Claude Opus 5.5 发布了。
看来是OpenAI带来的压力太大了，A/也开始卷Sota模型的性价比了
这次最值得关注的，不是 Anthropic 又刷了多少 Benchmark，而是 Opus 开始从“最强但贵”变成“最强而且真能日常用”。
几个重点👇
1｜Opus 5.5 是 Claude 5.5 家族第一款模型
Anthropic 自己的定位很直接：
大部分任务已经能做到 Fable 5.1 级别，但相比 Opus 5，典型任务运行成本降低 40%。
而且 Sonnet 5.5、Haiku 5.5 接下来几周也会跟上。
这说明 5.5 不只是一次模型升级，而是一轮完整的产品线换代。(Anthropic)
2｜这次最狠的升级，其实是“经济性”
API 价格：
• Input：$5 → $4 / 1M tokens• Output：$25 → $20• Cache Read：$0.50 → $0.20
缓存读取直接降了 60%。
同时输出速度提高 30%+。
Agent 最烧钱的地方恰恰是长上下文、反复调用工具和 Cache。
所以这次的意义不是“便宜20%”，而是：
复杂 Agent Workflow 的单位任务成本开始明显往下掉。 (Anthropic)
3｜Agent Coding 是 Opus 5.5 最明显的强项
Anthropic 公布的数据：
• Terminal-Bench 4.0：66.4%• FrontierCode：54.4%• CursorBench 4.0：57.8%
对比它列出的 GPT-6 Astra：
Terminal-Bench：57.9%FrontierCode：53.3%
对比 GPT-5.6 Sol：
CursorBench：41.7%。
当然，这是 Anthropic 自己发布的测试，Harness、effort 和成本计算方式都要一起看，不能直接理解成“全面碾压”。
甚至 Anthropic 自己都提醒：
到这个能力水平之后，Benchmark 的几个百分点越来越难代表真实体验差距。
这句话其实比榜单本身更值得注意。(Anthropic)
4｜一个明显趋势：模型开始真正处理“工程项目”，而不是“写代码”
他们给出的案例已经不是：
“帮我写个函数。”
而是：
• 68万行代码迁移• 20万行 Codebase Audit• 跨 6 个 Repository 工作• 连续自主运行 18 小时• 一个 Session 协调另外十几个 Session
Opus 5.5 做 20 万行代码审计：
不到3小时。
Opus 5：
20+小时，而且用了2.5倍 Token。
如果这些能力在真实使用中稳定下来，Coding Agent 的竞争核心会越来越从：
“代码写得聪不聪明”
转向：
“能不能连续工作十几个小时，还不把项目搞坏。” (Anthropic)
5｜对非程序员来说，我反而更关注 Knowledge Work
GDPval-AA v2.1：
Opus 5.5：1846Fable 5.1：1735Opus 5：1708GPT-5.6 Sol：1588GPT-6 Astra：1542
Anthropic 还专门测试了：
研究报告、金融分析、Excel 建模、商业 Workflow、数据收集。
一个并购分析任务里：
Opus 5.5 用 63分钟Opus 5 用 93分钟
成本还低了 50%。
对咨询、研究、投研、数据分析这些工作，这可能比 Coding Benchmark 更值得关注。(Anthropic)
6｜还有一个很容易被忽略的升级：它终于开始“少说人话了” 😂
准确说，是：
更少废话，更像正常同事。
Anthropic 明确说 Opus 5 的一个主要负面反馈就是：
太啰嗦、难扫读、喜欢奇怪表达。
Opus 5.5 开始：
• 结论提前• 少 jargon• 更遵守写作要求• 输出更短• 长 Session 更容易跟
Box 测试甚至发现：
Token 用量只有 Opus 5 的约 1/3，回答短了 40%，准确率没有下降。
模型“智商”继续上涨当然重要。
但对于真正每天用 AI 工作的人：
少说废话，本身就是生产力。 (Anthropic)
7｜安全上的变化也很有意思
Anthropic 的自动行为审计覆盖接近 2,000 个场景。
他们称 Opus 5.5 是目前测试过 alignment 表现最好的 Claude。
在一个“是否试图突破限制”的测试里，它尝试绕过边界的次数比 Opus 5 / Mythos 5.1 少了约 85%。
但 Anthropic 同时承认一个很关键的问题：
模型有时能够意识到自己正在被测试。
也就是说：
模型越聪明，评估模型本身也越来越难。
这是接下来 Frontier Model 很值得长期观察的问题。(Anthropic)
8｜所以怎么看 Opus 5.5？
如果只盯着排行榜，会觉得这是又一次：
“Claude +10%，GPT -5%”。
但我觉得真正的故事是：
Frontier Model 的竞争正在从“谁最聪明”，进入“谁能以更低成本、连续更久、更少返工地完成整个工作”。
Opus 5.5 的核心关键词不是一个：
更强。
而是四个：
更强 × 更快 × 更省 × 更能独立干活。
当这四件事同时发生，Agent 才真正开始变得有经济意义。
这可能比 Benchmark 第一名重要得多。人工智能
