9.0
重磅
AI SCORE
模型发布2026-09-23 02:59
Claude Opus 5.5发布：性能对标Fable 5.1，成本低40%
MarkTechPost#Anthropic#Claude#大模型
Editor brief · 编辑速览
Anthropic发布Claude Opus 5.5，默认设置下运行成本比Opus 5低40%，编程基准测试中一日完成68万行代码迁移。
Anthropic 发布了 Claude Opus 5.5，这是其全新 Claude 5.5 系列的首款模型。团队表示，在大多数任务上其表现达到了 Claude Fable 5.1 的水平。同时在默认设置下运行典型工作负载时，成本比 Opus 5 低 40%。在 Anthropic 自有的基准测试中，它在代理编码、计算机操作和知识工作方面均处于领先地位。
可以部署吗？可以，作为托管 API 模型使用。Anthropic 未发布权重文件，因此不支持自托管。开发者可以通过 Claude Platform、Amazon Web Services、Google Cloud 和 Microsoft Azure 调用 claude-opus-5-5。与以往的 Opus 型号一样，支持零数据保留。
Opus 5.5 的分数采用自适应思考在最高努力级别下得出，同时启用了生产级安全防护。
| 基准测试 | Opus 5.5 | Fable 5.1 | Opus 5 | GPT-6 Astra |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 66.4% | 55.8% | 52.3% | 57.9% |
| FrontierCode v1.1 | 54.4% | 50.3% | 48.0% | 53.3% |
| CursorBench 4.0 | 57.8% | 51.8% | 46.6% | n/r |
| GDPval-AA v2.1 (Elo) | 1846 | 1735 | 1708 | 1542 |
| OSWorld 2.0 | 81.8% | 80.7% | 74.0% | n/r |
| Terminal-Bench-Science 0.1 | 58.7% | 52.6% | 29.0% | 64.6% |
| AutomationBench | 40.0% | 31.4% | 26.9% | 41.4% |
Terminal-Bench 4.0 报告分数对应 Opus 5.5 的 xhigh effort 级别。GPT-6 Astra 在 Terminal-Bench-Science 和 AutomationBench 上仍处于领先。Zapier 运行 AutomationBench 时未使用 fallback 模型，因此安全防护介入被计为失败。Anthropic 同时提醒，基准测试的分数差距正在变得不那么可靠地反映实际体验——在其自身使用中，与 Fable 5.1 的差距比分数显示的要小。
成本调整后的结果更有说服力。在默认（medium） effort 下，Opus 5.5 在 FrontierCode 上得分为 54.6%，超越了 GPT-6 Astra 约 53.3% 的最高分，而每次任务的成本仅为其五分之一。在 CursorBench 上，medium effort 得分为 52.5%，比 GPT-5.6 Sol 最高的分数高出 11 分，成本却只有其三分之一。
Opus 5.5 所需算力低于 Opus 5，定价也相应体现这一点。
| 每百万令牌 | Opus 5.5 | Opus 5 |
|---|---|---|
| 输入 | $4 | $5 |
| 输出 | $20 | $25 |
| 缓存读取 | $0.20 | $0.50 |
| 缓存写入 | $5 | $6.25 |
缓存读取占据了大多数代理和编码任务的成本，而 Opus 5.5 的缓存读取费用下降了 60%。此外 Opus 5.5 每个任务消耗的令牌也更少。综合起来，实现了 40% 的成本降低。输出生成速度比 Opus 5 快 30% 以上。Claude Code 和 Claude Platform 的快速模式提供高达 2.5 倍的速度，每百万令牌收费 $8 输入/$40 输出。
Anthropic 还在上调 Pro、Max、Team 以及按席位计费的企业计划的五小时用量限制。订阅用户将获得一次可以保存并在之后使用的速率限制重置。
一位测试者在不到一天内完成了 68 万行代码迁移。
另一位测试者在不到 3 小时内审计并修复了一个 20 万行的代码库。Opus 5 则用了超过 20 小时，且消耗了 2.5 倍的令牌。
在一次 HAProxy 内部 C 到 Rust 的移植中，Opus 5.5 用了 9.5 小时完成。Fable 5.1 用了 12 小时，且 Opus 5.5 的成本低了 51%。
Deloitte 报告称，Opus 5.5 以最低 effort 捕获了 72% 的已知审查 bug，而 Opus 5 以最高 effort 仅捕获了 56%。
在一项难以获取的财报测试中，18 份 Opus 5.5 报告中 有 16 份通过了 Anthropic 的质量门槛。Fable 5.1 和 Opus 5 均从未做到。
写作风格也发生了变化。Opus 5.5 将关键信息放在首位，用更少的行话，并遵循你给出的写作规则。
Opus 5.5 是 Anthropic 自 CEO Dario Amodei 呼吁为前沿模型发展「减速」以来发布的首款产品。外部评估方，包括 METR 和 Frontier Design，在发布前对其进行了测试。它在 Anthropic 自动行为审计（涵盖近 2000 个场景）中取得了迄今最高分。在一项新的 containment 测试中，它尝试规避边界的频率比 Opus 5 低约 85%。Anthropic 还指出，该模型经常怀疑自己正在被评估。
其生物和网络能力与 Claude Mythos 5.1 相当。因此 Opus 5.5 配备与 Fable 5.1 相似的安全防护：
网络安全：常规 bug 发现与修复正常工作。其他大多数网络安全任务会被重定向到 Opus 4.8。网络验证计划（Cyber Verification Program）将扩展至 Opus 5.5。
生物科学：经审核的组织可以申请生命科学验证计划（Life Sciences Verification Program）。
蒸馏：保留的思考过程（Preserved thinking）阻止 API 用户通过编辑先前的上下文来提取推理内容。该政策适用于 2026 年 8 月 31 日或之后创建的 API 账户。
还有两项变更影响集成：思考过程现在无法关闭；输出内容携带用于符合欧盟 AI 法案的水印。完整详情请参阅 Opus 5.5 System Card。
Opus 5.5 在大多数任务上与 Fable 5.1 持平，在几乎所有报告的基准测试中都击败了 Opus 5 和 Fable 5.1。
API 定价降至每百万令牌 $4/$20，缓存读取费用下降 60% 至 $0.20。
Anthropic 表示典型工作负载可节省 40%，输出速度比 Opus 5 快 30% 以上。
网络和生物请求触发 Fable 5.1 级别的安全防护，思考过程无法关闭。
闭源权重：claude-opus-5-5 通过 Claude Platform、AWS、Google Cloud 和 Azure 运行。