“写笔记”支持四种格式——Word 文档、Excel 表格、Markdown、纯文本，起稿或二次编辑时都能随时切换，同一篇笔记想用哪种形态来记，都由你说了算。
md、txt、csv、json 这类纯文本则原样载入，不做多余加工。拿一张现成的表倒进来、改几笔、再导出去，等于白用一台免费的格式转换器。
要带走就在右上角点“下载”，可导出 PDF、Word、Markdown、Excel、TXT 等格式；列表卡片“⋯”菜单里，也有同样的下载入口。
在“工具”页点“＋ 上传工具”即可发布：填好名称与链接，再用 Markdown 把使用方法写清楚——能解决什么问题、怎么装、怎么用，比堆介绍实在。
要分发安装包就一并上传压缩包（ZIP、RAR、7Z、TAR.GZ，最大 35MB），别人在详情页一键下载；只放链接不带附件也可以。
工具按大家的收藏热度排序，好用的自然会被顶上来。发布后可在详情页或卡片菜单里编辑、下架。
写笔记时勾上“隐藏”，这篇就只存在于你自己的账号里：不进列表、不进搜索、不上首页精选，也不会出现在任何公开的页面，链接发给别人同样打不开。
适合放密码、草稿、日记这类只给自己看的内容；想公开，去“发布”打开它，把“隐藏”的勾去掉再保存，之后编辑会默认保持原状态，不会悄悄变回公开。
你的内容会同时保存在多个副本上，系统定期做备份与完整性校验，再配合异地容灾机制：就算某台机器出问题，数据也不会丢，可以长期放心存放；特别重要的资料，仍建议你另外再留一份备份。
全站跑在容器化、模块化的现代架构上，更新、部署、回滚都很快，扩展性和稳定性都按长期运营的标准来设计（Built for reliability, designed to scale）。
这个网站最早只是一个人的笔记仓库，后来慢慢长成现在的知识中枢。设计上很克制——没有广告、没有追踪、没有推荐算法，只是干干净净地存放一些东西；既然做好了，就公开出来，万一有人用得上呢。
不做大而全，不做平台梦，保持简单、保持克制、保持好奇。所有内容都由用户贡献、由用户维护：不会突然冒出付费墙，不会在角落塞广告位，也不会把你的数据卖给第三方。
产品会持续迭代，站内日志页记录着每一次改动，改了什么都有迹可循；想了解这个站是怎么一步步走到今天的，翻翻日志就能看到来龙去脉。
如果在这里看到涉嫌违规的内容，点对应卡片右侧的“举报”按钮就能提交，我们会尽快核实处理；也谢谢你花一点时间，一起把这里维护干净。
Claude Opus 5 深度解析：半价逼近前沿智能的日常化模型
Claude Opus 5 以一半成本接近 Claude Fable 5 的前沿智能，在编码与知识工作基准上创下新 SOTA，成为日常使用的默认模型。
引言：Opus 系列的新定位
2026 年 7 月 24 日，Anthropic 正式发布 Claude Opus 5。这次发布不同于以往简单的性能迭代——它明确将 Opus 系列从"最强但昂贵"的定位转向"日常生活默认工作horse"。核心策略是：在保持 Opus 4.8 同等成本的前提下大幅提升性能，同时以接近旗舰模型 Fable 5 的智能水平、一半的价格切入市场。它是 Claude Max 计划的默认模型，也是 Claude Pro 上最强的可用模型。
这一策略背后反映了 AI 厂商对市场需求的深刻洞察：多数用户需要的不是极限智能，而是可靠、可负担、可日常依赖的智能。Opus 5 正是为此而生。
性能与成本效益：一张图看懂 Effort 设置
Anthropic 在发布材料中特别强调了一个设计维度——effort setting（努力程度设置）。用户可主动调节模型投入的推理计算量，以在"更高智能"与"更低 token 消耗/更快速度"之间做权衡。文档中的图表展示了随着 effort 从低到高（low → high → xhigh → max），模型在各类基准上的性能曲线。
编码基准：全面领先
在 Frontier-Bench v0.1（Anthropic 内部高难度软件工程真实任务基准）上，Opus 5 超过所有竞品，其低 effort 输出就超过 Opus 4.8 的两倍多，且单任务成本更低。
在 CursorBench 3.2（针对 AI 编程助手 Cursor 场景的基准）上，Opus 5 在 max effort 下与 Fable 5 的峰值差距仅 0.5%，但单任务成本只有后者一半。更重要的是，在所有 effort 档位（high、xhigh、max），同一成本下 Opus 5 的得分都高于其他模型。
其他编码相关结果：
- AA Coding Agent Index（专门衡量 agentic coding 能力的指数）中，Opus 5 同样登顶。
- 早期客户在 Devin 平台上反馈：Opus 5 在困难调试和根因分析任务上表现格外突出。
- 在 FrontierCode 1.1 上，Opus 5 以一半成本达到接近 Fable 的水平。
知识工作与抽象推理：拉开代差
ARC-AGI 3：要求模型解决从未见过的新颖问题（抽象推理极限测试）。Opus 5 的得分是次优模型的 3 倍。这是目前公认最能拉开模型代差的基准之一。
Zapier AutomationBench（衡量模型从头到尾完成企业业务任务，如数据整理、客户通知、报告汇总）：Opus 5 在相同的单任务成本下，通过率约为次优模型的 1.5 倍。即便在最低 effort 档，它通过的测试也超过所有其他模型的任意档位。
OSWorld 2.0（计算机使用基准，考核模型操作 GUI 完成真实任务）：Opus 5 在任意给定成本下超越所有模型，且仅在 Fable 5 最佳成绩三分之一的成本下就刷新了纪录。
其他 Opus 5 登顶且成本最优的评估还包括：HLE（人类最后考试）、AutomationBench、DeepSearchQA、GDPval-AA v2（GDP 估值任务）等。
科学研究能力：生命科学全面跃升
Opus 5 相比 Opus 4.8 在科学研究上是实质性进步——在 Anthropic 覆盖结构生物学、有机化学、生物信息学的所有生命科学内部基准上均表现更优。
最显著的提升在：
- 有机化学：从光谱数据推断分子结构（内部基准得分比 Opus 4.8 高 10.2 个百分点）
- 蛋白质相关任务：预测序列变体对蛋白功能的影响（得分高 7.7 个百分点）
一位早期客户（从事基因组学分析）如此评价："Claude Opus 5 的行为比我们跑过的任何模型都更像一位严谨的科学家——它会主动选择合适的统计检验来排除混杂变量，用独立方法交叉验证自己的结果，并在漫长的多步分析中不偏离轨道。"
主动性与彻底性：自我验证的 Agent
Opus 5 最大的行为变化在于验证工作并迭代直到成功的能力。Anthropic 在评估和早期测试中记录了大量案例，这里摘录几个最具代表性的：
案例一：为自己写视觉管线的机械制图重建
在 Frontier-Bench 的一个任务中，模型拿到一张机器零件图纸，被要求写代码重建为一个 3D FreeCAD 模型。但测试设计者故意不给模型任何直接查看图纸的途径。Opus 5 的应对方式是：自己编写一套完整的计算机视觉管线，直接从原始像素中提取几何信息，然后重建整个零件。它能反复成功；相同设置下的竞争模型尝试五次均未能解决。
案例二：修复社区未发现的边界情况
面对一个流行开源包管理器中的真实 bug，Opus 5 不仅找到根因，还修复了社区补丁所遗漏的边界情况。作为对比，某竞争模型只修复了表面症状（而非根本原因），并报告称 bug 已解决。
案例三：单会话构建完整市场数据管道
一位交易公司的工程师让 Opus 5 为一个新交易所构建市场数据馈送系统。前代模型即便在工程师提供详细规划的情况下也完全无法完成。由于找不到现成的数据流来验证，Opus 5 竟然自行构建了一个测试框架，来验证其代码能正确解析交易所的数据。
案例四：周末担任"幕僚长"接管开发环境
一位客户反馈："整个周末我让 Opus 5 担任开发环境的幕僚长——它自己构建监控器，驱动每台机器，只在需要人为判断时才叫我介入。"
客户实战反馈精选
Anthropic 公布了多个早期客户的详细反馈，以下是关键信息的结构化提炼：
| 客户/场景 | 核心反馈 |
|---|---|
| Zapier 测试 | 模型拿到一份未加工的健康度工作簿，端到端完成完整的流失预防流程：标记高风险账户、提醒负责人、汇总给留存运营。此前模型从未通过，Opus 5 通过率 100% |
| 内部客户（agent 平台） | 在自家最难 agentic 编码任务上比 Opus 4.7 提升 22%，且逐次运行方差显著降低——一致性是大规模产品化关键 |
| Lovable（数百万开发者平台） | 称其为 Opus 家族自 4.5 以来最大飞跃，前端动画、游戏和 3D 作品是 Opus 系列见过最好的 |
| 金融研究客户 | 开放型分析工作上比 Opus 4.8 严格升级，"最难、最模糊的任务上增益最大"，响应更清晰简洁，高 effort 下效率也更高 |
| 财务建模客户 | 比 Opus 4.8 准确率平均高 9 个百分点，且少用三分之一的 turn/工具调用，时间节省 60%，"性能下限高得多" |
| Box 企业级评估 | Opus 5 比 Opus 4.8 综合高出 8%，数据分析工作流提升 11%，尽职调查工作流提升 17% |
| 前端开发评价 | 能像真实前端工程师一样检查自己的工作，在浏览器中打开页面验证 |
一位客户总结道："Opus 5 在大规模代码库（如基础研究助手代码库）上完成我们平时会拆成更小部分的改动，在 agentic 流程中还能根据反馈持续调整，推理解释比我们用过的任何模型都清晰。"
视觉输出能力：从气流到细胞结构
显式视觉能力并非本次发布重点，但 Opus 5 也确实展示出更强的视觉输出水准。Anthropic 给出两个互动示例：
- 风洞模拟：可视化空气流过空气动力学（及非空气动力学）物体的流动。官方推出可调设置的互动风洞工具。
- 细胞结构互动图解：构建了简化的细胞交互式插图，可探讨其内部元素。
横评总结与定位分析
若将 Opus 5 放入 Anthropic 产品光谱：
- Mythos 5（可能为旗舰或安全特化模型）在网络安全任务上仍领先
- Fable 5（前沿性能标杆）在极值分数上仍最高
- Opus 5 则占据"前沿智能的性价比甜蜜点"——接近 Fable 的智能，一半的成本，Opus 级别的速度
对一个正在将 AI 从"演示工具"推进为"日常生产力伙伴"的产业而言，稳定性与收敛性往往比峰值性能更紧迫。多位客户不约而同地提到"一致性"（低方差）和"能处理更模糊、更开放的任务"，这恰恰是 agentic AI 走向规模化所必需的品质。
在基准方面，值得注意 Opus 5 在 ARC-AGI 3 上获得3倍于次优模型的成绩——当模型开始能系统性解决"之前从未见过的问题类型"时，这正是通往更通用智能道路上一个值得记录的路标。