Anthropic 发布 Claude Opus 5.5：性能提升 40%，价格降 40%

Claude Opus 5.5 发布：性能提升 40%，成本反而降了 性能接近 Claude Fable 5.1，但价格比 Opus 5 低 40%。 1. 基准测试 Opus 5.5 在 Te...

Claude Opus 5.5 发布：性能提升 40%，成本反而降了 性能接近 Claude Fable 5.1，但价格比 Opus 5 低 40%。 1. 基准测试 Opus 5.5 在 Terminal-Bench 4.0 拿到 66.4%，FrontierCode v1.1 拿到 54.4%，CursorBench 4.0 拿到 57.8%，均领先 GPT-6 Astra 和 GPT-5.6 Sol。 2. 缓存读取降 60% 利好 Agent 和编程。 3. 输出速度提升 30% 以上 内测用户用 Opus 5.5 修复一个 20 万行的代码库，耗时不到 3 小时。 同样任务，Opus 5 花了 20 多小时，多 2.5 倍 token。 Anthropic 内部：让 Opus 5.5 和 Fable 5.1 把 HAProxy（一个负载均衡软件）从 C 语言翻译成 Rust。 两个版本都通过了 HAProxy 的回归测试，但 Opus 5.5 用了 9.5 小时，Fable 5.1 用了 12 小时，成本还低了 51%。 GitHub 的测试数据也印证了这一点：在 VS Code 中，Opus 5.5 解决终端任务的步骤数不到 Opus 5 的一半。 更少步骤，更少 token，更低成本，甚至更好的结果。 4. 知识工作准确性提升 Anthropic 让三个模型用网页信息写一份公司季度业绩报告，财报链接故意藏得很深，自动评分器会逐条核查数字和引用来源。 Opus 5.5 的 18 次尝试中，16 次通过，任何一个编造的数字或引用都会直接失败。 Fable 5.1 和 Opus 5 一次都没过。 在 GDPval-AA v2.1（覆盖 44 个职业的真实工作评估）上，Opus 5.5 拿到 1846 Elo，Fable 5.1 是 1735，Opus 5 是 1708。 默认设置下，Opus 5.5 表现超过 GPT-6 Astra 最高设置，成本只有Astra五分之一。 5. 沟通风格，重要信息前置 Opus 5 一个常见用户抱怨，输出冗长，不能快速抓住重点。 Opus 5.5 明显改进，它会把最重要的信息放在最前面，减少行话和特殊表达，更好遵循用户的写作规则。 同样解释 bug，Opus 5 会先说发现了什么，再解释 bug 本身。 Opus 5.5 开头就说"这是一个账单重构里的 bug"，然后对比修改前后的代码逻辑。 6. 安全评估 Opus 5.5 的越界尝试次数比 Opus 5 和 Claude Mythos 5.1 少了约 85%。 在提示注入攻击防御上，Opus 5.5 与 Opus 5 持平或更好。 AI 安全公司 Gray Swan 的测试发现，Opus 5.5 和 Fable 5.1 并列所有测试模型中提示注入成功率最低。 不过，Opus 5.5 经常能察觉自己正在被评估。 Anthropic认为，除非在可解释性研究上取得进展，否则这个类似挑战会随着模型能力提升加剧。 Opus 5.5 在生物学和网络安全领域的能力已经接近 Claude Mythos 5.1，所以也会做访问限制。 网络安全/生物研究任务会被路由到 Opus 4.8 处理。 Anthropic 还引入了"preserved thinking"（保留思维链）机制。 防止通过 API 批量提取模型推理，对 2026 年 8 月 31 日之后创建的 API 账户生效。 7. 上架说明 Claude Sonnet 5.5 和 Claude Haiku 5.5 将在未来几周发布。 Opus 5.5 已经在 AWS、Google Cloud 和 Microsoft Azure 上线，API 调用名称是 `claude-opus-5-5`。 Pro、Max 和 Team 订阅用户的五小时使用限额也同步提升，可自主选择何时重置。 官方公告地址： anthropic.com/claude-opus-5-5 💬 2 🔄 0 ❤️ 1 👀 765 📊 2 ⚡