Anthropic 連發 Claude 5.5 全家桶：旗艦 Opus 5.5 便宜四成
9 月 22 日，Anthropic 釋出 Claude Opus 5.5，這是 Claude 5.5 家族的第一個模型。官方口徑是：它在多數任務上達到 Claude Fable 5.1 的水平，而執行成本比 Opus 5 低約 40%。這也是 Anthropic 呼籲「控制前沿模型推進節奏」之後的第一次釋出，上市前經過外部評測機構（包括 Frontier Design 與 METR）測試。主打方向很明確——長程程式設計與 Agent 工作負載。
價格與速度：這一刀砍在哪
先看價目表。輸入從每百萬 token 5 美元降到 4 美元，輸出從 25 美元降到 20 美元；變化最大的是快取：快取讀取從 0.50 美元降到 0.20 美元，快取寫入從 6.25 美元降到 5 美元。Anthropic 特別點出，快取讀取構成了 Agent 與程式設計類工作的成本大頭，這一項降了 60%。
這套價格能被壓下來，靠的是效率而不只是標價：Opus 5.5 服務時需要的算力更少，同時完成同一個任務用的 token 也更少，兩個因素疊加才淨出 40% 的成本下降。速度方面，官方稱它的輸出生成比 Opus 5 快 30% 以上。另外，Claude Code 與 Claude Platform 裡提供 fast mode，最高 2.5 倍速，價格為每百萬 token 輸入 8 美元、輸出 40 美元。
這裡的「快取」值得多解釋一句。Agent 每走一步，都要把系統提示、工具定義和歷史上下文重新送進模型，其中很大一部分字首是不變的。服務方可以把這部分存下來復用，命中的部分按低得多的價格計費，這也是為什麼快取讀取的單價往往直接決定「跑一小時 Agent」的最終賬單。快取單價從 0.50 降到 0.20 美元，同時模型完成同一任務用的 token 更少，兩者疊起來才是那 40%。
配套的還有用量政策：Anthropic 提高了 Pro、Max、Team 以及按席位計費的 Enterprise 方案的五小時用量上限，並給訂閱使用者一次可自行選擇使用時機、可以存起來的速率限制重置機會。對長期跑 Agent 的團隊來說，這兩項和降價一樣實際。
基準與真實負載：便宜不等於弱
從公佈的評測看，Opus 5.5 在 Agent 程式設計、電腦操作與知識工作上處於領先：Terminal-Bench 4.0 為 66.4%，Fable 5.1 是 55.8%，Opus 5 是 52.3%，GPT-6 Astra 57.9%，GPT-5.6 Sol 37.3%；FrontierCode v1.1（Main）54.4%；CursorBench 4.0 為 57.8%；知識工作側的 GDPval-AA v2.1 拿到 1846 Elo，高於 Fable 5.1 的 1735 與 Opus 5 的 1708；AutomationBench 40.0%；Humanity's Last Exam 帶工具 67.7%；OSWorld 2.1 為 81.8%（部分完成）；圖表識別 Chartography 89.0%（帶工具）。
這些數字也有需要留意的口徑。Anthropic 說明，Opus 5.5 是在開啟生產防護的情況下評測的：當防護介入時，網路安全類任務改由 Claude Opus 4.8 完成，生物學與前沿大模型研發類任務改由 Claude Opus 5 完成，這很可能壓低了它在這幾項基準上的成績。另外，AutomationBench 由 Zapier 在不設後備模型的情況下執行，防護一旦介入就算失敗，因此得分低於它在實際使用中能拿到的水平。
Anthropic 自己也提醒說，到了這個能力水平，基準分差已經不太能反映真實體驗上的差別，他們內部使用中 Opus 5.5 與 Fable 5.1 的差距比分數顯示的更小。真正清楚的優勢在效率：預設檔位下，Opus 5.5 在 FrontierCode 上以大約五分之一的單任務成本擊敗 GPT-6 Astra；在 Terminal-Bench 4.0 上以約四成成本追平 Astra；在 CursorBench 上比 GPT-5.6 Sol 高 11 個百分點，成本約為三分之一。
更有說服力的是幾組具體工作量。一位早期測試者用它完成了一次 68 萬行的程式碼遷移，用時不到一天，而同樣的工作交給傳統工程團隊通常要數週。一次 20 萬行程式碼庫的審計與修復，Opus 5.5 用不到三小時，Opus 5 花了 20 小時以上、並且多用 2.5 倍 token。把 HAProxy 從 C 翻譯成 Rust 的內部測試裡，兩個模型的重寫都通過了幾乎全部迴歸測試，但 Opus 5.5 用 9.5 小時完成，Fable 5.1 用了 12 小時，成本還低 51%。
知識工作上的表現同樣有可核對的細節。Anthropic 讓 Opus 5.5、Fable 5.1 與 Opus 5 各自寫一份公司季度業績報告，資訊只能取自一份財報很難找到的網頁副本，然後由自動評分器逐條核對數字與引語：Opus 5.5 的 18 份報告裡有 16 份過線，而任何編造的數字或引語都會導致不及格；Fable 5.1 與 Opus 5 一次都沒能過線。另一組測試裡，兩個模型分析一樁虛構併購，Opus 5.5 用 63 分鐘、成本低 50%，模型更完整、演示稿也更好讀，Opus 5 的版本則有小錯誤。
寫作與溝通是 Anthropic 這一輪專門改進的方向，也是他們此前收到最多反饋的地方。官方稱 Opus 5.5 的資訊更容易一眼看懂，會把最重要的內容放在前面，少用行話和自造說法，並且會遵守你給出的寫作規則；有早期測試者形容它「寫得像我自己的風格」。Anthropic 說自己內部使用中也能感到它的產出更好核對——對他們來說，這既是工程上的便利，也是一種安全上的收益。客戶側的反饋也集中在同一件事上：少花 token、少走步驟。GitHub 報告說，在 GitHub Copilot CLI 與 VS Code 的測試中，Opus 5.5 用的 token 與步驟屬於他們測過的最少一檔，在 VS Code 裡用不到一半的步驟解決了比 Opus 5 更多的終端任務。Optiver 表示，在真實工程與交易臺工作上，Opus 5.5 以大約一半的輪次、時間和輸出 token 達到 Opus 5 的質量，該工作負載成本下降 40% 到 50%。Clio 的開發者則把它跑在一項跨六個倉庫的任務上、無人值守超過 18 小時。
安全與釋出方式
安全上，官方稱 Opus 5.5 在自動化行為審計（他們規模最大的對齊測試，覆蓋上千個模擬場景）上取得迄今最好的成績，比近期模型更不容易採取難以撤回的動作或越過給定邊界，對提示注入的抵抗也比 Opus 5 更強；同時他們把對齊測試擴充套件到更長的任務、不可能完成的任務以及取材於真實事件的場景。在 AI 安全公司 Gray Swan 的一次基準中，它與 Fable 5.1 並列最低的提示注入成功率。按事實清單的口徑，它以 ASL-3 防護部署，在「規避隔離邊界」評估中的出現次數比 Opus 5 與 Mythos 5.1 少約 85%。
面向企業自主執行的場景，Anthropic 還給出一套組合：一個在動作執行前先行篩查的分類器、一個安全團隊可以審計的開源沙箱，以及能在合併前攔下漏洞的程式碼審查。因為在系統里長時間自主執行的 Agent，企業需要確認它確實按預期在幹活。另外，由於 Opus 5.5 在生物學與網路安全上的能力與 Claude Mythos 5.1 相當，它採用了與 Fable 5.1 類似的防護，受稽核的組織可以申請生命科學與網路安全的相關計劃來做研究性使用。
順著家族往下看，路線就清楚了：9 月 1 日的 Claude Fable 5.1 與 Mythos 5.1（後者僅限受信訪問計劃）先站位，9 月 22 日的 Opus 5.5 把旗艦提速降價，9 月 28 日的 Sonnet 5.5 比 Sonnet 5 快 30% 以上、便宜最多 30%，10 月 7 日的 Haiku 5.5 執行成本比 Haiku 4.5 低約 75%。旗艦降價提速、用不同檔位把產品線鋪滿，好讓長程程式設計和 Agent 這類吃 token 的場景跑得更久——這是這一輪真正的策略。