Claude Opus 5.5 发布
Anthropic 称 Opus 5.5 在大多数工作上达到 Fable 5.1 的水平，运行成本比 Opus 5 低约 40%，并在其对齐审核中取得所有模型的最好成绩。同一天，OpenAI 发布了 GPT-6 Sol 和 GPT-6 Luna。
发生了什么
9 月 22 日，美国 AI 公司 Anthropic 发布了新模型 Claude Opus 5.5。它是 Claude 5.5 系列的第一个型号，官方说更小、更便宜的 Sonnet 5.5 和 Haiku 5.5 会在之后几周陆续推出（Sonnet 5.5 已于 9 月 28 日发布）。
Anthropic 用一句话概括这次发布：Opus 5.5 在大多数工作上的表现达到 Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。
同一天，OpenAI 也发布了 GPT-6 Sol 和 GPT-6 Luna 两个型号。下文提到的跟 OpenAI 的比较，是 Anthropic 公告中与 GPT-6 Astra 和更早的 GPT-5.6 Sol 的对比，不包括同日发布的这两个新型号。
它比上一代强在哪
Anthropic 用一批公开的评测来比较模型。最常被引用的是 Terminal-Bench 4.0：让 AI 在电脑的命令行里独立完成一连串专业任务，比如配置服务器、修复程序、处理数据。它衡量的不是「会不会回答问题」，而是「能不能自己把一件事做完」。
GPT 系列的分数由 OpenAI 公布，Anthropic 转引；Opus 5.5 的标准误约 ±2.6 个百分点。 来源：Anthropic《Introducing Claude Opus 5.5》，2026-09-22
在另外几项测试中，Opus 5.5 也排在第一：
| 评测 | 测的是什么 | Opus 5.5 | 对比 |
|---|---|---|---|
| OSWorld 2.1 | 像人一样操作电脑桌面和软件 | 81.8% | Fable 5.1：80.7% |
| 人类最后的考试（可用工具） | 各学科专家出的高难度问题 | 67.7% | Fable 5.1：65.6% |
| GDPval-AA v2.1 | 44 种职业的真实工作任务 | 1846 分 | Fable 5.1：1735 分 |
| CursorBench 4.0 | 真实编程场景中的模糊需求 | 57.8% | GPT-5.6 Sol：41.7% |
也有它没赢的项目：在 Zapier 的商业流程测试 AutomationBench 上，GPT-6 Astra 是 41.4%，略高于 Opus 5.5 的 40.0%；在科研类测试 Terminal-Bench-Science 上，GPT-6 Astra 是 64.6%，高于 Opus 5.5 的 58.7%。
来源：Anthropic《Introducing Claude Opus 5.5》，2026-09-22
更便宜，也更快
这次升级最实在的部分是成本。Anthropic 说 Opus 5.5 运行所需的算力比 Opus 5 少，价格也随之下调；同时它完成同一件事用的「字数」（token）更少，两者叠加，日常使用的总成本下降约 40%。
- 典型使用成本（对比 Opus 5）
- −40%
- 输出速度（对比 Opus 5）
- 快 30%+
- API 价格（每百万 token 输入/输出）
- $4 / $20
- 缓存读取价格（对比 Opus 5）
- −60%
来源：Anthropic 官方公告。Opus 5 的价格为输入 5 美元、输出 25 美元。
对订阅用户来说，Anthropic 同时提高了 Pro、Max、Team 等套餐的「每 5 小时用量上限」，还额外送了一次可以自己选择时间使用的额度重置。
实际能做什么：官方和早期测试者举的例子
跑分之外，Anthropic 在公告里列了一些具体案例。这些例子由公司或合作方提供，没有经过独立核实，但能帮助理解「它能做到什么程度」：
- 大规模改代码：一位测试者用它在不到一天内完成了 68 万行代码的迁移，官方称这原本需要一个工程团队花几周。
- 重写一款知名软件：Anthropic 内部让 Opus 5.5 和 Fable 5.1 把负载均衡软件 HAProxy 从 C 语言改写成 Rust。两者都通过了几乎全部原有测试，Opus 5.5 用了 9.5 小时（Fable 5.1 用了 12 小时），花费少 51%。
- 写有数据支撑的报告：让模型只靠网络上能找到的资料，写一份公司季度业绩报告，自动评分程序逐一核对每个数字和引语。18 次尝试中，Opus 5.5 有 16 次达标（只要编造一个数字就算不达标）；Fable 5.1 和 Opus 5 一次都没有达标。
- 做商业分析：分析两家虚构公司的合并方案，在 Excel 里建财务模型，再做成管理层演示文稿。Opus 5.5 用了 63 分钟，Opus 5 用了 93 分钟，成本低一半。
Anthropic 还特别提到写作风格的改进：Opus 5 曾被用户反馈说话绕、术语多，Opus 5.5 会把最重要的信息放在前面，更容易读懂和检查。
安全方面
发布前一周，Anthropic 首席执行官 Dario Amodei 发表文章，主张 AI 的进展应该「控制节奏」（pace），让安全措施跑在能力前面。Opus 5.5 是这之后公司发布的第一个模型。（同一思路更早的一次公开表达，是 7 月 1100 多名 AI 从业者联署的公开信，见《调控前沿速度》。）
公告中与安全有关的要点：
- 发布前由外部机构 METR 和 Frontier Design 做了测试；
- 在公司最主要的对齐测试（近 2000 个模拟场景的自动行为审核）中，它在几乎所有「不当行为」指标上都好于近期的 Claude 模型，更少做出难以撤回的操作或越出给定权限；
- 在一项专门测试「是否会试图突破隔离边界」的新评估中，它尝试越界的频率比 Opus 5 和 Mythos 5.1 低约 85%，而且每次尝试都属于低严重度，并由它自己主动报告；
- 因为它在生物和网络安全方面的能力接近 Mythos 5.1，所以默认带着和 Fable 5.1 类似的安全限制。触发限制时，网络安全类任务会改由 Opus 4.8 完成，生物类任务由 Opus 5 完成。经过审核的机构可以申请放宽。
需要注意的地方
- 分数来自厂商自己。 表中的数字都出自 Anthropic 的公告；GPT 系列的分数是 Anthropic 转引 OpenAI 公布的数字，测试条件不完全相同。
- 官方也说分差不代表一切。 公告原话是：在这个能力水平上，评测分差「已经不太能可靠地反映」真实差距，在他们自己使用中，Opus 5.5 和 Fable 5.1 的差距比分数显示的更小。
- 没有和同日发布的新模型比。 OpenAI 当天发布的 GPT-6 Sol 和 Luna 不在比较范围内。
- 想看第三方的对比，可以参考本站模型页的 LMArena 排行榜，那是用户盲测投票的结果。
普通人怎么用
- 网页和手机 App：在 claude.ai 或 Claude App 里，付费用户可以在模型列表中选择 Opus 5.5。关于各套餐价格，见本站的 Claude 产品页。
- 写代码：Claude Code 里可以直接选用；还有一个「快速模式」，速度最高 2.5 倍，价格更高（输入 8 美元、输出 40 美元每百万 token）。
- 开发者：通过 Claude API 使用，价格为每百万 token 输入 4 美元、输出 20 美元。
模型摘要
- 开发方
- Anthropic
- API 价格
- 每百万 token 输入 4 美元 / 输出 20 美元；缓存读取 0.20 美元
公布的评测成绩
| Terminal-Bench 4.0 | 66.4% | GPT-6 Astra：57.9% |
| Humanity's Last Exam (with tools) | 67.7% | Fable 5.1：65.6% |
| OSWorld 2.1 | 81.8% | |
| GDPval-AA v2.1 | 1846 | 知识工作评测；GPT-6 Astra：1542 |
数据口径：Anthropic 官方公告。评测成绩为厂商发布时公布的数据，各家测试条件不尽相同，横向比较需谨慎。