。该发现揭示了harness设计对性价比的巨大影响。

AI模型 Pi harness Opus GPT 5.5 成本效率模型推理

推荐理由：你知道吗？换个简单的工具就能把成本砍半，效果还不打折！Pi harness让Opus和GPT 5.5的推理省钱又高效，值得一试。

原文

7月8日

14:37

@elonmusk@elonmusk

76°

基于客户Beta测试的正面反馈，SpaceXAI宣布明天公开发布Grok 4.5。该模型被描述为Opus-class模型。相比同类模型，Grok 4.5拥有更快的速度、更高的token效率和更低的成本。

AI模型 Grok 4.5 SpaceXAI Opus

推荐理由：明天就能用上Grok 4.5了，比Opus快还便宜，想试试的别错过。

原文

7月7日

15:33

AI Will@FinanceYF5

精选

该技巧将 Fable 5（最高推理强度）设为编排器，Opus 作为深度推理子代理，Sonnet 作为机械执行子代理，Codex 作为同级资深工程师提供不同视角。配置方法是在 Claude Code 中输入 /model 将主模型设为 Fable 5，并将 reasoning / effort 调到最高。这种分工架构可减少 Fable 5 的直接调用次数，节省使用量。

技巧 Fable 5 Opus Codex Sonnet 智能体

推荐理由：教你把 Fable 5 当总指挥，用 Opus 动脑、Sonnet 动手、Codex 补视角，能省 Fable 的额度。

原文

15:08

AI Will@FinanceYF5

精选

该教程演示如何在Claude Code中使用/agents命令创建两个子代理。deep-reasoner固定使用Opus模型，负责推理密集型阶段、架构设计和复杂问题调试。fast-worker固定使用Sonnet模型，处理机械性任务、模板代码和测试。这种分工能提升开发效率，让Opus专注深度思考，Sonnet快速执行。

技巧 Claude Code Opus Sonnet deep-reasoner fast-worker

推荐理由：教你用Claude Code的/agents创建两个子代理——一个用Opus深度推理，一个用Sonnet快速干活，配合起来效率很高。

原文

15:07

AI Will@FinanceYF5

精选

Diego介绍了一个在Claude Code中创建多智能体编程工作流的配置方法：将Fable 5设为编排器（max reasoning），创建deep-reasoner子智能体（Opus）用于架构和复杂调试，fast-worker子智能体（Sonnet）处理机械任务，并安装OpenAI的Codex插件作为资深工程师视角。通过在CLAUDE.md中写入编排规则，用户可以用类似技术领导的提示词让Fable 5自动分派任务。该工作流能同时利用三个模型和Codex的并行协作，提升编码效率。

技巧 Fable 5 Opus Sonnet Codex Claude Code 编程助手智能体

推荐理由：Diego教你在Claude Code里用Fable 5指挥Opus、Sonnet和Codex，像带团队一样写代码，省心又高效。

原文

7月4日

21:56

AI Will@FinanceYF5

精选

本教程教你如何在 Claude Code 中将模型设为 Fable 5，并开启 Max 推理模式。通过指示 Claude 运行动态工作流，让 Fable 5 充当编排者（orchestrator），Opus 负责推理重阶段。这样可以避免频繁触及使用限制，同时最大化利用 Fable 5 的调度能力。适用于需要高效分配模型资源的任务场景。

技巧 Fable 5 Claude Code Opus 工作流推理模型

推荐理由：想省限额又发挥 Fable 5 的调度能力？让 Fable 5 当大脑、Opus 干活，效率拉满。

原文

21:29

AI Will@FinanceYF5

精选

该教程介绍如何将 Fable 5（max reasoning 模式）设为主编排器，Opus 专用于深度推理子代理，Sonnet 负责机械任务子代理，Codex 作为同行高级工程师。步骤包括在 Claude Code 中通过 /model 切换模型、用 /agents 创建两个子代理、安装 OpenAI 官方 Codex 插件并配置 /codex:setup。在 CLAUDE.md 中写入编排规则后，用特定提示词指示 Fable 5 像技术负责人一样分配任务。此工作流可节省 Fable 5 的使用次数，同时利用 Opus 和 Codex 并行处理高难度决策。

技巧 Fable 5 Opus Codex 工作流智能体

推荐理由：一个Twitter用户分享了用Fable 5编排Opus和Codex的实战技巧，配置简单，能同时调用多个模型节省成本，适合需要深度推理+代码执行的任务。

原文

18:29

AI Will@FinanceYF5

一位开发者制作了物理变速杆，可一键切换Claude的Haiku、Sonnet、Opus模型。Haiku处理简单任务，Sonnet用于日常工作，Opus应对深度思考。该硬件本身也由Claude构建，避免菜单切换的繁琐操作。

AI产品 Claude Haiku Sonnet Opus 硬件控制器

推荐理由：一个实用创意：用物理拨杆在Claude的Haiku、Sonnet、Opus间快速切换，省去点选菜单的麻烦。

原文

18:28

AI Will@FinanceYF5

一位开发者制作了拨杆式界面，可一键切换Claude的Fable 5挡、Sonnet和Opus模型。该工具免去菜单操作，通过拨杆快速匹配不同任务：Fable 5挡处理复杂问题，Sonnet应对日常工作，Opus用于深度思考。这个界面本身也是用Claude构建的。

AI产品 Claude Sonnet Opus Fable 模型切换

推荐理由：这个拨杆工具让你像换挡一样在Claude模型间切换，省去菜单翻找，而且它自己就是Claude写的，挺有意思。

原文

7月2日

06:48

Suhail@Suhail

Suhail 指出未来12个月“每任务成本”将是更有意义的指标。Alex Atallah 以 Terminal-Bench 为例，用 Claude Haiku 和 Opus 运行15个任务子集，结果显示 Haiku 成本是 Opus 的10倍，说明价格/代币不等于成本/任务。这提醒开发者关注实际任务开销而非单价。

行业 Haiku Opus 成本衡量 Terminal-Bench

推荐理由：别只看 token 单价了，朋友。同样跑15个任务，Haiku 比 Opus 贵10倍。这提醒我们，算成本要看任务总花费。

原文

7月1日

03:00

官方账号Decoder@Matthias Bastian

76°

Anthropic推出Claude Sonnet 5，在GDPval-AA v2知识工作测试中得分1,618，超越前代Sonnet 4.6和更贵的Opus 4.8。该模型在网络安全任务上得分远低于美国政府当前封锁的模型。Sonnet 5进一步缩小了与Opus系列的价格-性能差距。

AI模型 Claude Sonnet 5 Anthropic Opus 基准测试 AI安全

推荐理由：Anthropic的新模型Sonnet 5，基准测试上超过自家大哥Opus 4.8，价格还更低，挺能打的。

原文

6月28日

23:45

Aadit Sheth@aaditsh

Elon Musk 宣布 Grok 4.5 基于 1.5T 参数的 V9 基础模型，并加入 Cursor 代码数据进行补充训练，已在 SpaceX 和 Tesla 内部私有 beta 测试。早期评估显示其性能接近甚至可能超过 Opus 模型，RL 持续优化模型。SpaceX 计划今年每月发布一个完全从零训练的新模型。目前 Cursor 拥有 700 万日活开发者，多数因使用 Claude 开始使用 Cursor。

AI模型 Grok 4.5 Cursor SpaceX Opus 代码生成

推荐理由：Grok 4.5 用 Cursor 数据训练，性能直逼 Opus，而且 SpaceX 要每月发新模型，代码圈和 AI 圈都该看看。

原文

19:09

19:09IT之家（博客/媒体）

71°

马斯克称 Grok 4.5 基于 1.5 万亿参数的 V9 基础大模型，并引入 Cursor 数据训练。该模型已在 SpaceX 和特斯拉内部测试，早期评测显示其性能接近甚至有望超越 Opus 模型。马斯克还透露 SpaceX 今年每月推出一批完全从零训练的新模型。Grok 4.5 的强化学习及调度框架仍在持续迭代。

AI模型 Grok 4.5 SpaceX 特斯拉 Opus 基础模型

推荐理由：Grok 4.5 用了 1.5 万亿参数和 Cursor 数据，内部测试已接近 Opus，想了解马斯克最新大模型进展可以看这篇。

原文

6月27日

13:28

lmarena.ai@lmarena_ai

精选

Agent Arena通过代码编写、幻灯片制作等真实任务评估模型性能。Opus 4.8 Thinking每会话消耗较少token，质量提升+9.2%；Fable达到+14.1%的最高质量。GPT-5.5系列模型（+6.2%至+8.6%）以更少token超越前沿。Gemini-3.5 Flash消耗token最多但效果不佳，Grok Build 0.1消耗20K+ token却出现负提升。

AI模型 Agent Arena Opus Fable GPT-5.5 推理模型

推荐理由：想找token性价比高的模型？Agent Arena告诉你Opus和Fable有多能打，GPT-5.5也很省token。

原文

12:21

官方账号Nous Research@NousResearch

精选

NousResearch发布Hermes Agent，通过暴露MoA预设作为虚拟模型，提供超越公共前沿的能力。在即将发布的基准测试上，Hermes Agent比Opus 4.8高8%，比GPT 5.5高11%。该模型目前被限制访问，仅授予少数人。

AI模型 Hermes Agent Opus GPT 5.5 NousResearch 智能体

推荐理由：Hermes Agent的MoA虚拟模型比Opus 4.8和GPT 5.5都强，分别高8%和11%，不过目前只能少数人用。

原文

6月26日

10:02

shao__meng@shao__meng

71°

Snowflake CEO使用103个dbt任务对GLM和Opus进行3轮测试。GLM原始token消耗860M，Opus 439M，差距约2倍。差距源于GLM平均轮次99次（Opus 80次）、工具调用为原子化（Opus批量化）、缓存命中率53%（Opus 96%）。尾部失败案例主导均值：少数任务中GLM陷入400+次调用。归一化到90%缓存率后，GLM成本$1.12/session，Opus $2.14/session，GLM便宜48%。

AI模型 GLM Opus Snowflake 推理模型成本对比

推荐理由：Snowflake CEO用103个真实任务实测GLM和Opus，发现调整缓存后GLM成本不到Opus一半，适合注重预算的团队。

原文

6月25日

05:39

lmarena.ai@lmarena_ai

71°

GLM-5.2 (Max) 在 Code Arena: Frontend 排名第二，仅次于 Fable 5，但击败了 Claude Opus 4.8 (Thinking) 和 Opus 4.7 (Thinking)。对 Kimi-K2.6 胜率 61.0%，对 Sonnet 4.6 胜率 59.4%，对 Opus 4.7 (Thinking) 胜率 55.0%。最接近的挑战来自 GPT-5.5 (xHigh)（41.7% vs 40.0%）和 Opus 4.6（47.0% vs 42.4%）。与前任 GLM-5.1 打成平手（45.5% - 45.5%）。在 Brand & Marketing、Data & Analytics 等多项子类别中排名第一。

AI模型 GLM-5.2 Opus Kimi-K2.6 代码生成前端开发

推荐理由：GLM-5.2 在前端任务上干掉了 Claude Opus 系列，对 Kimi 和 Sonnet 胜率超 60%，开源模型里相当能打。

原文

6月23日

12:04

官方一手arXiv: DeepSeek@Haifeng Wu, Srinivasan Manoharan, Fangbo Tu, Junhua Zhao, Jian Wan

精选

RLM-Cascade是一个代理层投机解码系统，在响应级别优化LLM API调用。它使用DeepSeek作为草稿模型、Opus作为验证模型，并通过轻量复杂度路由器选择路径。在Claude Code生产环境中，系统达到88.8%的草稿使用率，API成本相比直接使用Opus降低45.8%。P50延迟从3698毫秒降至2026毫秒，实现1.83倍加速。在20个Code/Math/Instruct任务基准上，RLM-Cascade通过率达100%，高于Opus的95%。

AI模型 RLM-Cascade DeepSeek Opus 投机解码智能体

推荐理由：这个系统把DeepSeek和Opus组合起来，用投机解码省了近一半API成本，还快了一倍，质量也有提升，而且开源可部署。

原文

6月17日

14:19

14:19IT之家（博客/媒体）

73°

Anthropic 于 5 月 13 日宣布，Claude Agent SDK（包括通过第三方应用及 'claude -p' 调用）的计费方式将从标准订阅调整为按 API Token 用量计费，原定 6 月 15 日生效。开发者 Matthew Diakonov 分析，若以 Opus 模型作为主编码助手，第一周就会超过盈亏平衡点。代码编辑器 Zed 团队也警告用户这是一次“重大成本增加”。Anthropic 于 6 月 15 日更新支持页面，宣布暂停该变更，并表示目前没有任何变化。

行业 Anthropic Claude Agent SDK Opus 智能体计费政策

推荐理由：Anthropic 听取了开发者意见，暂停了 Claude Agent SDK 的 Token 计费变更，避免了成本飙升。如果你在用这个 SDK，现在可以松口气了。

原文

6月16日

13:35

宝玉@dotey

宝玉(@dotey)介绍了其日常整理AI资讯的Skill「info-digest」，该Skill基于Claude网页版+Opus 4.6生成初稿，再人工校验微调后发布到X和微博。提示词设计要点包括：从读者关心角度写作、联网检索做事实核查、交代背景信息、生成格式适配平台（纯文本、短小精炼）。完整Skill提示词开源于GitHub仓库JimLiu/Illustrated-Agent-Skill。

技巧 Claude Opus GitHub 提示词工程写作技巧

推荐理由：宝玉分享了他写AI资讯的Skill，提示词设计思路很实用——怎么让AI生成读者想看的内容、怎么联网查证避坑。

原文

6月12日

13:20

AI Will@FinanceYF5

Dan McAteer 分享了一种在 Claude Code 中高效使用 Claude Fable 的方法：将模型设置为 Fable 5，推理模式设为 Max，并让 Fable 作为编排者，Opus 负责推理重任务。这样能避免频繁触发使用限制，同时发挥各模型优势。该方法适用于需要复杂推理和长流程的自动化场景，能显著提升效率。

技巧 Claude Code Fable Opus 模型编排最佳实践

推荐理由：做复杂自动化流程的开发者，用这个方法能避开 Fable 的限额瓶颈，让 Fable 当调度、Opus 干重活，效率翻倍，值得一试。

原文

5月23日

02:47

AI Engineer@aiDotEngineer

精选

Codex Spark生成代码速度达1200 tokens/秒，而Sonnet和Opus仅40-60 tokens/秒，快了约20倍。Cerebras的@MilksandMatcha指出，若开发者习惯不佳，更快速度只会导致更快生产坏代码。他提供了实用指南视频，帮助适应高速生成。

技巧 Codex Spark Sonnet Opus Cerebras 编程助手

推荐理由：Cerebras教你避免快速写坏代码

原文

5月18日

17:42

AI Will@FinanceYF5

Anthropic 内部工程负责人已几乎不再亲自写代码，而是依赖其模型 Opus 完成主要编码工作，自己仅负责编辑和审查。这表明 AI 编程能力已接近替代初级工程师的日常任务。虽然目前软件工程师仍有价值，但随着模型能力持续提升，这种角色转变可能加速。该趋势对开发者职业规划和技术团队分工有深远影响。

行业 Anthropic Opus AI 编程软件工程师职业转型

推荐理由：AI 编程正在从辅助工具变成主力，做软件开发的团队和个人需要重新思考自己的角色定位——是继续写代码还是转向编辑和架构设计，建议点开看看这个真实案例。

原文

5月17日

01:41

berryxia@berryxia

Slides Arena 发布了基于 370 万+ 真实创作者使用场景的 Agentic Slides 排行榜，Anthropic 的 Opus 4.7 包揽前两名，智谱的 GLM 5.1 位列第三。该排行榜基于真实世界的幻灯片生成场景，强调逻辑、创意和设计感，而非实验室 benchmark。结果显示 Claude 在 Agentic 设计领域仍具领先优势，但 GLM 表现亮眼。

AI产品 GLM Opus Agentic Slides PPT设计排行榜

推荐理由：做 PPT 设计或 Agentic 内容生成的团队，这份基于 370 万真实场景的排行榜值得参考——GLM 5.2 能紧追 Opus 4.7，说明国产模型在创意密集型任务上已有竞争力，建议点开看看完整榜单。

原文