ตามการติดตามของ Beating หน่วยงานประเมินผลบุคคลที่สาม Artificial Analysis ได้เปิดเผยผลคะแนนของ Claude Opus 5 โดยในดัชนีความฉลาดที่รวมการทดสอบ 9 รายการ ได้คะแนน 61 คะแนน นำหน้า Fable 5 ที่ได้ 60 คะแนนเพียงเล็กน้อย GPT-5.6 Sol ได้ 59 คะแนน และ Kimi K3 ได้ 57 คะแนน
ต้นทุนเฉลี่ยต่อภารกิจของ Opus 5 อยู่ที่ 2.03 ดอลลาร์สหรัฐ ต่ำกว่า Fable 5 ที่ 2.75 ดอลลาร์สหรัฐถึง 26% โดยสามารถครองอันดับหนึ่งในการประเมินงานด้านความรู้สองรายการ ได้แก่ GDPval-AA v2 และ AA-Briefcase และเมื่อใช้งานร่วมกับ Claude Code ก็คว้าอันดับหนึ่งร่วมในดัชนี Agent ด้านการเขียนโปรแกรม ส่วนคะแนน Terminal-Bench v2.1 อยู่ที่ 89% ซึ่งใกล้เคียงกับ GPT-5.6 Sol
โมเดลนี้มีระดับความเข้มข้นในการคิดคำนวณ 5 ระดับ ตั้งแต่ low ถึง max ผลลัพธ์ Token แตกต่างกันประมาณ 8 เท่า และคะแนน GDPval-AA v2 แตกต่างกันถึง 407 Elo ผู้ใช้สามารถใช้ Token มากขึ้นเพื่อประสิทธิภาพที่สูงขึ้น หรือลดต้นทุนลงได้ตามต้องการ
จุดอ่อนก็ชัดเจนเช่นกัน ความรู้เชิงข้อเท็จจริงของ Opus 5 ยังคงตามหลัง Fable 5 ในการทดสอบ AA-Omniscience อัตราการเกิดภาพหลอนเพิ่มขึ้นเป็น 50% สูงกว่า Opus 4.8 ถึง 14 จุดเปอร์เซ็นต์ ความคุ้มค่าในระดับการคิดคำนวณต่ำก็ยังด้อยกว่าชุด GPT-5.6 เล็กน้อย
