Anthropic 发布 Claude Opus 5.5，典型任务成本较 Opus 5 降低 40%
Introducing Claude Opus 5.5
Anthropic 发布 Claude Opus 5.5，称其在多数工作中达到 Claude Fable 5.1 水平，默认设置下典型任务成本较 Opus 5 降低 40%。
材料区分了每个 token 的降价与任务整体成本下降，并给出编码任务对照，为比较模型在实际工程中的成本提供了更具体的依据。
我们推出 Claude Opus 5.5，这是全新 Claude 5.5 系列的首款模型。在大多数工作中，它的表现达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。
自从我们呼吁放缓前沿推进步伐以来，Claude Opus 5.5 是我们的首个新版本。发布前，外部评估人员对它进行了测试，其中包括Frontier Design和METR。在我们的自动化行为审计中——这是我们运行的最全面的对齐测试——Opus 5.5 是截至目前经过测试的表现最强的模型。它还配备了我们为能力最强的模型开发的防护措施。
以下是 Opus 5.5 带来的一些改进：
性能。Opus 5.5 相比 Opus 5 有了重大提升。它是全新的领先模型，早期测试者在处理最复杂的工作时看到了显著的性能提升。一位测试者在不到一天的时间里完成了 68 万行代码迁移——这项工作原本需要一个工程团队花费数周。当被要求缩短一款 Web 应用中每个页面的加载时间时，Opus 5.5 在 40 次尝试中成功了 39 次；而 Opus 5 只带来了较小的改进，还改变了应用的行为，因此它擅长发现并修复软件效率低下的问题。另一位测试者让多个 Claude 模型根据单条提示构建游戏；Opus 5.5 的画面表现和完成度得分高于其他所有模型。
安全性。在我们的自动化行为审计中，Opus 5.5 的得分超过截至目前的所有模型。这套对齐测试会在数千个模拟场景中测试 Claude。与近期模型相比，它采取难以撤销的行动或越过既定边界行事的可能性低得多，而且比 Opus 5 更能抵御提示注入。我们还扩大了对齐测试的覆盖范围，纳入更长的任务、无法完成的任务，以及以真实事件为蓝本的场景，不过它仍有局限。评估详情请见Opus 5.5 系统卡。
由于 Opus 5.5 在生物学和网络安全方面的能力可与 Claude Mythos 5.1 相媲美，我们为它部署了与 Claude Fable 5.1 类似的防护措施。经审核的组织现在可以申请加入我们的生命科学验证计划，将 Opus 5.5 用于生物学研究。未来几周，我们还将扩大网络安全验证计划的开放范围，经验证的网络安全从业者届时可使用 Opus 5.5 开展工作。
成本和速度。为 Opus 5.5 提供服务所需的计算资源少于 Opus 5，定价也体现了这一点。我们的测试表明，在默认设置下，Opus 5.5 处理典型工作负载的成本将比 Opus 5 低 40%。输入和输出 token 的价格分别为每百万个 4 美元和 20 美元，比 Opus 5 低 20%。缓存读取（占代理和编码工作成本的大部分）的价格为每百万个 token 0.20 美元，比 Opus 5 低 60%。Opus 5.5 的输出生成速度也比 Opus 5 快 30% 以上。
除了降价，我们还提高了 Pro、Max、Team 和按席位计费的 Enterprise 计划的五小时使用限额。我们还为订阅用户提供了速率限制重置功能，现在你可以保存重置额度，并在方便时使用。
沟通。 Opus 5.5 的沟通方式比以往的模型更自然。早期测试者发现，它的文字更清晰、更易理解，回应了我们收到的关于 Opus 5 的一些常见反馈。它会把最重要的信息放在前面，文风也让它在长时间的工作中更适合作为协作伙伴。一位早期测试者这样评价：“它写出来的东西就像是我写的。”在我们自己的使用中，这让 Opus 5.5 的成果更容易理解和检查——这既是实用上的好处，也是安全上的好处。
Claude Sonnet 5.5 和 Claude Haiku 5.5 将在未来几周内推出，并带来许多在性能、效率和安全性方面的相同改进。
性能与成本效益
在我们的基准测试中，Claude Opus 5.5 在智能体编程、计算机使用和知识工作方面领先。不过，我们发现，在这种能力水平下，基准测试中的分差已不再那么可靠地反映现实中的差异。根据我们自己的使用体验，Opus 5.5 与 Claude Fable 5.1 之间的差距比这些分数所显示的要小。
| Opus 5.5 | Fable 5.1 | Opus 5 | GPT-6 Astra | GPT-5.6 Sol | |
|---|---|---|---|---|---|
| 智能体编程Terminal-Bench 4.0¹ | 66.4% | 55.8% | 52.3% | 57.9% | 37.3% |
| 智能体编程FrontierCode v1.1 (Main) | 54.4% | 50.3% | 48.0% | 53.3% | 47.5% |
| 智能体编程CursorBench 4.0 | 57.8% | 51.8% | 46.6% | — | 41.7% |
| 知识工作GDPval-AA v2.1 | 1846 | 1735 | 1708 | 1542 | 1588 |
| 业务工作流AutomationBench² | 40.0% | 31.4% | 26.9% | 41.4% | 28.8% |
| 多学科推理Humanity's Last Exam | 67.7%使用工具 | 65.6%使用工具 | 63.6%使用工具 | 57.2%使用工具 | — |
| 智能体科学研究Terminal-Bench-Science 0.1³ | 58.7% | 52.6% | 29.0% | 64.6% | 22.4% |
| 计算机使用OSWorld 2.1 | 81.8%部分完成 | 80.7%部分完成 | 74.0%部分完成 | — | — |
| 视觉图表识别Chartography | 89.0%使用工具 | 88.4%使用工具 | 83.4%使用工具 | — | — |
除非另有说明，所有 Claude Opus 5.5 的结果均使用最大强度的自适应思考。Terminal-Bench 4.0 的结果中，Claude Opus 5.5 使用 xhigh 强度，GPT-6 Astra 使用 high 强度，数据据 OpenAI 报告；这代表了各模型的最高分。评估 Claude Opus 5.5 时启用了生产环境防护措施。当这些措施介入时，网络安全任务由 Claude Opus 4.8 完成，生物学和前沿 LLM 开发任务由 Claude Opus 5 完成。这可能降低了 Claude Opus 5.5 在这些基准测试中的表现。
1 Terminal-Bench 4.0：Claude Opus 5.5 的标准误差为 ±2.6 分，其他 Claude 模型为 ±1.6–2 分。公开排行榜（每项任务 5 次试验，使用 Claude Code 测试框架）显示 Claude Opus 5 得分为 51.8%；我们的设置测得 52.3%，处于误差范围内。GPT-6 Astra 和 GPT-5.6 Sol 的数据据 OpenAI 报告。
2 AutomationBench：AutomationBench 的结果由 Zapier 运行并报告。这些测试未使用备用模型，因此防护措施的介入被视为失败——这导致得分低于 Claude Opus 5.5 在实际使用中能够达到的水平。Claude Opus 5.5 的结果来自 Zapier 在早期访问期间进行的内部评估。Opus 5、GPT-5.6 Sol 和 GPT-6 Astra 的结果来自 Zapier 的公开排行榜。
3 Terminal-Bench-Science 0.1: 每个模型的标准误差为 ±3.5–5 分。公开排行榜（每项任务进行 3 次试验，使用 Claude Code 测试框架）显示 Claude Opus 5 的成绩为 30.0%；我们的设置复现出 29.0%，处于误差范围内。GPT-6 Astra 的数据与 OpenAI 公布的一致。
Opus 5.5 的优势在效率方面尤其明显。它的每个 token 成本低于 Opus 5，而且每项任务使用的 token 更少，综合下来，成本降低了 40%。
Opus 5.5 的快速模式也可在 Claude Code 和 Claude Platform 中使用，速度最高可达 2.5 倍。每百万个输入 token 的费用为 $8，每百万个输出 token 的费用为 $40。
编程
Opus 5.5 尤其擅长代码库范围的迁移和审计等耗时且规模庞大的工作。一位早期测试者使用它在不到三小时内审计并修复了一个 200,000 行的代码库；Opus 5 则耗时超过 20 小时，使用的 token 数量是它的 2.5 倍。在一项内部测试中，我们让 Opus 5.5 和 Fable 5.1 将 HAProxy（一款广泛使用、用于在服务器之间平衡 Web 流量的软件）从 C 语言迁移到 Rust。两个重写版本都通过了 HAProxy 几乎所有自带的回归测试，但 Opus 5.5 用时 9.5 小时，Fable 5.1 用时 12 小时；Opus 5.5 的成本低了 51%。
Opus 5.5 以极低的成本，在智能体编程方面取得了前沿水平的成绩。在 FrontierCode 上使用默认努力程度时，它击败 GPT-6 Astra，每项任务的成本约为对方的 20%。在 Terminal Bench 4.0 上，它以约 40% 的成本达到 Astra 的水平；在 CursorBench 上，它以约三分之一的成本领先 GPT-5.6 Sol 11 分。
Terminal-Bench 4.0 衡量模型在命令行界面中完成复杂、多步骤专业任务的能力。Opus 5.5 在默认努力程度下，以约五分之一的成本胜过最大努力程度下的 Opus 5。它以约 40% 的成本达到 GPT-6 Astra 的水平。
我们的早期测试者也报告了类似的效率和智能提升：
引言
“开发者需要能够承担真正的软件工作并将其完成的智能体。在我们针对 GitHub Copilot CLI 和 VS Code 的测试中，Claude Opus 5.5 使用的 token 和步骤数量都位列最少之列。在 VS Code 中，它解决的终端任务比 Opus 5 更多，所用步骤不到后者的一半。它不仅提高了单项任务的效率，也让开发者更有能力完成规模更大的项目。”
公司GitHub
作者Mario Rodriguez，首席产品官
最安全的编程智能体
在自身系统中使用智能体的企业需要确认这些智能体按预期运行，尤其是在它们自主运行数小时的情况下。Opus 5.5 配备了一个分类器，可在每项操作执行前进行筛查；一个可供安全团队审计的开源沙箱；以及一项能在代码合并前发现漏洞的代码审查功能。
模型本身的防护能力也更强。在我们测试的所有场景中，包括编程、工具使用、计算机操作和网页浏览，它应对提示注入攻击的表现都不逊于 Opus 5，甚至更好。在人工智能安全公司 Gray Swan 开展的一项基准测试中，Opus 5.5 与 Fable 5.1 并列，成为所有受测模型中提示注入成功率最低的模型。
知识型工作
Opus 5.5 是一名可靠且能干的研究助手。在一项内部测试中，我们要求 Opus 5.5、Fable 5.1 和 Opus 5 仅使用从一份网络副本中找到的信息，撰写一份关于某公司季度业绩的报告；在这份网络副本中，财报公告很难找到。自动评分程序对照来源核查了每一个数字和每一处引文。在不同的投入程度设置下，Opus 5.5 的 18 份报告中有 16 份达到了我们的质量标准，只要出现任何编造的数字或引文，就无法通过。Fable 5.1 和 Opus 5 则在所有尝试中都未能达到这一标准。
它在财务分析和商业工作方面也表现出色。投资公司、早期测试用户 Walleye Capital 表示，Opus 5.5 在最低设置下就基本通过了他们的整套评测；在更高设置下，它的表现更好，发现了评测指令中的一处错误，并据此进行了纠正。此前没有其他模型发现过这个错误。
在另一项测试中，我们让 Opus 5.5 和 Opus 5 分析两家虚构人力资源软件公司之间的一项拟议合并。两者分别在 Excel 中构建了财务模型，然后将其制作成面向管理层的演示文稿，分析这笔交易以该价格进行是否合理。两个模型对交易得出了相同的结论，但 Opus 5.5 构建的财务模型更详尽，演示文稿也更易读，而 Opus 5 的成果存在一些小错误。Opus 5.5 用时 63 分钟完成，Opus 5 则用了 93 分钟，且 Opus 5.5 的产出成本低了 50%。
在知识工作评测中，Opus 5.5 不仅优于其他模型，使用的 token 也更少。在涵盖 44 种职业真实工作的 GDPval-AA v2.1 测试中，Opus 5.5 的 Elo 得分为 1846，领先于 Fable 5.1 和 Opus 5。在默认投入程度（中等）下，Opus 5.5 的表现超过了最大投入程度下的 GPT-6 Astra，而每项任务的成本约为后者的五分之一。在衡量业务工作流和大规模数据收集的基准测试中，它同样优于其他模型。
Artificial Analysis 的 GDPval-AA v2.1 评估智能体在 44 种职业中的真实专业工作表现。在最大投入程度下，Opus 5.5 的 Elo 得分为 1846，Fable 5.1 为 1735，Opus 5 为 1708。在默认投入程度（中等）下，Opus 5.5 的表现超过了最大投入程度下的 GPT-6 Astra，而每项任务的成本约为后者的五分之一。
我们的客户也反馈了类似的结果。以下是他们对使用该模型的评价：
引言
“即使在最低投入程度设置下，Claude Opus 5.5 也能在我们的代码审查中发现 72% 的已知缺陷，而 Opus 5 在高投入程度下只能发现 56%；与此同时，它的误报更少，输出量也仅为后者的一小部分。在美国咨询业务分析中，低思考投入程度下的表现与更高思考设置相当，输出量却只有一半，而且通过了我们的质量检查。当更多低思考投入程度的配置部署到生产环境中时，就能高效交付可直接提供给客户的成果。”
公司Deloitte Consulting LLP
作者Carl Bennett，首席信息官
沟通
我们大幅改进了 Opus 5.5 的写作和沟通方式，这也是我们收到的关于 Opus 5 的反馈中最常见的方面之一。它的信息更容易让人一眼看懂，测试者表示，这对长时间工作很有帮助。它会把最重要的信息放在前面，更少使用行话或独特生僻的措辞，并遵循你给出的写作规则。我们发现，这让 Opus 5.5 成为了明显更出色的协作伙伴。以下是这两个模型的并排对比：
Claude Opus 5
请向我解释一下这个问题。
我的 发现
额外的 丢失 并非 来自 免费 套餐 —— 而是 一个 回归问题 ，出现在 0552feb （“提取 计费 周期 边界 到 periods.py”， 标记为 “没有 行为 变化”）。
这个 问题
aggregate.monthly_usage 过去 会 使用 一个 半开 区间：
现在 则是：
并且 在 periods.py：
last_day 是 一个 日期时间 ，时间为 午夜， 而不是 一个 完整的 日期。 从 Sep 1 00:00 减去 一天 会得到 Aug 31 00:00， 而且 比较 包含端点， 因此 该 周期 实际上 在 31日 的 第一个 时刻 结束。 该月 最后一天 午夜之后 的每个 事件 时间戳 都会被 悄无声息地 丢弃 —— 每个 账户 每月 大约损失 一天 的 使用量。
新的 test_periods.py 没有 发现 这个问题， 因为 它 只 检查 last_day.date() （这 正确地 2026-08-31） 并且 在 contains 这些时间点进行测试：Aug 1 00:00、Aug 15 12:00、Jul 31 23:59 以及 Sep 1 00:00 —— 它 从未 在 31日 这一天的任何时刻 进行探测。
Claude Opus 5.5
请向我解释这个问题。
额外的 丢失 是 计费 重构 中的 一个 错误
免费套餐的变更 仅占 $1.50 的 Acme 8 月 降幅。 另外 $9.92 则 来自 提交 0552feb中的一个错误。 该 提交 被 标记为 “没有 行为 变化”， 但 它 停止 统计 当月 最后 一天 的 用量。
变更内容
合并 之前， aggregate.py 使用 了 左闭右开 区间：
重构 将 这部分 移入 Period.contains ，并 在 错误的 边界上 将 区间 改成了闭区间：
last_day 是 一个 时间戳， 表示 午夜， 而不是 一整 天。 因此， 所有 晚于 2026-08-31T00:00:00Z 的 事件都会被排除。 9 月 周期 从 9 月 1 日 开始， 所以 这些 事件 也不会 被计入。 这些 用量 并没有 转到 另一个 月份； 而是 根本 没有 计费。
客户的反馈印证了这些发现：
引言
“冗长、难以理解的输出一直是我对前沿模型最不满的地方，而 Claude Opus 5.5 解决了这个问题。它写得像一位优秀的同事，也会遵循我们的写作规范。它生成的设计规范几乎不需要修改就能使用；它重写我们的一条提示词时，我甚至更喜欢它的版本，而不是我自己的版本。它优化我们的测试套件时，我能轻松理解它的推理过程，并且有信心地发布了这项改动。”
公司Ramp
作者John Ruelas，资深软件工程师
安全
为前沿发展设定节奏
上周，我们的 CEO Dario Amodei 表示，AI 的发展应当把握节奏，以确保安全实践始终领先于模型能力的发展。把握发展节奏，是一种确保 AI 安全、保持对中国竞争力并实现 AI 惠益的方法，尤其是在生物学和医学等领域。
我们基本了解当前模型带来的风险，也有充分能力加以管理。然而，随着能力提升，更严重的风险可能迅速出现，我们需要现在就为此做好准备。因此，我们的安全工作同时着眼于两个时间跨度：
当前模型的安全实践。 当前这一代模型依赖一套已经建立的做法：广泛的对齐测试、由 METR 和 Frontier Design 等外部机构进行的发布前评估，以及与每个模型在网络安全和生物学等高风险领域能力相匹配的防护措施。我们会在每次发布时完善这些做法。我们相信，它们适用于当今模型所带来的最严重风险，并且能让我们对各种严重风险形成广泛但并不完美的认识。
此外，我们会跟踪自己训练和评估已对齐模型的能力，并在我们根据负责任扩展政策发布的风险报告中，报告我们的公开模型和内部模型；这是我们用于管理高级 AI 系统灾难性风险的自愿框架。
为未来模型做准备。 我们正在为更先进的模型提前准备训练和评估流程。我们正在收紧对强化学习中所用环境的筛选，因为有缺陷的环境是不对齐行为的主要来源。此外，我们正在改进对齐奖励，并开发自动化流程，以生成新的、多样化的安全训练场景。我们也在加强我们的安全与监控，其中包括一项重点工作，即改进基于可解释性的监控和评估。我们希望这类技术将有助于减少我们对审查模型思维链的依赖，也就是它在工作时写出的推理过程。
能力更强的模型——例如那些能够将 AI 研究本身的工作完全自动化的模型——仍然需要更高的安全标准。我们此前呼吁放慢节奏，很大程度上正是基于我们预计这类模型可能很快就会被训练出来。对于这些模型，我们并不认为上文所述措施单独就能达到这一安全标准。随着 AI 能力增强，公共政策应发挥更大作用，以确保人们所依赖的系统是安全的。建立这种能力需要时间，而我们已经开始搭建基础设施来支持这一点，正如“我们必须放慢前沿步伐”以及我们最近与Accenture共同发布的公告中所述；我们预计很快会分享这些工作的更多细节。我们还将继续与政府和行业一道参与政策讨论，包括监管路径和国际协调方面的讨论。
对齐
在我们的主要评估套件中——这是一项自动化行为审计，会在近 2,000 个场景中评估 Claude——Opus 5.5 在几乎所有不对齐行为指标上的得分都优于近期任何 Claude 模型。它在大多数诚实性指标上也是我们最强的模型。
特别是，Opus 5.5 在若干导致近期网络安全事件的行为上较此前模型有所改进，包括带有偏见或动机的推理、试图逃离沙箱，以及在得出自己处于模拟环境中的结论后采取有害行动。在一项旨在测试模型跨越隔离边界倾向的新评估中，Opus 5.5 试图绕过边界的频率比 Opus 5 或 Claude Mythos 5.1 低约 85%，而且它做出的每一次尝试都属于低严重性并且会自我报告。对于那些让 Claude 在其代码库和系统中无人值守运行的团队来说，这一点与原始能力同样重要。
不过，正如我们在最近的对齐评估中所述，构建能够在部署前可靠捕捉每一种失败情况的评估体系，仍然是一个尚未解决的问题。我们看到一些迹象表明，Opus 5.5 往往会怀疑自己正在接受评估，这给我们评估其在部署到种类繁多的现实世界场景中将如何表现带来了挑战。随着这些场景不断扩展、模型能力不断提升，我们预计这一挑战还会加剧，除非我们在可解释性方面取得进展。尽管我们有信心认为，Opus 5.5 在我们能够衡量的领域中表现出广泛改进，但我们仍将自身的对齐工作与下述防护措施配套实施。
防护措施
随着我们的模型变得更强大，更严格的防护措施是我们防止新能力沦为滥用工具的一种方式。Opus 5.5 是首个在网络安全、生物学和蒸馏方面推出与 Fable 5.1 同类防护措施的 Opus 模型；在这些方面，系统都会透明地回退到另一个模型。
网络安全。由于 Opus 5.5 具备极强的网络能力，我们将对 Opus 5.5 施加与 Fable 5.1 类似的网络安全防护措施。用户仍然可以在常规软件开发生命周期中识别并修复其代码中的 bug，但大多数网络安全任务将被重新路由至 Opus 4.8。
对于网络防御人员，我们很快会将网络验证计划扩展至涵盖 Opus 5.5。新计划将包括三个层级，以提供权限逐步放宽的可信访问，其中包括对 Claude Mythos 模型的访问。Claude Security 已经上线，并可访问 Claude Mythos 5.1。
生物学。Opus 5.5 在生物学方面能力很强，超过了 Opus 5，并且在许多工作领域与 Claude Mythos 5.1 持平或更胜一筹。例如，在与 Dyno Therapeutics 合作开展的一项长周期分子预测与设计评估中，Opus 5.5 取得了提升，而专家红队成员认为其科学新颖性可与他们测试过的最佳模型相媲美。
因此，Opus 5.5 采用与 Fable 5.1 相同的生物学防护措施。若要将 Opus 5.5 用于受这些防护措施阻碍的研发工作，用户可以申请加入我们新的生命科学验证计划；该计划会向经过审核的组织，如学术实验室、初创公司和制药企业，开放适用于完整生物学相关工作范围的防护措施。感兴趣的组织可在此申请。
蒸馏
蒸馏攻击是指攻击者利用数千个虚假账户，以工业化规模提取模型能力，这会带来安全和国家安全风险。蒸馏使不法行为者能够在没有我们为 Claude 构建的防护措施的情况下，创建能力极强的模型。我们的2026 年 9 月威胁情报报告详细说明了迄今为止我们已检测并破坏的非法蒸馏活动。
Opus 5.5 在发布时将启用保留思维，这是我们随 Fable 5.1 一同推出的反蒸馏防护措施。它会阻止 API 用户通过编辑 Claude 的先前上下文来试图提取 Claude 的推理过程。它适用于在 2026 年 8 月 31 日或之后创建的 API 账户上的 Fable 5.1 和 Opus 5.5。我们的帮助中心文章解释了这一变更，而我们的保留思维文档展示了如何测试并更新你的集成。
数据保留与合规
与之前的 Opus 模型一样，Opus 5.5 提供零数据保留。
与 Fable 5.1 一样，Opus 5.5 配备了我们的水印措施，以符合欧盟《AI 法案》，此处有讨论。此外，正如我们在此处所述，它也不再提供关闭“thinking”模式的版本。
可用性
Claude Opus 5.5 现已在所有平台上可用，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。在 Claude Platform 上，开发者可以开始使用claude-opus-5-5。详情请参阅我们的迁移指南。
来源：Anthropic News · anthropic.com