Opus 5.5 已上线 Claude 及 AWS、Google Cloud、Azure，输入每百万 token 4 美元、输出 20 美元，典型任务成本比上一代低约四成，速度提升三成以上。Terminal-Bench 4.0 默认档接近 Astra，成本仅四成。

刚刚，Opus 5.5 发布，堪比 Fable 5.1，但价格更低：每百万 token 输入 4 美元、输出 20 美元，典型任务成本较 Opus 5 低约 40%

Anthropic 公布的完整 benchmark 对比

Opus 5.5 已上线 Claude 及 AWS、Google Cloud、Microsoft Azure 等平台，API 模型名是 claude-opus-5-5

价格降低

这里先放一下目前 Anthropic 的各个模型的价格

Fable 5.1、Opus 5.5 与 Sonnet 5 定价，美元／百万 token

Opus 5.5 的输入、输出单价是 Fable 5.1 的四成、Sonnet 5 的两倍，定位是日常 Agent 编程和企业工作的主力

Opus 5.5 与上一代 Opus 5 的价格对比

三种单价的降幅，柱高分别归一化

相较 Opus 5，输入、输出、缓存写入和读取分别从 5、25、6.25、0.50 美元降到 4、20、5、0.20 美元

输入输出降价 20%，缓存读取降价 60%；典型任务总成本下降约 40%

官方举了一个假设账单：200 万缓存读取、20 万新输入、6 万输出 token，Opus 5 为 3.50 美元，Opus 5.5 为 2.40 美元，单靠降价就省约 31%

相同 token 用量的任务账单示例

思考 token 也按输出计费，单价是缓存读取的 100 倍。少绕路、少重试往往比单纯减少输入更有价值

普通模式的输出生成速度比 Opus 5 快了 30% 以上。Claude Code 和 Claude Platform 还提供最高 2.5 倍速度的 Fast mode，输入、输出分别为每百万 token 8、40 美元

编程相关

Terminal-Bench 测命令行复杂任务

Terminal-Bench 4.0：能力与成本

Opus 5.5 默认 medium 档位得到 57.6%，每次约 2.94 美元；GPT-6 Astra 的 high 档位为 57.9%，约 7.21 美元。成绩接近，成本约为四成。相较 Opus 5 的 max 档位，它默认档位的成绩更高，成本约为五分之一

FrontierCode：代码修改质量与任务成本

FrontierCode 看代码修改能否合入。Opus 5.5 默认档位 54.6%，高于 Astra 最高的 53.3%，成本约为五分之一

CursorBench 4.0：真实编程会话中的多文件任务

CursorBench 测真实会话中的多文件任务。Opus 5.5 默认档位 52.5%，超过 Fable 5.1、Opus 5 的 max 档位；比 GPT-5.6 Sol 最高成绩高约 11 个百分点，成本约为三分之一

实际工作里的变化更直观：

• 一位早期测试者在不到一天里完成了 68 万行代码迁移，官方称原本需要工程团队数周
• 另一位测试者审查并修复 20 万行代码，Opus 5.5 不到 3 小时完成；Opus 5 超过 20 小时，token 消耗是它的 2.5 倍
• 把 HAProxy 从 C 改写成 Rust，两者都通过了原项目几乎全部回归测试，Opus 5.5 用时 9.5 小时，Fable 5.1 用时 12 小时，前者成本低 51%
• 优化一个 Web 应用所有页面的加载速度，Opus 5.5 在 40 次尝试中成功 39 次；Opus 5 改善较小，还改变了原有行为
• 用同一个提示词让不同 Claude 模型做游戏，测试者给 Opus 5.5 的画面和完成度最高分，官网未展示可玩成品

客户反馈里，GitHub 用不到一半步骤解决更多终端任务；Lovable 步骤减少三分之一到一半；Quantium 的任务从 4 天、38 次提示缩到 3 小时、11 次；Kiro 调用次数少约 40%、token 减半；Spotify 也观察到提速降本

Clio 让它跨 6 个仓库连续工作超过 18 小时，梳理服务通信，进度更快、返工更少。Optiver 达到 Opus 5 质量所需轮次、时间和输出 token 约减半，成本下降 40%—50%；交易支持及一项 8 模型分析测试也取得最佳成绩

Column 发现它更会分派子 Agent 和自查，找出云账单节省机会，并通过第三方文档发现早先的集成错误

知识工作

GDPval-AA 覆盖 44 种职业。Opus 5.5 最高为 1846 Elo，超过 Fable 5.1 的 1735 和 Opus 5 的 1708；默认档位也超过 Astra max，成本约五分之一

GDPval-AA v2.1：知识工作质量与成本

不过注意，Elo 衡量相对质量，不是正确率

AutomationBench：跨应用业务流程

Zapier 的 AutomationBench 测跨应用执行真实业务流程。Opus 5.5 在各档位超过 Opus 5 和 GPT-5.6 Sol，但最高成绩 40.0% 仍略低于 Astra 的 41.4%

总表中的科学研究评测也一样：Opus 5.5 为 58.7%，Astra 为 64.6%，各模型标准误差约 ±3.5—5 个百分点。Opus 5.5 并非所有项目都领先

WANDR：大规模信息收集

WANDR 考察大规模数据收集，Opus 5.5 以更低成本超过 Fable 5.1 和 Opus 5。这组测试用了离线搜索与网页抓取、程序化工具调用、代码执行，以及每项 98 万 token 的预算，与 Perplexity 原始环境不同，只能比较同条件结果

Anthropic 让模型在财报难检索的网页副本中写业绩报告，数字或引文有任何编造都不通过。Opus 5.5 的 18 份报告有 16 份通过；Fable 5.1 和 Opus 5 在这项测试中均未通过

Hex 让模型判断包裹延误还是追踪更新慢。Opus 5 看签收记录后认为追踪正常；Opus 5.5 查出包裹晚到、追踪也坏了，避免停在第一个合理解释

Walleye Capital 的量化测试中，最低档位已基本解决任务；更高档位还发现评测指令的分钟索引错一位。它修正并提示可能被扣分，客户确认判断正确

评估两家虚构 HR 软件公司的合并，要在 Excel 建模并做演示。两代结论相同，但 Opus 5.5 模型更完整、演示更易读，Opus 5 有小错误；用时 63 对 93 分钟，前者便宜 50%

其他客户的结果也覆盖了专业工作：

• Deloitte：最低档位发现 72% 的已知代码 bug，Opus 5 high 档位为 56%，且前者误报更少；咨询分析中，低档位用约一半输出量达到较高档位质量
• Rogo：最低档位在 BigFinance Bench 超过 Opus 5 high 档位，输出 token 少约 60%，回答和幻灯片更紧凑
• Hebbia：按专家标准检查端到端财务流程，要求覆盖率从 Opus 5 的 60.3% 提高到 86.6%，引文召回也创下内部最佳记录
• LexisNexis：更稳定地找到相关引证，并围绕法条、核心框架和问题组织回答；Thomson Reuters Labs 的法律评测也观察到质量、速度和效率提升
• Viktor：相同思考档位下，步骤和工具调用更少，成本接近减半，做对的最难任务数量翻倍

Opus5.5 的风格

在对话风格方面，Opus 也有所不同

Opus 5 与 Opus 5.5 对照

这里做一个对比，对于同样的 Debug 问题，Opus 5 先讲重构和代码；Opus 5.5 先讲影响：账单下降中，免费额度只解释 1.50 美元，另外 9.92 美元是漏算月末用量

把 Slack 讨论整理成经理需要的摘要

而在总结 Slack 讨论时，Opus 5.5 则会区分问题、立即措施和长期修复：仪表盘、告警已完成

怎么用更划算

官方建议日常工作从 medium 开始，机械修改用 low，卡住再试 high；搜索、读日志可交给 Sonnet／Haiku 子 Agent。高档位仍反复失败的难题，再考虑 Fable。给模型可运行的测试，也能减少无效重试

按任务选择模型，条长仅示意成本顺序

一次 44 张工单的内部测试，从 Opus 4.8 换到 Opus 5.5 low 后成本降约 18%；再用 /claude-api prompt-audit 清理强制六步、重复验证等指令，进一步降约 9%，累计约 25%。这是单项测试，不是通用承诺

客服评测中的迁移与提示词优化