Anthropic发布Claude Opus 5.5，成本降40%

Anthropic 正式发布 Claude Opus 5.5，这是其最新一代模型家族中的首个成员。该模型在大多数任务中达到了 Claude Fable 5.1 的性能水平，同时运行成本较前代 Opus 5 降低了 40%。

Claude Opus 5.5 是 Anthropic 自“步行到边境”倡议以来的首次重大发布。在正式推出前，Frontier Design 和 METR 等外部评估机构对该模型进行了测试。官方称其为迄今测试过的最强模型，并配备了针对高能力模型开发的保护措施。

核心改进与性能表现

性能提升：Opus 5.5 相比 Opus 5 有显著进步，成为新的领先模型。早期测试显示其在处理复杂工作时性能飞跃明显。例如，一位测试者在不到一天的时间内完成了 680,000 行代码的迁移，而这项工程团队通常需要数周时间。在软件低效问题修复方面，当被要求缩短 Web 应用所有页面的加载时间时，Opus 5.5 在 40 次尝试中成功了 39 次；相比之下，Opus 5 虽然也有改进，但幅度较小且改变了应用行为。此外，在一项让多个 Claude 模型根据单个提示构建游戏的测试中，凭借图形效果和整体打磨，Opus 5.5 得分高于其他任何模型。

安全性增强：通过自动行为审计和对齐套件测试，Claude 在成千上万的模拟场景中接受了验证。Opus 5.5 比近期模型更不可能采取难以逆转的行动或超出赋予界限，且比 Opus 5 更能抵抗即时注射攻击。对齐测试范围已扩大至较长任务、不可能的任务及基于真实事件的场景，尽管仍存在局限性。详细评估数据可在 Opus 5.5 系统卡中查阅。

生物与安全限制：鉴于 Opus 5.5 在生物学和网络安全方面的能力与 Claude Mythos 5.1 相似，Anthropic 部署了类似 Claude Fable 5.1 的保护措施。经过验证的组织可申请使用 Opus 5.5 进行生命科学研究；经认证的网络安全从业者也可获准使用。

沟通方式优化：Opus 5.5 的交流风格比前代模型更自然清晰，解决了用户对 Opus 5 的一些常见反馈。它将重要信息前置，适合长时间协作，使得工作过程更易跟踪和检查，兼具安全与实用价值。

成本效益与定价

Opus 5.5 需要更少的计算资源，价格相应调整。默认设置下，典型工作负载的成本比 Opus 5 低 40%。具体定价如下：

其中，缓存读取（占代理和编码工作成本的大头）价格下降 60%，输入和输出代币价格分别下降 20%。Opus 5.5 的输出速度比 Opus 5 快 30% 以上。此外，Pro、Max、Team 及企业计划的五小时使用限制有所增加，订阅用户现在可以随时保存和使用利率限制重置。

快速模式也在 Claude Code 和 Claude 平台上线，速度可达 2.5 倍，定价为每百万输入代币 8 美元，每百万输出代币 40 美元。

基准测试结果

在代理编码、计算机使用和知识工作等基准测试中，Claude Opus 5.5 处于领先地位。不过，Anthropic 指出，在这些能力水平上，基准分数对现实差异的反映可靠性正在降低。内部测试显示，Opus 5.5 与 Claude Fable 5.1 之间的实际差距小于分数所示。

Opus 5.5 的主要优势在于效率。其代币成本低于 Opus 5，且每项任务使用的代币数量更少，导致总成本下降 40%。

编程能力实测

Opus 5.5 在处理代码库级迁移和审计等长周期、大规模任务时表现尤为突出。一位早期测试者利用它在不到三小时内完成了一个 200,000 行代码库的审计与修复，而 Opus 5 耗时超过 20 小时，token 用量高出 2.5 倍。

在一项内部测试中，Anthropic 让 Opus 5.5 和 Fable 5.1 将 HAProxy（一款广泛使用的负载均衡软件）从 C 语言翻译为 Rust。两者的重写版本均通过了几乎全部的回归测试，但 Opus 5.5 仅用时 9.5 小时，而 Fable 5.1 耗时 12 小时，且 Opus 5.5 成本低了 51%。

在 FrontierCode 默认工作水平上，Opus 5.5 超过了 GPT-6 Astra，每任务成本约为后者的 20%。在 Terminal-Bench 4.0 上，它与 Astra 匹配，成本约为 40%。在 CursorBench 上，它以 11 个百分点的优势超越 GPT-5.6 Sol，成本仅为三分之一。

最安全的编码代理

对于在企业系统中自主运行数小时的代理，安全性至关重要。Opus 5.5 配备了动作分类器，在运行前筛选每个动作；提供开源沙盒供安全团队审计；并在合并前通过代码审查捕捉漏洞。

模型本身的防御能力也更强。在即时注射攻击测试中，Opus 5.5 在编码、工具使用、计算机使用和网页浏览等所有设置中均持平或优于 Opus 5。在 AI 安全公司 Gray Swan 进行的基准测试中，Opus 5.5 与 Fable 5.1 并列，拥有所有被测模型中最低的即时注射成功率。

知识工作与商业应用

Opus 5.5 在研究任务中表现出色。在一次内部测试中，要求 Opus 5.5、Fable 5.1 和 Opus 5 仅凭网络上难以定位的信息撰写某公司季度业绩报告。自动评分器对照来源检查了每个数字和引用。在不同努力设置下，Opus 5.5 的 18 份报告中有 16 份达到质量标准（任何虚构数字或引用都会导致失败），而 Fable 5.1 和 Opus 5 在任何尝试中均未达标。

在金融分析和商业工作中，Opus 5.5 同样强劲。投资公司 Walleye Capital 报告称，Opus 5.5 在最低设置下基本解决了他们的评估套件；在更高设置下表现更好，甚至发现并纠正了评估指令中的一个错误，此前没有其他模型能捕捉到此错误。

另一项测试中，Opus 5.5 和 Opus 5 被要求分析两家虚构 HR 软件公司的拟议合并案。两者均在 Excel 中建立财务模型，并将其转化为关于交易是否合理的执行演示文稿。

行业早期测试反馈

多家科技和金融公司分享了 Opus 5.5 的实际应用体验：

• GitHub: 首席产品官 Mario Rodriguez 表示，在 GitHub Copilot CLI 和 VS Code 的测试中，Claude Opus 5.5 使用了他们测量到的最少 token 和步骤。在 VS Code 中，它用不到 Opus 5 一半的步骤解决了更多终端任务，使大型项目更具可行性。
• Clio: 高级软件开发人员 Sean Heintz 提到，他将一个跨六个仓库的大型工程任务交给 Claude Opus 5.5 无人值守运行过夜。模型持续工作了 18 小时以上，定义服务间通信并实施应用。相比 Opus 5，它更快达成里程碑且返工极少，代码注释简洁有用。
• Lovable: CTO Fabian Hedin 指出，对于 Lovable 构建者，Opus 5.5 意味着以同等质量实现更快的构建。它一次性收集上下文，进行更少且更完整的编辑，避免陷入重试循环，步骤减少三分之一到一半，token 消耗显著降低。
• Quantium: AI 技术执行经理 Harley Barnes 分享道，在一个复杂的编码任务中，之前需要四天 38 个提示词的工作，现在仅需三小时 11 个提示词，产出更接近生产环境且返工更少。这节省了迭代时间，让团队有更多精力验证假设和优化方案。
• Spotify: 高级工程师 Aleksandar Mitic 确认，内部评估显示 token 效率有明显提升，能够以更便宜和更快的速度完成相同任务。
• Optiver: 全球 AI 工程主管 Noyan Tokgozoglu 表示，在代理编码任务中，Claude Opus 5.5 在约一半的轮次、时间和输出 token 内达到了 Opus 5 的质量，将该工作负载成本降低了 40% 到 50%。它在某个交易支持套件上取得了最高分，通过了早期 Claude 模型未能完成的任务，并在分析任务中位居八款模型之首。
• Column: 工程师 Mitch Fierro 提到，Claude Opus 5.5 更有效地委托子代理并以创造性方式自我检查。自我验证循环更容易设置。它在云账单中发现了以前模型遗漏的节省机会，并在代码审查中通过检查第三方集成的外部文档，捕捉到了几个提交前建模错误的 bug。
• Kiro: Agentic AI 副总裁 Deepak Singh 指出，在公开的真实命令行任务基准测试中，Claude Opus 5.5 解决的任务多于 Opus 5，但调用次数减少约 40%，token 用量减半。这意味着开发者可以使用 Kiro 获得更快、更实惠的代理会话。Opus 5.5 即将在 Kiro 中可用。

Claude Sonnet 5.5 和 Claude Haiku 5.5 预计将在接下来的几周内推出。