从Claude Opus 5看AI模型的夏普比率：性价比才是终极策略

当AI模型的性能提升曲线开始放缓，真正决定长期价值的指标是什么？

Anthropic 刚发布的 Claude Opus 5 给出了一个信号：它用 Fable 5 一半的价格（5美元 vs 25美元每百万token）提供了接近旗舰的性能，并在 ARC-AGI-3 推理基准测试中以 30.2% 的得分远超对手。这个数字本身可能不算惊艳，但结合成本来看，它揭示了一个更底层的逻辑转换——AI行业正在从“拼最大模型”转向“拼每单位成本的智能产出”。这就像量化交易里，我们不再只关注策略的绝对收益，而是看夏普比率（Sharpe Ratio）——每承受一单位风险获得的超额回报。

性能与成本：一个简单的夏普比率计算

如果我们把模型推理能力看作“收益”，把推理成本看作“风险”（或者更准确地说，是成本波动带来的不确定性），那么一个模型的“夏普比率”可以近似定义为：

Sharp_AI = (性能得分 - 无风险基准) / 成本

其中无风险基准可以设定为随机猜测或最简单的基线模型。对于 ARC-AGI-3，随机得分大约在 5% 左右。Claude Opus 5 得分 30.2%，成本 5美元/百万token。而假设某个旗舰模型（比如 Fable 5）得分 35%，成本 25美元/百万token。

计算一下：

Claude Opus 5 的夏普比率是旗舰模型的 4.2 倍。这意味着每一美元成本带来的推理能力提升，Claude 要高效得多。在量化策略中，我们不会因为一个策略年化收益 50% 就去投，如果它的最大回撤是 40%，夏普只有 0.5，那还不如一个年化 20%、回撤 5% 的策略（夏普 3.0）。AI 模型的竞争正在经历同样的范式转移。

[!note] 这里的“成本”并不仅仅是API价格，还包括推理延迟、硬件配置、能耗等隐性成本。但API价格是最直观的代理变量。

边际收益递减：从“暴力求解”到“效率优化”

ARC-AGI-3 是一个专门测试抽象推理能力的基准，要求模型在少量样本下完成模式识别。30.2% 的得分看似不高，但考虑到该基准设计上就很难被刷分，这个成绩实际意味着模型在推理效率上取得了突破。而它之所以能同时降低成本，说明 Anthropic 在模型架构或训练策略上找到了更高效的知识压缩方式。

这让我联想到高频交易中“微秒级”的竞争。当所有人都用 FPGA 和 ASIC 把延迟压到极限后，再想提升 1 微秒需要的成本呈指数增长。AI 大模型也类似——当参数规模从 1000 亿涨到 10000 亿时，性能提升可能只有 5%，但训练成本可能涨 10 倍。这种边际收益递减曲线下，谁能以更低成本获得边际性能，谁就掌握了定价权。

Claude Opus 5 的定价策略完全符合这个逻辑：它不追求在所有基准上碾压，而是找到一个“性价比最优”的点。这就像量化策略中，我们不会追求最大收益，而是追求最大夏普比率下的最优组合。

实盘要考虑滑点

在量化交易中，回测再漂亮的策略，实盘时也会被滑点、冲击成本、交易对手博弈等因素侵蚀收益。AI 模型的“实盘”也一样。

• 推理成本的实际波动：API 价格可能随供需变化，模型量化后的精度损失，并发请求下的延迟抖动，这些都会影响实际夏普比率。
• 基准过拟合风险：ARC-AGI-3 虽然设计精巧，

原文链接：Edge AI Daily 早报（7月25日）-钛媒体官方网站