Anthropic深夜放大招：Claude Opus 5.5上線，任務成本大降40%

（公眾號：zhidxcom） 編譯 | 楊京麗 編輯 | 李水青 9月23日消息，今天凌晨，Anthropic發佈Claude Opus 5.5，這是Claude 5.5系列的首款模型。Anthropic稱，新模型在多數任務上的表現與Claude Fable 5.1相當，默認設置下的典型任務成本較上一代Opus 5降低40%，輸出速度提升超過30%。在官方公佈的9項測試中，Opus 5.5有7項成績領先Fable 5.1、Opus 5、GPT-6 Astra和GPT-5.6 Sol。其中，Opus 5.

5在三項編程測試中均取得最高分，但在業務流程和科研Agent測試中仍落後於GPT-6 Astra。在第三方評測機構Artificial Analysis的Intelligence榜單上，Claude Opus 5.5以58分位列第一，領先Claude Fable 5.1和GPT-6 Astra的53分。具體任務中，Anthropic披露，Opus 5.5用9.5小時完成了將負載均衡軟件HAProxy從C語言改寫為Rust的任務，成本比Fable 5.1低51%；在要求逐一核對數字和引語的財報研究測試中，其生成的18份報告有16份達標，Fable 5.1和Opus 5則均未通過。

此外，一名早期測試者使用Opus 5.5，不到一天完成了涉及68萬行代碼的遷移。價格方面，Opus 5.5每百萬輸入、輸出Token分別收費4美元（約合人民幣26.8元）和20美元（約合人民幣134元），較Opus 5下調20%；緩存讀取價格較Opus 5下降60%。與此同時，Anthropic提高了多個付費套餐的五小時使用額度，並向訂閱用戶提供一次可自行選擇使用時間的額度重置機會。Opus 5.5已上線Claude及亞馬遜雲科技、谷歌雲、微軟Azure等平臺。不過，部分專業任務仍受安全機制限制，例如大多數網絡安全任務會被轉交Opus 4.8處理。Claude Sonnet 5.

5和Claude Haiku 5.5計劃在未來幾周推出。Claude Opus 5.5發佈近2個小時後，OpenAI也推出了GPT-6 Sol和GPT-6 Luna，GPT-6“宇宙”加入新成員。一、編程成績超過Fable 5.1、GPT-6 Astra，輸入輸出價格下調20% Anthropic公佈了Opus 5.5與4款模型在9項測試中的成績，對比對象包括Fable 5.1、Opus 5，以及OpenAI的GPT-6 Astra和GPT-5.6 Sol。9項測試中，Opus 5.5有7項得分最高。智能體編程方面，Opus 5.5在Terminal-Bench 4.

0、FrontierCode v1.1和CursorBench 4.0上分別得到66.4%、54.4%和57.8%，三項都是對比模型中最高。在業務流程測試AutomationBench和科研Agent測試Terminal-Bench-Science 0.1中，其成績低於GPT-6 Astra。價格方面，Opus 5.5每百萬輸入Token收費4美元（約合人民幣26.8元），每百萬輸出Token收費20美元（約合人民幣134元），均較Opus 5下降20%。Claude Code和Claude Platform還提供Opus 5.5快速模式，Anthropic稱其速度最高可達普通模式的2.5倍。

該模式每百萬輸入、輸出Token分別收費8美元（約合人民幣53.6元）和40美元（約合人民幣268元）。二、9.5小時完成代碼改寫，財報測試18份報告中16份達標 編程方面，Anthropic重點展示了代碼遷移、代碼庫審查和性能優化等長時間任務。Anthropic稱，一名早期測試者使用Opus 5.5，在不到一天內完成了涉及68萬行代碼的遷移。另一名測試者對一個20萬行代碼庫進行審查和修復，Opus 5.5用時不到3小時；Opus 5完成該任務則超過20小時，消耗的Token是前者的2.5倍。在內部測試中，Anthropic要求Opus 5.5和Fable 5.

1將負載均衡軟件HAProxy從C語言改寫為Rust。兩者改寫後的版本均通過了HAProxy自身幾乎全部迴歸測試。Opus 5.5用時9.5小時，Fable 5.1用時12小時，前者成本低51%。另一項網頁性能優化測試要求模型降低一個Web應用所有頁面的加載時間。Opus 5.5在40次測試中成功39次。Anthropic稱，Opus 5的優化幅度較小，且改變了應用原有行為。Anthropic還比較了不同推理強度下的任務成本。Anthropic稱，在默認推理強度下，Opus 5.

5在FrontierCode上的成績超過GPT-6 Astra，單次任務成本約為後者的20%；在Terminal-Bench 4.0上達到相近成績時，成本約為後者的40%。這些比例對應特定測試設置，不能直接等同於所有實際開發任務的費用差異。知識工作方面，Opus 5.5在覆蓋44種職業任務的GDPval-AA v2.1中取得1846分，高於Fable 5.1的1735分和Opus 5的1708分。Anthropic還設計了一項財報研究測試：模型只能在一個財報公告較難找到的網頁副本環境中檢索資料，並據此撰寫公司季度業績報告。自動評分程序會逐一核對報告中的數字和引語，任何編造都會導致不達標。

在不同推理強度下，Opus 5.5生成的18份報告中有16份通過質量門檻，Fable 5.1和Opus 5則未有報告通過。另一項測試中，Anthropic要求模型分析兩家虛構人力資源軟件公司的併購交易，先用Excel建立財務模型，再生成面向管理層的演示文稿。Opus 5.5與Opus 5得出了相同的交易判斷，但前者用時63分鐘，後者用時93分鐘，前者成本低50%。Anthropic認為，Opus 5.5的財務模型更完整，演示文稿更易讀，Opus 5的結果則存在少量錯誤。三、回答更簡潔，越界嘗試降低85% 除了任務執行能力，Anthropic還調整了Opus 5.

5的寫作與溝通方式，包括優先呈現關鍵信息、減少術語和不常見表達，以及更好地遵循用戶指定的寫作規則。在官方展示案例中，兩個模型被要求解釋同一個問題，某客戶8月的賬單金額為什麼出現了額外的下降。Opus 5.5在第一句話中能夠直接給出結論，“計費系統重構導致月末賬單出現漏計”，再解釋代碼邊界條件如何產生錯誤。從篇幅來看，Opus 5.5的回答也更簡潔。安全方面，Anthropic稱，Opus 5.5發佈前接受了METR、Frontier Design等外部機構評估。在覆蓋近2000個模擬場景的自動化行為審計中，其在幾乎所有受測的不對齊行為指標上優於近期Claude模型。

在一項測試模型是否試圖突破隔離邊界的新評估中，Opus 5.5嘗試繞過邊界的頻率，較Opus 5或Claude Mythos 5.1降低約85%。按照官方描述，Opus 5.5出現的相關嘗試均被評為低嚴重程度，且模型自行報告了這些行為。提示詞注入方面，Anthropic稱，Opus 5.5在編程、工具調用、計算機操作和網頁瀏覽等受測場景中的防禦表現不弱於Opus 5。在AI安全公司Gray Swan開展的一項測試中，Opus 5.5與Fable 5.1並列取得受測模型中最低的提示詞注入攻擊成功率。不過，Anthropic同時承認，部署前評估仍無法可靠發現所有失效情況。測試中，Opus 5.

5經常疑似意識到自己正接受評估，這會增加判斷其真實部署行為的難度。針對後續模型，Anthropic計劃加強強化學習訓練環境篩選、調整對齊獎勵、增加安全訓練場景，並改進基於可解釋性的監控和評估，減少對模型所寫思維鏈的依賴。這些屬於後續安全工作方向，並非已經驗證有效的結果。四、部分安全任務轉交舊模型，訂閱額度同步提高 Opus 5.5此次上線附帶了與Fable 5.1類似的網絡安全、生物學和反蒸餾防護機制。觸發相關限制時，請求會轉交其他模型處理。網絡安全方面，用戶仍可在日常軟件開發中查找和修復代碼漏洞，但大多數網絡安全任務會被轉交Opus 4.8。

Anthropic計劃在未來幾周擴大網絡安全驗證計劃，將Opus 5.5納入其中，並設置三個不同權限等級，部分等級可使用Claude Mythos模型。生物研究方面，Anthropic稱，Opus 5.5在多個任務上的能力達到或超過Claude Mythos 5.1，因此採用了與Fable 5.1相同的生物學防護措施。受相關限制影響的學術實驗室、初創公司和藥企，可申請生命科學驗證計劃，經審核後獲得適用於更廣泛生物研究工作的訪問權限。反蒸餾方面，Opus 5.5啟用了“保留思考”（preserved thinking）機制，限制API用戶通過修改Claude此前上下文來提取模型推理。

該機制適用於2026年8月31日及之後創建的API賬戶，覆蓋Fable 5.1和Opus 5.5。數據處理方面，Opus 5.5繼續提供零數據保留選項，並加入Anthropic所稱用於滿足歐盟《人工智能法案》要求的水印措施。同時，該模型不再提供關閉思考模式的選項。Opus 5.5已上線Claude及亞馬遜雲科技、谷歌雲、微軟Azure等平臺，開發者可通過模型標識claude-opus-5-5調用。訂閱方面，Anthropic提高了Pro、Max、Team及按席位計費的Enterprise套餐的五小時使用額度。訂閱用戶還將獲得一次使用限額重置機會，可保留至需要時使用。

結語：長任務的效率與成本成為升級重點 Opus 5.5此次更新的主要變化，是在提高部分編程和知識工作測試成績的同時，也著重降低了完成任務所需的時間和費用。對於需要持續運行的Agent，這些變化直接關係到實際使用成本。不過，官方測試中的優勢能否延續到真實業務中，還取決於任務複雜度、結果準確性，以及安全限制對任務執行的影響。來源：Claude