Anthropic 发布 Claude Opus 5.5：称多数工作达 Fable 5.1 水平，运行成本较 Opus 5 低 40%

2026 年 8 月 31 日，Anthropic 在官网发布公告，正式推出，称其为新 Claude 5.5 家族的首款模型。按公告口径，Opus 5.5 在大多数工作中达到 Claude Fable 5.1 的水平，运行成本较 Opus 5 低 40%，每百万 token（词元）输入 4 美元、输出 20 美元；模型已在 Amazon Web Services、Google Cloud、Microsoft Azure 等平台可用，Claude Platform 上的模型 ID 为 claude-opus-5-5。

公告称，Opus 5.5 发布前由与等外部评估者测试，在 Anthropic 的自动化行为审计（automated behavioral audit）中取得迄今最强成绩，并称该模型「比近期模型更不容易采取难以逆转的行动或越出被给予的边界」。公告同时预告，Claude Sonnet 5.5 与 Haiku 5.5 将在未来数周内推出，带来性能、效率与安全方面的多项同类改进。文中性能、定价与安全数据均出自 Anthropic 公告及其的官方口径，本报道未做独立测试。

定价：缓存读取降六成，订阅用量上限上调

公告把降幅拆成两层：Opus 5.5 服务所需算力低于 Opus 5，每百万 token 单价更低；完成同一任务消耗的 token 也更少。按公告的测试口径，两者叠加后，默认设置下典型工作负载的成本较 Opus 5 低 40%。具体价格为：

每百万 token 价格	Claude Opus 5.5	Claude Opus 5
输入	4 美元	5 美元
输出	20 美元	25 美元
缓存读取	0.20 美元	0.50 美元
缓存写入	5 美元	6.25 美元

输入与输出单价较 Opus 5 低 20%；降幅最大的是缓存读取，从 0.50 美元降到 0.20 美元，低 60%，公告称这类读取占代理与编码类工作成本的大头。速度方面，公告称 Opus 5.5 生成输出的速度较 Opus 5 快 30% 以上；Claude Code 与 Claude Platform 另提供最高 2.5 倍速的快速模式（fast mode），定价为每百万输入 8 美元、输出 40 美元。订阅侧的变化包括：Pro、Max 与 Team 计划的五小时用量上限上调，订阅用户还获得一个可保存、随时启用的速率限制重置。

基准成绩：三类测试领先，两项低于 GPT-6 Astra

公告的基准表显示，Opus 5.5 在代理编码、计算机操作与知识工作三个类别领先。在命令行环境中完成复杂多步专业任务的 Terminal-Bench 4.0 上，Opus 5.5 以 xhigh 档取得 66.4%，高于 Fable 5.1 的 55.8% 与 Opus 5 的 52.3%，也高于 OpenAI 报告的 GPT-6 Astra 最高分 57.9%；衡量 44 种职业真实工作的 GDPval-AA v2.1（Artificial Analysis 的测试）取得 1,846 Elo，高于 Fable 5.1 的 1,735 与 Opus 5 的 1,708；Humanity's Last Exam（带工具）得分 67.7%，OSWorld 2.0（按部分完成计分）为 81.8%。

两处例外写在同一张表里：在 Zapier 构建的业务流程测试 AutomationBench 上，Opus 5.5 得分 40.0%，低于 GPT-6 Astra 的 41.4%；在代理科研测试 Terminal-Bench-Science 0.1 上，58.7% 的成绩也低于 Astra 的 64.6%。页面注释说明，Zapier 的运行不设后备模型，安全栏介入即记为失败，因此 Opus 5.5 的成绩低于其实际水平；其分数来自 Zapier 在早期访问期间的自行评估。

Anthropic 同时提醒，在这个能力层级，基准分差对真实差距的指示作用已经减弱——就其实际使用而言，Opus 5.5 与 Fable 5.1 的差距比分数显示的更小。注释还说明，Opus 5.5 的基准成绩是在开启生产安全栏的状态下测得的：安全栏介入后，网络安全任务由 Claude Opus 4.8 代为完成，生物学与前沿大语言模型（LLM）开发任务由 Claude Opus 5 完成，公告称这可能拉低了它的分数。

任务案例：68 万行代码迁移不到一天，并购分析 63 分钟完成

公告列举的任务级案例集中在编码与知识工作。编码方向，一位早期测试者用 Opus 5.5 在不到一天内完成 68 万行代码的迁移，公告称这类工作通常需要一个工程团队做数周；另一位早期测试者用它审计并修复一个 20 万行代码库，用时不到 3 小时，而按公告的说法，Opus 5 做同样的事需要 20 小时以上，token 消耗是 Opus 5.5 的 2.5 倍。在 Anthropic 的内部测试中，Opus 5.5 与 Fable 5.1 分别把负载均衡软件 HAProxy 从 C 重写为 Rust：两者都通过了 HAProxy 几乎全部回归测试，Opus 5.5 用时 9.5 小时（Fable 5.1 为 12 小时），成本低 51%。另一项内部测试要求模型压低一个 Web 应用每个页面的加载时间，Opus 5.5 在 40 次中成功 39 次，公告称 Opus 5 的改动幅度更小，还顺带改变了应用的原有行为。

按公告的成本换算，Opus 5.5 在 FrontierCode 默认档下以约为 GPT-6 Astra 五分之一的单任务成本胜出，在 CursorBench 上以约三分之一的成本高出 GPT-5.6 Sol 11 分。

知识工作的测试更细：让 Opus 5.5、Fable 5.1 与 Opus 5 仅凭一份难以找到财报的网页副本撰写公司季度业绩报告，自动评分程序逐项核对每个数字与引语，出现任何编造即判不通过。结果，Opus 5.5 在不同档位下的 18 份报告有 16 份过线，Fable 5.1 与 Opus 5 无一通过。公告援引早期测试者、投资公司 Walleye Capital 的反馈称，Opus 5.5 在最低档就基本解决了其评估套件，更高档位时还发现评估指令中的一处错误并自行纠正——此前没有其他模型发现过这个错误。在一场虚构 HR 软件公司并购分析的对决中，Opus 5.5 与 Opus 5 得出相同的交易结论，但 Opus 5.5 的财务模型更透彻、演示更易读，用时 63 分钟（Opus 5 为 93 分钟），成本低 50%，Opus 5 的版本则带有小错。

沟通也被列为改进项。公告称 Opus 5.5 会把最重要的信息放在前面，减少行话和怪僻表达，并遵守给定的写作规则；一位早期测试者的评价是「它写东西的方式和我一样」。Anthropic 认为，产出更易核对既是实用改进，也是安全收益。

行为审计：近 2,000 个场景，越界尝试较 Opus 5 少约 85%

安全数据的核心是自动化行为审计，公告称之为其运行的最全面对齐测试：它覆盖近 2,000 个模拟场景，Opus 5.5 在几乎所有失范行为指标上好于近期的各款 Claude 模型，在多数诚实性指标上也是 Anthropic 测过的最强模型。在一项专为测试「跨越隔离边界倾向」设计的新评估里，Opus 5.5 试图绕过边界的频率比 Opus 5 或 Claude Mythos 5.1 低约 85%，且每次尝试都是低严重度并自行上报——公告称，对在自家代码库与系统上无人值守运行 Claude 的团队而言，这一点与模型能力本身同样重要。

公告称，Opus 5.5 在几类曾导致近期的行为上有所改进：带偏见的动机性推理、试图逃出沙箱，以及认定自己身处模拟环境后采取有害动作。提示注入（prompt injection）方面，Opus 5.5 在编码、工具使用、计算机操作、网页浏览的全部测试设置中不弱于或强于 Opus 5；在 AI 安全公司 Gray Swan 的测试中，它与 Fable 5.1 并列为注入成功率最低的模型。

公告同时承认评估仍有盲区：可靠拦下每一次失范行为仍是未解问题，且有迹象表明 Opus 5.5 常会怀疑自己正在被评估，这直接影响 Anthropic 判断它在真实部署环境中会如何行动；随着部署场景扩大、模型能力增强，公告预计这一挑战还会变大。

防护栏：多数网络安全任务转由 Opus 4.8 处理

部署侧，公告称 Opus 5.5 是首款以与 Fable 5.1 同级安全栏发布的 Opus 模型，覆盖网络安全、生物学与蒸馏（distillation）三类风险，介入时都会透明回落到另一个模型。具体而言：多数网络安全任务将改由 Opus 4.8 处理，日常开发中的找错修错不受影响；面向网络防御者的 Cyber Verification Program 将扩容至 Opus 5.5，分三档开放更宽的可信访问，包括使用 Claude Mythos 模型。生物方向，公告称其在与 Dyno Therapeutics 合作的分子预测与设计长程评估中取得提升，专家红队评定其科学新颖度与所测最佳模型相当；受安全栏限制的机构可申请，公告称其面向学术实验室、初创公司与制药公司等经审查的组织。

蒸馏指攻击者用大量假账户工业化套取模型能力的行为。针对这类风险，防蒸馏措施「保留思考」（preserved thinking）同步上线：它阻止 API 用户篡改 Claude 的既有上下文以套取其推理，与 Fable 5.1 一样，适用于 2026 年 8 月 31 日及以后创建的 API 账户。此外，Opus 5.5 支持零数据保留，带有为符合欧盟《人工智能法案》而设的水印措施，「thinking」模式不再允许关闭。产品侧配套还包括在每步操作执行前筛查的分类器、可供安全团队审计的开源沙箱，以及在合并前拦截漏洞的代码审查。

9 月 22 日发布的给出了更细的结论：在化学与生物风险上，Opus 5.5 被归为具备 CB-1 能力（合成非新型武器相关）而不具备 CB-2 能力（合成新型武器相关），在 Anthropic 的评估组合中它与 Claude Mythos 5.1 差异不大，但未改进此前在 Mythos 5.1 上被视为 CB-2 否决项的若干弱点；AI 研发能力略高于 Mythos 5.1，但远不能替代研究人员，内部指标未显示持续的 2 倍 AI 加速；网络方向未发现它能开发新型攻击能力的迹象，也未发现关键级越狱；鉴于其能力，Anthropic 称已暂时对越狱采取更宽的安全边际，同时继续压低分类器的误报率。系统卡也记录了退步项：多轮测试中，它在生物武器类对话上有改进，在跟踪监视与影响操纵类对话上有所下滑。

发布背景与外部评估：METR、Frontier Design 的结论未随公告公布

公告还交代了发布背景：这是 Anthropic 自呼吁「给前沿降速」（pace the frontier）以来的首次模型发布。CEO Dario Amodei 在公告发布前一周发表，主张 AI 进展应当限速，让安全实践跑在模型能力前面。公告称，当前一代模型依赖的是一套成熟做法——充分的对齐测试、METR 与 Frontier Design 等外部机构的事前评估、按能力匹配的高风险领域安全栏；而对能力更强的模型（例如能完全自动化 AI 研究本身的那类），Anthropic 称不认为上述措施足以单独达到其安全标准，公共政策需要发挥更大作用。

不过，公告页只写明 Frontier Design 与 METR「参与了发布前测试」，没有附上两家评估者的具体结论；这些外部测试究竟发现了什么，目前无法从公开材料核对。