9 月 22 日，Anthropic 正式发布 Claude Opus 5.5。这是 Claude 5.5 家族的第一款模型，也是 昨天内测信息曝光之后落地的正式版本。三个数字可以先记下来：多数任务达到 Fable 5.1 的水平，典型工作负载下成本比 Opus 5 低 40%，输出速度快 30% 以上。API 定价降到输入 4 美元、输出 20 美元每百万 token，缓存读取降到 0.20 美元。
有意思的是时间点。十天前 Amodei 刚公开呼吁放慢前沿模型的推进节奏，十天后 Anthropic 就拿出了它迄今最强的公开模型，还顺手降了价。这两件事看着矛盾，但看完这次的做法会发现，它们其实指向同一个方向。
先把基本盘摆清楚
价格：降 20%，但大刀砍在缓存上
输入从 5 美元降到 4 美元，输出从 25 美元降到 20 美元，各降 20%。真正影响账单的是缓存，读取从 0.50 美元降到 0.20 美元，降幅 60%，写入从 6.25 美元降到 5 美元。对长会话的智能体来说，缓存读取才是成本大头，这一项的杀伤力远大于输入输出那 20%。
另外还有一个 fast mode，在 Claude Code 和 Claude Platform 里可用，速度最高 2.5 倍，代价是输入 8 美元、输出 40 美元每百万 token。
规格与档位
上下文窗口 100 万 token，最大输出 12.8 万 token，知识截止 2026 年 6 月，这几项和 Fable 5.1 一致。变化在思考模式：Opus 5.5 采用自适应思考，而且不再允许关闭，effort 档位从 low 到 max，默认停在 medium。
上线平台
Claude 应用、Claude Code，以及 API 的 claude-opus-5-5。同时同步上线 AWS、Google Cloud 和 Microsoft Azure，三家互为竞争对手的云同一天拿到模型。Sonnet 5.5 和 Haiku 5.5 会在未来几周跟进，同样的降幅会沿产品线向下传导。
跑分：领先，但不是横扫
下面这组数据来自 Anthropic 的发布表，除特别说明外，Opus 5.5 的成绩都在 max effort 最高档、且开启生产安全防护的情况下测得。
| 评测 | Opus 5.5 | Fable 5.1 | Opus 5 | GPT-6 Astra |
|---|---|---|---|---|
| Terminal-Bench 4.0（智能体编码） | 66.4% | 55.8% | 52.3% | 57.9% |
| FrontierCode v1.1（可合并代码） | 54.4% | 50.3% | 48.0% | 53.3% |
| CursorBench 4.0（多文件编码） | 57.8% | 51.8% | 46.6% | — |
| GDPval-AA v2.1（知识工作，Elo） | 1846 | 1735 | 1708 | 1542 |
| AutomationBench（业务流程） | 40.0% | 31.4% | 26.9% | 41.4% |
| Humanity’s Last Exam（带工具） | 67.7% | 65.6% | 63.6% | 57.2% |
| Terminal-Bench-Science 0.1 | 58.7% | 52.6% | 29.0% | 64.6% |
| OSWorld 2.0（电脑操作，部分分） | 81.8% | 80.7% | 74.0% | — |
| Chartography（图表识别） | 89.0% | 88.4% | 83.4% | — |
有三点我核对后觉得需要单独说明。
第一，它没有全赢。GPT-6 Astra 在 Terminal-Bench-Science（64.6% 对 58.7%）和 AutomationBench（41.4% 对 40.0%）上仍然领先。科研类任务目前还是 OpenAI 的主场，这一点和 Grok 4.7 与 Fable 5.1 的全对比里看到的格局一致。
第二，Anthropic 自己给这组数字泼了冷水。官方原话是”在我们自己的实际使用中，Opus 5.5 和 Fable 5.1 的差距比这些分数显示的要小”。而且几乎所有 Opus 5.5 的成绩都跑在最贵的 max effort 档，默认档是 medium，实际使用体验会更接近而不是更拉开。
第三，电脑操作的进步很小。OSWorld 从 80.7% 到 81.8%，Chartography 从 88.4% 到 89.0%，都只有一个点。如果你主要拿模型当桌面操作员用，这次升级的体感会明显弱于写代码的人。
独立第三方的口径也差不多：发布当天 Artificial Analysis 智能指数给 Opus 5.5 打了 58 分，领先 Fable 5.1 和 GPT-6 Astra 的 53 分五分。
真正的主角是每任务成本，不是每 token 价格
降价 20% 只是表面。Anthropic 敢说”典型负载成本降 40%”，靠的是两件事叠加：单价更低，加上完成同一个任务消耗的 token 更少。
最能说明问题的是这组对照。在默认 medium 档下，Opus 5.5 在 FrontierCode 上拿 54.4%，已经超过 GPT-6 Astra 最高档的 53.3%，而单题成本只有后者约五分之一。在 CursorBench 上，medium 档拿 52.5%，比 GPT-5.6 Sol 的最好成绩高 11 分，成本约为三分之一。换句话说，对手要开满算力才勉强追得上它的默认档。
现场数据比跑分更直观：
- 有测试者完成了一次 68 万行代码迁移，不到一天；
- 另一位审计并修复 20 万行代码库，用了不到 3 小时，Opus 5 做同样的事需要 20 小时以上，消耗 2.5 倍 token；
- Anthropic 内部把 HAProxy 从 C 移植到 Rust，Opus 5.5 用 9.5 小时，Fable 5.1 用 12 小时，两者都几乎通过了全部回归测试，而 Opus 5.5 成本低 51%。这个类别的工程难度可以参照 GitHub Copilot 运行时移植 Rust 的实录，43 万行 TS 变 80 万行那种量级，之前是很难交给模型自己跑完的；
- Deloitte 报告称，Opus 5.5 在最低 effort 档抓到 72% 的已知审查缺陷，Opus 5 在高档位只抓到 56%；
- Box AI 用 Opus 5.5 干同样的活，token 消耗约为原来的三分之一。
安全：重点不是更听话，而是会分流
作为 pacing call 之后的第一个模型，安全被摆在了前所未有的位置。Anthropic 称 Opus 5.5 在其迄今最全面的内部对齐评估中拿到历史最好成绩，在一项新的越界遏制测试中，尝试绕过既定边界的频率比 Opus 5 低约 85%。发布前 METR 和 Frontier Design 参与了外部评估——Anthropic 这两年在外部评估上的投入不小，此前还承诺过五年投 10 亿美元做外部安全评估。
不过官方也坦诚提了一句：这个模型经常能察觉自己正在被评估。这让真实世界行为的判断变得更难，读安全数据时需要把这个变量算进去。
模型路由：本次最需要工程关注的变化
因为 Opus 5.5 在生物学和网络安全上的能力已经接近受限的 Mythos 5.1 层级，它启用了与 Fable 5.1 同级的安全防护，而防护的方式不是简单拒绝，是转交给旧模型：
| 触发类型 | 实际处理模型 |
|---|---|
| 常规代码 bug 定位与修复 | Opus 5.5 正常处理 |
| 多数网络安全任务 | 转交 Opus 4.8 |
| 生物学 / 前沿 LLM 开发相关 | 转交 Opus 5 |
这意味着你发给 claude-opus-5-5 的请求，实际可能是由 Opus 4.8 或 Opus 5 完成的。在多轮 agent 工作流里，不同步骤之间的模型能力会不一致，而这种不一致很可能不会出现在”假设每次调用都是同一个模型”的评测里。这是我认为这次发布里最容易被忽略、但工程上最需要处理的一点。
Anthropic 给了两条申请通道。网络安全方向，Cyber Verification Program 将扩展到 Opus 5.5，分三个信任等级，最高档可访问 Claude Mythos 系列；生物方向新设 Life Sciences Verification Program，面向学术实验室、初创公司和药企，通过审核后可解除生物学分类器限制。
另外三项会影响集成的变更
- preserved thinking：阻止 API 用户通过编辑历史上下文套取模型推理过程，用于对抗规模化蒸馏攻击。适用于 2026 年 8 月 31 日及之后创建的 API 账户，依赖编辑历史上下文的集成需要改造；
- 思考模式不再允许关闭；
- 输出加水印，用于满足欧盟 AI 法案合规要求。零数据保留仍可用。
放慢与发布，矛盾吗
不矛盾，但它们之间的缝隙藏着这次发布的真实意图。Amodei 的 pacing 倡议针对的是一类更窄的系统，那些可能自动化 AI 研发本身、从而跑赢人类监督者的模型。Opus 5.5 提供的是一条更便宜更快地去完成 Fable 5.1 已经能做到的事的路径，它的安全边界反而比前代更紧。
换句话说，突破性能力在 9 月 1 日随 Fable 5.1 和 Mythos 5.1 已经放出来了，Opus 5.5 做的是把这些能力的单位成本压下来，然后推给尽可能多的开发者。对比 Opus 5 发布时”价格仅为 Fable 5 一半”的打法，这次是同一套思路的延续，只是力度更大。
节奏上也印证了这一点。4 月 Opus 4.7，7 月下旬 Opus 5 传闻，9 月 22 日 Opus 5.5，迭代周期已经压进一个季度以内。三云同发则是渠道选择而非技术选择——对上市前夜的 Anthropic 而言，把推理调用铺开、把营收曲线推陡，比绑定任何单一云更重要。至于价格战的战场，也已经从每百万 token 的单价，转移到了每任务的总消耗。这个维度上，闭源模型反而不怕开源模型的价格优势。
常见问题
现在该换到 Opus 5.5 吗
如果你在跑编码或知识工作类任务，值得换。Anthropic 的模型指引已经把 Opus 5.5 设为多数场景的起点，只有在更高 effort 下 Opus 5.5 仍不够用时才建议上 Fable 5.1。如果你的主要场景是桌面操作自动化，提升只有一个点，可以先观望。
为什么我的请求被降级到旧模型
触发了安全分类器。网络安全类任务多数会转交 Opus 4.8，生物学和前沿 LLM 开发相关会转交 Opus 5。常规代码 bug 定位与修复不受影响。如果需要完整能力，可以申请 Cyber Verification Program 或 Life Sciences Verification Program。
思考模式还能关吗
不能。Opus 5.5 不支持关闭 thinking，只能调 effort 档位，从 low 到 max，默认 medium。想在成本和速度上做取舍，调档位是现在唯一的旋钮。
思考模式的 effort 该怎么选
默认 medium 是新的性价比甜点。官方自己的数据显示，medium 档在 FrontierCode 上拿 54.4%，已经压过 GPT-6 Astra 最高档的 53.3%，成本只有约五分之一。Deloitte 的案例也说明，代码审查这类任务在最低档就能拿到比前代最高档更好的结果（72% 对 56%）。建议对自己的主场景做一轮档位-成本-质量扫描，而不是一律拉满。
Sonnet 5.5 和 Haiku 5.5 什么时候来
官方说法是”未来几周”，同样的降幅会沿产品线向下传导。这意味着 5.5 是一次完整的产品线换血，Opus 5.5 只是开场。订阅侧同步有变化，Pro、Max、Team 及席位制 Enterprise 的 5 小时额度上调约 20%，用户还获得一次速率限制重置，可在 10 月 22 日前任意时刻使用。
小结
Opus 5.5 不是一次能力上限的跃迁，而是一次成本结构的重做。它把 Fable 5.1 级别的能力压到了四美元输入、二十美元输出的价格上，同时给敏感能力套上了可路由的安全笼子。真正值得追问的问题不是它跑分多少，而是当顶级能力被压到这个价格之后，”前沿模型”这个词还剩下多少稀缺性。Anthropic 用一次降价 40% 的发布给出了自己的答案：它现在卖的不是能力上限，而是能力的可负担性。
消息来源
- Anthropic 官方公告：Introducing Claude Opus 5.5（2026 年 9 月 22 日，跑分、定价、安全机制与可用性均以此为准，能力路由与验证计划一节亦出自该文）
- Reuters：Anthropic unveils Claude Opus 5.5（定价与发布时间的第三方核实）
- Artificial Analysis 智能指数 58 分、HAProxy 移植对照与 pacing call 背景（第三方评测与背景分析）
- 早期用户实测数据（代码迁移、Deloitte、Box AI）引自 MarkTechPost 与 AGI Hunt 对上述公告的整理报道
本文跑分数据以厂商公布为准，实际表现随任务类型与 effort 档位设置而异。数据截至 2026 年 9 月 23 日。
相关阅读
- Claude Opus 5.5 内测曝光：跳过 5.2 连升两级，输入 4 美元输出 20 美元，缓存读取降至 0.2 美元
- Claude Fable 5.1 发布：Anthropic 正式认领，缓存降价 75%
- Anthropic Claude Opus 5 发布：编程超越 Fable 5，价格仅为一半
- Grok 4.7 正式发布解析：2.1 万亿参数涨 40% 不涨价，与 Fable 5.1 基准全对比
- GitHub Copilot 运行时 AI 移植 Rust 实录：43 万行 TS 变 80 万行
- Anthropic 发布 Claude Science：科研 AI 工作台上线
- GPT-6 Sol 与 Luna 正式发布：API 价格再砍 50%，Sol 输入 2 美元输出 10 美元