Claude Opus 5.5 发布：性能大幅提升，成本较 Opus 5 降低 40%

Claude Opus 5.5 正式发布，这是 Anthropic 迄今为止表现最好的模型，配备了专为高能力模型开发的安全护栏。

Claude Opus 5.5 核心升级

以下是 Opus 5.5 带来的几项核心升级：

性能表现

Opus 5.5 相比 Opus 5 实现了重大飞跃。作为全新的旗舰模型，早期测试者在处理最复杂的任务时，发现其性能大幅提升。一位测试者在不到一天内完成了 68 万行代码的迁移，这通常需要一个工程团队耗费数周的时间。它非常擅长发现并修复软件中的低效问题：当要求它优化一个 Web 应用中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 的优化幅度不仅较小，甚至还意外改变了应用的原有行为。另一位测试者仅用一段提示词就让多个 Claude 模型分别开发一款游戏，Opus 5.5 凭借出色的画面表现和完成度获得了最高分。

安全性

在涵盖数千个模拟场景的自动化行为审计中，Opus 5.5 取得了所有模型中的最高分。与近期模型相比，它执行难以撤销的操作或出现越界行为的可能性大幅降低，并且比 Opus 5 更能抵御提示词注入攻击。官方还将对齐测试的范围扩展到了长上下文任务、无法完成的任务以及基于真实事件建模的场景，尽管它在这方面仍有局限性。详细的评估数据可查阅《Opus 5.5 系统卡》。

成本与速度

Opus 5.5 的推理算力需求低于 Opus 5，这也直接反映在了定价上。测试表明，在默认设置下，处理典型工作负载的成本比 Opus 5 降低了 40%。输入和输出 Token 的价格分别为每百万 4 美元和 20 美元，相比 Opus 5 下降了 20%。缓存读取（这是 AI Agent 和编码任务的主要成本来源）价格为每百万 Token 0.20 美元，降幅达 60%。此外，Opus 5.5 的生成速度也比 Opus 5 快 30% 以上。

除了降价，官方还提高了 Pro、Max、Team 以及按座席计费的 Enterprise 计划的 5 小时使用额度。同时，订阅用户还可以使用速率限制重置功能，随时保存重置次数，并在需要时使用。

表达与沟通

Opus 5.5 的交流方式比以往模型更自然。早期测试者认为它的行文更清晰易懂，这直接回应了用户对 Opus 5 的常见反馈。它会将最关键的信息前置，其语言风格也非常适合在长时间的会话中充当工作伙伴。正如一位早期测试者所言：「它的写作方式和我如出一辙。」在官方的内部使用中，Opus 5.5 的输出内容变得更容易追踪和检查，这不仅具有实用价值，也带来了安全效益。

性能与性价比

在基准测试中，Claude Opus 5.5 在 AI Agent 编程、计算机操作以及知识型工作方面均处于领先地位。不过，当模型能力达到这个级别时，基准测试的跑分差距已经很难完全反映真实世界中的体验差异。在实际使用中，Opus 5.5 与 Claude Fable 5.1 之间的差距比这些分数显示的要小。

Opus 5.5 最显著的优势在于效率。它的单 Token 成本更低，且完成单次任务所需的 Token 数量更少，让整体成本直接下降了 40%。

Pricing

Claude Code 和 Claude 平台还提供了 Opus 5.5 的「快速模式」，速度最高可达 2.5 倍。该模式的定价为每百万输入 Token 8 美元，每百万输出 Token 40 美元。

编程能力

Opus 5.5 格外擅长处理耗时且繁杂的任务，例如对整个代码库进行迁移与审计。一位早期测试者用它审计并修复了一个 20 万行的代码库，耗时不到 3 小时；而此前使用 Opus 5 执行相同任务不仅耗费了 20 多小时，Token 消耗量还是前者的 2.5 倍。在一项内部测试中，我们要求 Opus 5.5 和 Fable 5.1 将 HAProxy（一款广泛使用的 Web 流量负载均衡软件）从 C 语言重写为 Rust。两者的重写版本都通过了 HAProxy 几乎所有的回归测试，但 Opus 5.5 仅用时 9.5 小时（Fable 5.1 为 12 小时），且成本降低了 51%。

在 AI Agent 编程方面，Opus 5.5 以极低的成本交付了前沿水准的结果。在 FrontierCode 评估中，它在默认强度下击败了 GPT-6 Astra，而单次任务成本仅为后者的 20% 左右。在 Terminal Bench 4.0 测试中，它以约 40% 的成本追平了 Astra；在 CursorBench 中，它更是以大约三分之一的成本领先 GPT-5.6 Sol 整整 11 分。

最安全的编程 AI Agent

在企业系统中部署 AI Agent 时，确保其按预期运行至关重要，尤其是当它们需要连续自主运行数小时的时候。Opus 5.5 内置了一个分类器，会在每一次操作执行前进行筛查；它提供了一个可供安全团队审计的开源沙箱，并具备在代码合并前捕获漏洞的审查能力。

模型自身的防御机制也得到了强化。在面临提示词注入攻击时，无论是在编程、工具调用、计算机操作还是网页浏览等所有测试场景下，它的表现都持平或优于 Opus 5。在 AI 安全公司 Gray Swan 进行的一项基准测试中，Opus 5.5 与 Fable 5.1 并列成为被测模型中提示词注入成功率最低的模型。

知识型工作

Opus 5.5 是一位可靠且熟练的研究员。在一项内部测试中，要求 Opus 5.5、Fable 5.1 和 Opus 5 在难以找到财报的网页副本中检索信息，并据此撰写一份公司的季度业绩报告。一个自动评分器会逐一核对其中的数据和引用是否与来源一致。在不同的强度设置下，Opus 5.5 提交的 18 份报告中有 16 份达到了质量标准（任何凭空捏造的数据或引用都会导致不合格）。而 Fable 5.1 和 Opus 5 在所有尝试中均未达标。

它在财务分析和商业工作中同样表现强劲。投资公司兼早期测试者 Walleye Capital 反馈称，Opus 5.5 在最低强度设置下就基本解决了他们的评估套件任务；在更高强度下，它不仅表现出色，甚至发现了评估指令中的一个错误并将其纠正。此前从未有任何模型发现过这个错误。

在另一项测试中，让 Opus 5.5 和 Opus 5 分析两家虚构人力资源软件公司之间的拟议并购案。它们都在 Excel 中建立了一个财务模型，随后将其转化为高管级演示文稿，分析该交易在当前报价下是否合理。虽然两个模型对交易得出了相同的结论，但 Opus 5.5 建立的模型更加完善，演示文稿也更具可读性，而 Opus 5 则出现了一些小错误。在耗时方面，Opus 5.5 用时 63 分钟（Opus 5 为 93 分钟），且生成成本降低了 50%。

在知识型工作评估中，Opus 5.5 在消耗更少 Token 的同时击败了其他模型。在涵盖 44 个职业真实世界工作的 GDPval-AA v2.1 测试中，Opus 5.5 获得了 1846 的 Elo 积分，领先于 Fable 5.1 和 Opus 5。在默认强度（中等）下，Opus 5.5 击败了全功率运行的 GPT-6 Astra，而单次任务成本仅为后者的五分之一左右。在衡量商业工作流和大规模数据收集的基准测试中，它同样优于其他模型。

表达与沟通

针对有关 Opus 5 的常见用户反馈，Opus 5.5 的写作与沟通方式得到了大幅改善。它的输出内容更加一目了然，测试者表示这在长时间的工作中非常有帮助。它会将最重要的信息放在开头，减少行话或怪异表达的使用频率，并严格遵守你设定的写作规则。

Claude Opus 5.5 正式上线

Claude Opus 5.5 现已登陆所有平台，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。在 Claude 平台上，开发者可以直接使用claude-opus-5-5模型标识符开始构建应用。