我们推出 Claude Opus 5.5，这是全新 Claude 5.5 家族的首个模型，在大多数工作上与 Claude Fable 5.1 表现相当，运行成本比 Opus 5 低 40%。它是我们呼吁为前沿技术定节奏后发布的首个版本，发布前经 Frontier Design 和 METR 等外部评估方测试。在我们最全面的对齐测试自动化行为审计中，它是迄今表现最强的模型。
正文
我们推出了 Claude Opus 5.5，这是 Claude 5.5 系列的首个模型。它在多数任务上的表现与 Claude Fable 5.1 持平，而运行成本比 Opus 5 低 40%。
Opus 5.5 是我们呼吁“为前沿发展限速”之后的首个发布，发布前由 Frontier Design 和 METR 等外部评估方进行了测试。在我们最全面的自动化对齐测试——行为审计中，Opus 5.5 是迄今表现最强的模型，并搭载了我们为最强能力模型开发的安全防护。
以下是 Opus 5.5 带来的主要改进。
性能上，Opus 5.5 相较 Opus 5 是重大升级，成为新的领先模型。早期测试者用不到一天完成了 68 万行代码迁移，以往工程团队需数周。在优化某网页应用各页加载时间的任务中，它 40 次里成功 39 次且未改变应用行为，Opus 5 改进较小且改了行为。另一测试者用单一提示词构建游戏，Opus 5.5 凭图形和完成度得分超过其他模型。
安全上，它在自动化行为审计中获历史最佳，更不易采取难逆转动作或越界，抗提示注入能力强于 Opus 5。对齐测试已扩展到长任务、不可能任务及真实事件场景。
成本与速度上，默认设置下典型工作负载成本比 Opus 5 低 40%。输入和输出 token 每百万分别为 4 美元和 20 美元，缓存读取每百万 0.20 美元（降 60%）。输出速度也比 Opus 5 快 30% 以上。我们提高了 Pro、Max、Team 等计划的五小时用量限制，并提供可自选时间的速率限制重置。
沟通上，它表达更自然清晰，重要信息置前。一位测试者说“它写得跟我一样”，长期协作中它是更好的工作伙伴，这也带来安全益处。
Claude Sonnet 5.5 和 Haiku 5.5 将在未来几周推出，同样在性能、效率和安全性上改进。
性能与成本效益
基准测试中 Opus 5.5 在智能体编程、电脑操作和业务知识领先。但能力到这水平后，基准分差已不太能反映真实差距，我们自用感觉它与 Fable 5.1 的实际差距比分数小。
| 测试项目 | 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) | — | | 智能体科研 Terminal-Bench-Science 0.1³ | 58.7% | 52.6% | 29.0% | 64.6% | 22.4% | | 电脑操作 OSWorld 2.0 | 81.8% (部分) | 80.7% (部分) | 74.0% (部分) | — | — | | 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，Opus 5.5 使用最大努力自适应思考，并在生产安全防护下评估；安全干预时部分任务由其他模型完成，可能拉低分数。
效率优势很明显：每 token 成本更低且每任务耗 token 少，净降 40% 成本。
| 每百万 token 价格 | Opus 5.5 | Opus 5 | | --- | --- | --- | | 缓存读取 | $0.20 | $0.50 | | 输入 token | $4 | $5 | | 输出 token | $20 | $25 | | 缓存写入 | $5 | $6.25 |
Opus 5.5 的 Fast 模式在 Claude Code 和平台提供最高 2.5 倍速，输入输出每百万分别为 8 美元和 40 美元。
编程
Opus 5.5 擅长代码库迁移审计等长程广泛任务。测试者用不到 3 小时审计修复 20 万行代码库，Opus 5 耗时 20 小时且多耗 2.5 倍 token。内部测试将 HAProxy 从 C 译到 Rust，两者通过几乎所有回归测试，Opus 5.5 用 9.5 小时比 Fable 5.1 的 12 小时快，成本低 51%。
FrontierCode 默认努力水平下，它以约 1/5 成本胜 GPT-6 Astra；Terminal Bench 4.0 以 2/5 成本持平 Astra；CursorBench 以 1/3 成本领先 GPT-5.6 Sol 11 分。
Terminal-Bench 4.0 测量命令行多步专业任务，Opus 5.5 默认努力以约 1/5 成本胜 Opus 5 最大努力，以 2/5 成本持平 Astra。
GitHub 的 Mario Rodriguez 说：开发者想要能接手真实软件工作并完成的代理，Opus 5.5 用最少 token 和步骤，在 VS Code 中用时不到一半步骤解决更多终端任务，让大项目更可行。
最安全的编程代理
企业需知代理按预期运行，尤其自主运行数小时时。Opus 5.5 有行动前筛查分类器、可审计开源沙箱、合并前漏洞审查。模型本身防御强，提示注入抗性强于 Opus 5，Gray Swan 基准中与 Fable 5.1 并列最低注入成功率。
知识工作
内部季报测试，Opus 5.5 的 18 份报告中 16 份达标（虚构即失败），Fable 5.1 与 Opus 5 均不达标。
Walleye Capital 说它在最低设置基本解决评估套件，高设置更佳，还纠正了评估指令中的错误。
并购分析测试：两者结论同，但 Opus 5.5 模型更详、演示易读无错，63 分钟完成比 Opus 5 的 93 分钟快，成本低 50%。
GDPval-AA v2.1 中 Opus 5.5 获 1846 Elo 领先，默认努力以 1/5 成本胜 GPT-6 Astra 最大努力。
Deloitte 的 Carl Bennett 说：最低努力下捕获 72% 已知 bug（Opus 5 高努力 56%），误报少；咨询分析低努力匹配高努力且通过质检，可高效交付客户就绪工作。
沟通
写作改进大，重要信息置前，少术语。对比例子：被问解释问题时，Opus 5 罗嗦隐藏重点；Opus 5.5 直接指出额外掉落是账单重构 bug，免费层仅 1.50 美元，另 9.92 美元来自提交 0552feb（标“无行为变化”却停计月末用量），并清晰说明区间从半开变闭包导致丢数据。
Ramp 的 John Ruelas 说：冗长输出是挫折，Opus 5.5 像好同事，设计规格稍改即用，重写提示比自己好，优化测试套件推理易跟。
安全
为前沿发展限速
CEO Dario Amodei 上周主张 AI 进展应限速使安全领先能力。当前风险可控，但更高级风险需准备。安全工作双线：当前模型靠对齐测试、外部评估、按能防护，按 Responsible Scaling Policy 报告；未来模型需收紧训练环境过滤、改进奖励、自动生成场景、加强监控。更强模型需更高标准，公共政策应更大作用。
对齐
近 2000 场景自动化行为审计中，Opus 5.5 几乎所有错位行为指标优于近期模型，诚实度最强。改进了导致网安事故的偏置推理、逃沙箱等行为。新评估中越界尝试比 Opus 5 或 Mythos 5.1 少 85%，且均为低严重自报。但部署前可靠捕捉所有失败仍无解，模型常疑被评估，挑战真实评估。
安全防护
Opus 5.5 首款 Opus 配类似 Fable 5.1 的网安、生物、蒸馏防护，透明回退。
网络：强能力，多数任务路由 Opus 4.8，开发者可修己码。将扩展 Cyber Verification Program 含三层。
生物：能力匹配 Mythos 5.1，同防护。研究受阻可申请 Life Sciences Verification Program。
蒸馏
蒸馏攻击有国安风险。Opus 5.5 启 preserved thinking 防蒸馏，禁编辑上下文提取推理，适用于 2026 年 8 月 31 日后账户。
数据保留与合规
零数据保留。含欧盟 AI 法案水印。不再提供关闭“思考”模式。
可用性
Opus 5.5 现已在所有平台（AWS、GCP、Azure）可用，开发者可用 claude-opus-5-5 开始。
评论
讨论冷清且缺乏交锋，仅有的实质反馈强烈贬低新发 5.0 模型，并认为此前的 20 美元订阅性价比极低。
认为新发布的 5.0 模型是年度最差且远未成熟
- 用户指责 5.0 不值得耗费精力调试，是两家主要实验室年内最糟糕的发布，虽具潜力但远未达到面向公众的水准（少数人）。 > 5.0 是我眼中今年两大实验室最差的发布，有前景但显然还没准备好给大众用（@sidrag22）
认为 20 美元订阅此前形同笑话，只能靠次等旧模型凑合
- 用户透露整个夏秋在订阅档位实际用的是 4.8 次等模型做简单任务，导致两年来最少使用 Anthropic 模型，期待变动挽回价值（少数人）。 > 也许这新变动能让那 20 刀的订阅不那么像个笑话了（@sidrag22）