Claude Opus 5.5

Claude Opus 5.5 是 Claude 5.5 系列的第一个模型，2026 年 9 月 22 日发布。Anthropic 的说法是：它在多数工作上与更高一档的 Fable 5.1 相当，运行成本比 Opus 5 低 40%。官方表格的九项评测里，它都高于 Fable 5.1 和 Opus 5，例如 Terminal-Bench 4.0 为 66.4%（Fable 5.1 为 55.8%，Opus 5 为 52.3%），GDPval-AA 为 1846 Elo（1735 和 1708）。但在 OSWorld 2.1 和 Chartography 上，它只领先 Fable 5.1 1.1 和 0.6 个百分点，基本可以看作持平。

这些分数要打两个折扣来读。第一，Anthropic 自己说，到这个能力水平，评测分差已经不太能反映真实差距，它内部使用时，Opus 5.5 与 Fable 5.1 的差距比分数显示的小。第二，测试是在开启生产环境安全防护的条件下进行的：防护介入时，网络安全任务由 Opus 4.8 完成，生物和前沿大模型研发类任务由 Opus 5 完成，官方称这很可能拉低了 Opus 5.5 的成绩。

几天后发布的 Sonnet 5.5 单价只有它的一半，官方表格里与 Opus 5.5 的差距多数在 1.7 到 3.2 个百分点，Terminal-Bench 4.0 上 70.6% 还高于 Opus 5.5 的 66.4%。Anthropic 认为 Opus 5.5 的价值在需要持续判断的复杂开放式任务上。这类差异目前的评测覆盖得不多，这是我们的推断。任务范围明确、对成本敏感时，按官方评测看，Sonnet 5.5 通常已经够用。

评测怎么读

先看 effort 档位。除特别注明外，Opus 5.5 的成绩是自适应思考 max effort；Terminal-Bench 4.0 用的是 xhigh，因为那是它的最高分，站内 max 档只有 59.6%，xhigh 为 66.4%。调到 max 并不保证更高：FrontierCode 上 medium 为 54.6%，max 为 54.4%；ARC-AGI-1 和 ARC-AGI-2 的最好成绩都出现在 high（98.5% 和 93.33%），而不是 max。不过 CursorBench 4.0 从 medium 的 52.5% 到 max 的 57.8%，还能多 5.3 个百分点。哪一档划算，要按自己的任务测。

再看误差和运行条件。Terminal-Bench 4.0 的标准误是 ±2.6 个百分点，Opus 5.5 与 GPT-6 Astra（57.9%，OpenAI 自报）的差距超出了误差。Terminal-Bench-Science 0.1 的标准误是 ±3.5 到 5 个百分点，Astra 的 64.6% 高于 Opus 5.5 的 58.7%，差距在误差范围附近，不宜下结论。AutomationBench 由 Zapier 运行，没有配置回退模型，安全防护一介入就按失败计，所以 40.0% 会低于实际使用中的水平，同一评测里 GPT-6 Astra 为 41.4%。站内 Sonnet 5.5 在这项评测上是 44.7%，高于 Opus 5.5，两次运行的条件是否一致，我们没有核实。

还要看是否带工具。Opus 5.5 在 Chartography 上带工具为 89.0%，Sonnet 5.5 发布页给出的不带工具成绩是 64.4%，相差 24.6 个百分点。这项评测的成绩主要取决于模式，比较时要核对。

站内排名方面，Opus 5.5 排第一的有 HLE（带工具 67.7%，共 235 个模型）、ARC-AGI-1（98.5%，共 176 个）、SciCode（66.9%，共 134 个）、SimpleBench（88.4%，共 96 个）和 CursorBench 4.0（57.8%，共 47 个）。排名靠后的有 Harvey's Legal Agent Benchmark（43 个里第 25）、SAGE（64 个里第 29）和 AutomationBench（24 个里第 14）。看起来它强在通用推理、编程智能体和知识考试，在法律、客服这类垂直领域的智能体评测上不占优。但这些榜单收录的模型和条件各不相同，有的只收录几个模型（如 SRE-Bench 只有 5 个），只能当提示。

成本、速度与 effort

价格方面，输入 $4、输出 $20，比 Opus 5（$5、$25）低 20%。缓存读取 $0.20，比 Opus 5 的 $0.50 低 60%，官方特意指出缓存读取占智能体和编程工作成本的大头，所以这一项对实际账单影响最大。输出速度比 Opus 5 快 30% 以上。Fast mode 最高 2.5 倍速，价格为 $8 / $40，目前是研究预览，只在 Claude API 提供。

"比 Opus 5 低 40%" 是官方在默认设置、典型工作负载下的测试结果，来自单价下降加上每个任务用的 token 变少。这里有一个容易忽略的因素：Opus 5.5 的默认 effort 是 medium，Opus 5 是 high。我们推断，一部分节省来自默认档位降低。官方文档还提示，同一 effort 档位下 Opus 5.5 每轮想得更多，xhigh 和 max 最明显。所以从 Opus 5 迁移时，如果你原来固定了 effort，实际节省可能达不到 40%，需要重新对比。

客户反馈方向一致，但都是 Anthropic 挑选的案例。Factory 称 medium 档能达到 Opus 5 high 档的质量，输出 token 少 20% 到 25%。Optiver 称在其智能体编程任务上质量持平，轮数、耗时和输出 token 约为一半，成本降 40% 到 50%。Deloitte 称最低档就能在代码评审中发现 72% 的已知 bug，Opus 5 high 档是 56%。长任务方面，早期测试者用它在不到 3 小时内审计并修复了一个 20 万行的代码库，Opus 5 要 20 多个小时、token 是 2.5 倍。Anthropic 内部把 HAProxy 从 C 改写成 Rust，Opus 5.5 用了 9.5 小时，Fable 5.1 用了 12 小时，成本低 51%，两者都通过了几乎全部回归测试。

这些证据集中在长时间自主运行的任务上，比如整库迁移和审计、需要交叉核对的金融和法律研究，以及一个会话调度多个子会话的工作流。Stripe 的测试者就用一个会话带着十几个子会话，完成了 40 个 stacked pull request 的 rebase。官方还称它写作更清楚，会先给最重要的信息，也更能遵守用户给定的写作规则。

接入、迁移与安全限制

模型 ID 为 claude-opus-5-5，在 Claude API、Amazon Bedrock、Google Cloud、Microsoft Foundry 和 Claude Platform on AWS 上可用，支持零数据留存。从 Opus 5 迁移，有这些变化：

• 思考不能关闭。thinking: {"type": "disabled"} 或手动设置 budget_tokens 会返回 400，想省成本只能降低 effort。这一点与 Sonnet 5.5 不同，后者可以用 between_tools 关闭前置思考。
• 默认 effort 从 high 变为 medium，同一档位下思考更多，max_tokens 要给思考留出空间。
• tool_choice 设为 any 或指定工具会返回 400，只支持 auto 和 none。
• 思考块绑定产生它的模型。Opus 5.5 能读 Opus 5 及更早的 Opus、Sonnet、Haiku 的思考块，读不了 Fable 和 Mythos 的；反过来，只有 Fable 5.1 和 Mythos 5.1 能读 Opus 5.5 的。2026-08-31 及之后创建的账号，改动前面的系统提示、工具或历史消息后再回传思考块会报 400，所以对话历史要保持只追加。
• Claude API 和 Google Cloud 上的 computer use 要改用 computer_toolset_20260801，Amazon Bedrock 仍接受旧工具。

还有一处不会报错：工具调用之间的说明文字会放进 thinking 块，默认 display 下内容为空。如果应用把这段文字展示给用户，需要设置 thinking.display，否则界面会在工具调用期间没有输出。

安全方面，Anthropic 称 Opus 5.5 在自动化行为审计（近 2,000 个场景）中是测过的模型里表现最好的。在新的突破容器边界倾向测试中，它的尝试次数比 Opus 5 和 Mythos 5.1 少约 85%，且都是低严重度、由模型主动报告的。提示注入方面，在 Gray Swan 的测试中与 Fable 5.1 并列最低。Anthropic 同时承认，模型经常怀疑自己正在被评估，这会削弱评测结果对真实使用的代表性。

它是第一个带 Fable 5.1 级别防护的 Opus：多数网络安全任务会转给 Opus 4.8 处理，日常写代码、找并修复 bug 不受影响。生物领域防护与 Fable 5.1 相同，另有防蒸馏的 preserved thinking。网络安全从业者可以申请 Cyber Verification Program，生命科学机构可以申请 Life Sciences Verification Program。

官方来源

• Anthropic 发布公告与评测
• Opus 5.5 系统卡
• Claude Platform 型号规格与价格
• Claude Platform 迁移变化

常见问题（替换现有 4 条）

Claude Opus 5.5 是什么时候发布的？和 Opus 5 相比有什么变化？ Anthropic 于 2026 年 9 月 22 日发布，是 Claude 5.5 系列的第一个模型。相比 Opus 5，价格更低（输入 $4、输出 $20、缓存读取 $0.20），输出快 30% 以上，官方称默认设置下典型工作负载成本低 40%；Terminal-Bench 4.0 从 52.3% 提高到 66.4%。

上下文和最大输出是多少？ 100 万 token 上下文、12.8 万 token 最大输出，支持文本和图像输入，输出为文本。

API 价格是多少？ 标准价格为每百万 token 输入 $4、输出 $20；缓存读取 $0.20，5 分钟缓存写入 $5，1 小时缓存写入 $8。Batch API 五折（$2 / $10）。Fast mode 为 $8 / $40，最高 2.5 倍速，仅 Claude API 提供，目前是研究预览。

可以关闭思考吗？默认 effort 是多少？ 不可以。自适应思考始终开启，发送 thinking: {"type": "disabled"} 会返回 400，只能通过 effort 调节思考深度。默认 effort 是 medium（Opus 5 为 high）。需要关闭前置思考时，可以考虑支持 between_tools 的 Sonnet 5.5。

Opus 5.5 和 Sonnet 5.5 怎么选？ 任务范围明确、对成本和速度敏感，选 Sonnet 5.5：单价只有一半，官方评测里差距多数在 1.7 到 3.2 个百分点，Terminal-Bench 4.0 上还更高。任务长时间自主运行、开放式、需要持续判断，选 Opus 5.5，Anthropic 称它在这类工作上仍明显更强。

Opus 5.5 会拒绝网络安全类请求吗？ 日常写代码、找并修复 bug 不受影响。多数网络安全任务会转给 Opus 4.8 处理；安全从业者可以申请 Cyber Verification Program 获得更高权限。生物领域的防护与 Fable 5.1 相同，生命科学机构可以申请 Life Sciences Verification Program。