Opus 5.5 便宜四成：前沿模型比的不再是跑分 (2026)

九月二十二号，Anthropic 发布了 Claude Opus 5.5，它是这个新系列里的第一款模型。1 官方的说法是，它在大多数工作上的表现跟自家更贵的 Fable 5.1 持平，而运行成本比它取代的 Opus 5 低四成；价目表上，每一百万个输入 token 四美元、输出二十美元，缓存读取两毛钱，比上一代降了六成。1 这是这家公司在本月初呼吁「给前沿定速」之后发布的第一款模型。2

跑分还在涨，但涨得越来越挤。 官方对比表列了七个测试：Opus 5.5 在终端编码、代码合并、电脑操作、四十四类职业的办公任务评分等五个栏目里领先，其中终端编码六成六、上一代五成二；它在办公流程测试 AutomationBench 和科研流程测试上落后于 GPT-6 Astra。1 比这些数字更值得注意的是发布方自己的判断：到了这个能力水平，跑分之间的差距已经越来越不能说明真实工作里的差别；它还说，在自己的使用里，Opus 5.5 与 Fable 5.1 的差距比分数显示的更小。1

便宜不是缩水，是每件事用的 token 变少了。 四成的成本下降里，一半来自降价，另一半来自效率：官方称，在终端编码测试上，它用中等档的思考强度就超过了上一代用最高档的结果，花的钱只有五分之一；跟 GPT-6 Astra 打平，但只花对方四成的成本。1 官方举出的早期试用者案例包括：审计并修复一个二十万行代码库不到三小时，上一代要二十多个小时；把大型负载均衡软件 HAProxy 从 C 改写成 Rust 用九个半小时，Fable 5.1 用十二个小时、成本高一半。这些案例来自被选中的早期试用者，属于厂商披露，不是独立复现。1

三家独立机构给出的答案并不一样。 METR 在发布前评估里说，它带来的研发加速比 Fable 5.1 略高，但够不上自动化 AI 研发，是渐进而非跳跃，判断力与品味没有明显改善；这份报告由 METR 起草、Anthropic 有机会审阅和修改、METR 签字确认，评估没有收费。3 做代码质量分析的 Sonar 在发布前版本上跑出的通过率是八十七点七，与上一代的八十八点六相差不到一个点，但代码量少了将近三成、输出 token 少了四成、问题总数少了四成多；同时并发相关缺陷密度上升四成，注释密度从一成降到三个点。4 Artificial Analysis 的综合指数给它五十八分，属同类领先，但跑该指数它输出了两亿六千万个 token、每任务成本五点九八美元——这里测的是最高思考档位。5

这些数字能信到哪一步。 七个测试的跑分全部来自发布方自己的页面，对照模型的数字里有一栏注明「据 OpenAI 报告」，不是同一套环境里跑出来的；发布方也承认，Opus 5.5 是带着正式安全护栏测试的，护栏介入时网络安全、生物与前沿模型开发类任务由更早的模型代做，这会压低它在这几项上的成绩。1 另外，官方的「便宜四成」是典型工作负载下的估算，不是逐笔账单。1

本期的分析判断是：这一轮真正移动的是成本这条线。当能力差距缩到跑分误差范围以内，选型就会从「谁更强」转向「每任务花多少」；对做产品的人，原先因为太贵而砍掉的功能值得重新算一遍，要盯的是每任务成本、缓存命中率和思考档位；对写代码的人，Sonar 那组数字给出的可执行结论是评审量下降，但并发与线程问题仍是要重点复核的一类。1 4