Anthropic 连发 Claude 5.5 全家桶：旗舰 Opus 5.5 便宜四成
9 月 22 日，Anthropic 发布 Claude Opus 5.5，这是 Claude 5.5 家族的第一个模型。官方口径是：它在多数任务上达到 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低约 40%。这也是 Anthropic 呼吁「控制前沿模型推进节奏」之后的第一次发布，上市前经过外部评测机构（包括 Frontier Design 与 METR）测试。主打方向很明确——长程编程与 Agent 工作负载。
价格与速度：这一刀砍在哪
先看价目表。输入从每百万 token 5 美元降到 4 美元，输出从 25 美元降到 20 美元；变化最大的是缓存：缓存读取从 0.50 美元降到 0.20 美元，缓存写入从 6.25 美元降到 5 美元。Anthropic 特别点出，缓存读取构成了 Agent 与编程类工作的成本大头，这一项降了 60%。
这套价格能被压下来，靠的是效率而不只是标价：Opus 5.5 服务时需要的算力更少，同时完成同一个任务用的 token 也更少，两个因素叠加才净出 40% 的成本下降。速度方面，官方称它的输出生成比 Opus 5 快 30% 以上。另外，Claude Code 与 Claude Platform 里提供 fast mode，最高 2.5 倍速，价格为每百万 token 输入 8 美元、输出 40 美元。
这里的「缓存」值得多解释一句。Agent 每走一步，都要把系统提示、工具定义和历史上下文重新送进模型，其中很大一部分前缀是不变的。服务方可以把这部分存下来复用，命中的部分按低得多的价格计费，这也是为什么缓存读取的单价往往直接决定「跑一小时 Agent」的最终账单。缓存单价从 0.50 降到 0.20 美元，同时模型完成同一任务用的 token 更少，两者叠起来才是那 40%。
配套的还有用量政策：Anthropic 提高了 Pro、Max、Team 以及按席位计费的 Enterprise 方案的五小时用量上限，并给订阅用户一次可自行选择使用时机、可以存起来的速率限制重置机会。对长期跑 Agent 的团队来说，这两项和降价一样实际。
基准与真实负载：便宜不等于弱
从公布的评测看，Opus 5.5 在 Agent 编程、电脑操作与知识工作上处于领先：Terminal-Bench 4.0 为 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 为 57.8%；知识工作侧的 GDPval-AA v2.1 拿到 1846 Elo，高于 Fable 5.1 的 1735 与 Opus 5 的 1708；AutomationBench 40.0%；Humanity's Last Exam 带工具 67.7%；OSWorld 2.1 为 81.8%（部分完成）；图表识别 Chartography 89.0%（带工具）。
这些数字也有需要留意的口径。Anthropic 说明，Opus 5.5 是在开启生产防护的情况下评测的：当防护介入时，网络安全类任务改由 Claude Opus 4.8 完成，生物学与前沿大模型研发类任务改由 Claude Opus 5 完成，这很可能压低了它在这几项基准上的成绩。另外，AutomationBench 由 Zapier 在不设后备模型的情况下运行，防护一旦介入就算失败，因此得分低于它在实际使用中能拿到的水平。
Anthropic 自己也提醒说，到了这个能力水平，基准分差已经不太能反映真实体验上的差别，他们内部使用中 Opus 5.5 与 Fable 5.1 的差距比分数显示的更小。真正清楚的优势在效率：默认档位下，Opus 5.5 在 FrontierCode 上以大约五分之一的单任务成本击败 GPT-6 Astra；在 Terminal-Bench 4.0 上以约四成成本追平 Astra；在 CursorBench 上比 GPT-5.6 Sol 高 11 个百分点，成本约为三分之一。
更有说服力的是几组具体工作量。一位早期测试者用它完成了一次 68 万行的代码迁移，用时不到一天，而同样的工作交给传统工程团队通常要数周。一次 20 万行代码库的审计与修复，Opus 5.5 用不到三小时，Opus 5 花了 20 小时以上、并且多用 2.5 倍 token。把 HAProxy 从 C 翻译成 Rust 的内部测试里，两个模型的重写都通过了几乎全部回归测试，但 Opus 5.5 用 9.5 小时完成，Fable 5.1 用了 12 小时，成本还低 51%。
知识工作上的表现同样有可核对的细节。Anthropic 让 Opus 5.5、Fable 5.1 与 Opus 5 各自写一份公司季度业绩报告，信息只能取自一份财报很难找到的网页副本，然后由自动评分器逐条核对数字与引语：Opus 5.5 的 18 份报告里有 16 份过线，而任何编造的数字或引语都会导致不及格；Fable 5.1 与 Opus 5 一次都没能过线。另一组测试里，两个模型分析一桩虚构并购，Opus 5.5 用 63 分钟、成本低 50%，模型更完整、演示稿也更好读，Opus 5 的版本则有小错误。
写作与沟通是 Anthropic 这一轮专门改进的方向，也是他们此前收到最多反馈的地方。官方称 Opus 5.5 的信息更容易一眼看懂，会把最重要的内容放在前面，少用行话和自造说法，并且会遵守你给出的写作规则；有早期测试者形容它「写得像我自己的风格」。Anthropic 说自己内部使用中也能感到它的产出更好核对——对他们来说，这既是工程上的便利，也是一种安全上的收益。客户侧的反馈也集中在同一件事上：少花 token、少走步骤。GitHub 报告说，在 GitHub Copilot CLI 与 VS Code 的测试中，Opus 5.5 用的 token 与步骤属于他们测过的最少一档，在 VS Code 里用不到一半的步骤解决了比 Opus 5 更多的终端任务。Optiver 表示，在真实工程与交易台工作上，Opus 5.5 以大约一半的轮次、时间和输出 token 达到 Opus 5 的质量，该工作负载成本下降 40% 到 50%。Clio 的开发者则把它跑在一项跨六个仓库的任务上、无人值守超过 18 小时。
安全与发布方式
安全上，官方称 Opus 5.5 在自动化行为审计（他们规模最大的对齐测试，覆盖上千个模拟场景）上取得迄今最好的成绩，比近期模型更不容易采取难以撤回的动作或越过给定边界，对提示注入的抵抗也比 Opus 5 更强；同时他们把对齐测试扩展到更长的任务、不可能完成的任务以及取材于真实事件的场景。在 AI 安全公司 Gray Swan 的一次基准中，它与 Fable 5.1 并列最低的提示注入成功率。按事实清单的口径，它以 ASL-3 防护部署，在「规避隔离边界」评估中的出现次数比 Opus 5 与 Mythos 5.1 少约 85%。
面向企业自主运行的场景，Anthropic 还给出一套组合：一个在动作执行前先行筛查的分类器、一个安全团队可以审计的开源沙箱，以及能在合并前拦下漏洞的代码审查。因为在系统里长时间自主运行的 Agent，企业需要确认它确实按预期在干活。另外，由于 Opus 5.5 在生物学与网络安全上的能力与 Claude Mythos 5.1 相当，它采用了与 Fable 5.1 类似的防护，受审核的组织可以申请生命科学与网络安全的相关计划来做研究性使用。
顺着家族往下看，路线就清楚了：9 月 1 日的 Claude Fable 5.1 与 Mythos 5.1（后者仅限受信访问计划）先站位，9 月 22 日的 Opus 5.5 把旗舰提速降价，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 运行成本比 Haiku 4.5 低约 75%。旗舰降价提速、用不同档位把产品线铺满，好让长程编程和 Agent 这类吃 token 的场景跑得更久——这是这一轮真正的策略。