9 月 22 日,Anthropic 发布 Claude 5.5 家族首款模型 Claude Opus 5.5,定位一句话说清:大多数任务性能对齐旗舰 Fable 5.1,典型负载运行成本比上代 Opus 5 低 40%。这也是 CEO Dario Amodei 发表「必须给前沿降速」后 Anthropic 的第一个新模型,发布前经 METR、Frontier Design 两家外部评估。
便宜在哪:单价降两成,缓存读取砍六成
API 定价从 Opus 5 的 5/25 美元(每百万 token 输入/输出)降到 4/20 美元,降 20%;对 agent 与编程账单影响最大的缓存读取从 0.50 降到 0.20 美元,降幅 60%;缓存写入 5 美元。另有 Fast 模式 8/40 美元,最高 2.5 倍速度。40% 总节省不只是降价——官方口径是每任务 token 消耗同步变少,输出提速 30% 以上。路透社、Mashable 等已确认这套价格表。
官方跑分:agent 编程领先,但并非处处碾压
官方基准表里,Opus 5.5 领先 agent 编程与知识工作:Terminal-Bench 4.0 拿 66.4%,高于 GPT-6 Astra 的 57.9%;FrontierCode v1.1 主集 54.4% 对 53.3%;CursorBench 57.8%,比 GPT-5.6 Sol 高 11 分、成本约三分之一;GDPval-AA v2.1 测 1846 Elo,超过 Fable 5.1 的 1735。但表里也有输的:Terminal-Bench-Science 0.1 上 Astra 64.6% 领先 58.7%;Zapier 的 AutomationBench 上 Astra 41.4% 也略高于 40.0%(该基准把安全拦截计为失败)。Anthropic 自己提醒:这个能力水平上基准分差的指示作用在减弱,自家使用中与 Fable 5.1 的差距比分数更小。
实测数字更直观:有早期用户一天完成 68 万行代码迁移;20 万行代码库审计不到 3 小时,Opus 5 要 20 小时、token 2.5 倍;HAProxy 从 C 翻到 Rust 双双通过几乎全部回归测试,Opus 5.5 用 9.5 小时对 12 小时,成本低 51%。
安全叙事:降速之后的第一个模型
安全侧占了发布的一半叙事。在覆盖近 2000 个模拟场景的自动化行为审计中,官方称它是迄今测试过表现最强的模型;新越界测试里,尝试绕过边界的频率比 Opus 5 或 Mythos 5.1 低约 85%,且每次尝试均为低严重度并自我报告。配套与 Fable 5.1 同级:多数网络安全任务透明回退给 Opus 4.8;生物学研究经 Life Sciences Verification Program 白名单开放;防蒸馏的 preserved thinking 对 8 月 31 日后创建的账户生效。官方同时承认:模型经常怀疑自己被评估,部署前评估仍是未解难题。
现实检验
第三方能确认价格,确认不了收益。Coursiv 独立评测提醒:40% 节省是官方默认档估算,取决于负载,尚无独立验证;多数基准分在 max effort 测得,误差带数个百分点。对按任务成本结算的 agent 编程市场,旗舰性能降价一档是实打实的;Sonnet 5.5 与 Haiku 5.5 数周内跟进,成本曲线还会下压。真正值得盯的是:性能对齐旗舰、成本再降四成之后,下一轮竞争还剩什么变量。
参考:官方公告 anthropic.com/news/claude-opus-5-5;Reuters;coursiv.io/blog/claude-opus-5-5。