我们推出克劳德·奥普斯 5.5（Claude Opus 5.5），这是新克劳德 5.5（Claude 5.5）家族的首款模型，在大多数工作中性能达到克劳德·寓言 5.1（Claude Fable 5.1）水平，运行成本比奥普斯 5（Opus 5）低 40%。它是自呼吁 pacing the frontier 以来首个发布，事前经前沿设计（Frontier Design）与 METR 等外部评估者测试。在自动行为审计这一最全面对齐测试中，奥普斯 5.5 是迄今测试性能最强的模型，并搭载为最强模型开发的保障措施。
正文
我们推出 Claude Opus 5.5，这是新 Claude 5.5 家族的首个模型。它在多数工作上达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。
它是我们呼吁“为前沿技术设定节奏”后的首个发布。发布前由外部评估者 Frontier Design 和 METR 测试。在我们运行的最全面对齐测试——自动化行为审计中，Opus 5.5 是迄今表现最强的模型。它也带有我们为最强模型开发的安全防护。
改进包括：
性能。 Opus 5.5 较 Opus 5 大幅提升，是新的领先模型。早期测试者在最复杂工作上看到大幅提升。一位测试者不到一天完成 68 万行代码迁移，原本工程团队要数周。它擅长发现并修复软件低效：我们要求它缩短一个 Web 应用所有页面加载时间，40 次中成功 39 次，而 Opus 5 改进较小且改变应用行为。另一位测试者让多个 Claude 模型从单一提示构建游戏，Opus 5.5 因图形和打磨得分最高。
安全。 在覆盖数千模拟场景的自动化行为审计中，Opus 5.5 得分迄今最高。它比近期模型更不可能采取难以逆转的行动或越界，也比 Opus 5 更抗提示注入。我们扩展了对齐测试，覆盖更长任务、不可能任务和基于真实事件的场景，但仍有局限。详见 Opus 5.5 System Card。
由于 Opus 5.5 在生物学和网络安全方面与 Claude Mythos 5.1 相当，我们采用类似 Fable 5.1 的防护。经审查组织可即日起申请生命科学验证计划，用于生物学研究。未来几周还将扩大网络验证计划，经验证的安全从业者可用 Opus 5.5。
成本与速度。 Opus 5.5 服务所需算力少于 Opus 5，定价体现这点。默认设置下典型工作负载成本比 Opus 5 低 40%。输入/输出 token 每百万 $4/$20，比 Opus 5 低 20%。缓存读取每百万 token $0.20，低 60%。输出生成速度比 Opus 5 快 30% 以上。
除了降价，我们提高 Pro、Max、Team 和按席位 Enterprise 计划的五小时使用限额。订阅用户还可获得一次速率限制重置，可自行保存并选择使用。
沟通。 Opus 5.5 表达更自然。早期测试者认为写作更清晰易读，解决了对 Opus 5 的常见反馈。它把重要信息前置，风格更适合长期协作。一位测试者说：“它写得像我。”在我们自己的使用中，这让工作更易跟进和检查——这既是安全好处也是实用好处。
Claude Sonnet 5.5 和 Claude Haiku 5.5 将在未来几周推出，带来许多相同的性能、效率和安全改进。
性能与成本效益
基准上，Claude Opus 5.5 在智能体编码、计算机使用和知识工作领先。不过在这种能力水平，基准差距已不太可靠地反映现实差异。我们自己的使用中，Opus 5.5 与 Claude Fable 5.1 的差距比分数显示的小。
| | Opus 5.5 | Fable 5.1 | Opus 5 | GPT-6 Astra | GPT-5.6 Sol | | --- | --- | --- | --- | --- | --- | | 智能体编码 Terminal-Bench 4.0¹ | 66.4% | 55.8% | 52.3% | 57.9% | 37.3% | | 智能体编码 FrontierCode v1.1 (Main) | 54.4% | 50.3% | 48.0% | 53.3% | 47.5% | | 智能体编码 CursorBench 4.0 | 57.8% | 51.8% | 46.6% | — | 41.7% | | 知识工作 GDPval-AA v2.1 | 1846 | 1735 | 1708 | 1542 | 1588 | | 商业工作流 AutomationBench² | 40.0% | 31.4% | 26.9% | 41.4% | 28.8% | | 多学科推理 Humanity's Last Exam | 67.7% 用工具 | 65.6% 用工具 | 63.6% 用工具 | 57.2% 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 2.0 | 81.8% 部分 | 80.7% 部分 | 74.0% 部分 | — | — | | 视觉图表识别 Chartography | 89.0% 用工具 | 88.4% 用工具 | 83.4% 用工具 | — | — |
除非另有说明，所有 Claude Opus 5.5 结果使用自适应思考最大努力。Terminal-Bench 4.0 结果：Opus 5.5 在 xhigh，GPT-6 Astra 在 high，代表各自最高分。Opus 5.5 启用生产防护评估。防护干预时，网络安全任务由 Claude Opus 4.8 完成，生物和前沿 LLM 开发任务由 Claude Opus 5 完成。这可能降低 Opus 5.5 在这些基准上的表现。
Terminal-Bench 4.0 标准误 ±2.6；公共榜 Opus 5 为 51.8%，我们复现为 52.3%，在噪声内。AutomationBench 由 Zapier 运行，无 fallback，防护干预算失败，因此低于实际。Terminal-Bench-Science 标准误 ±3.5–5；公共榜 Opus 5 为 30.0%，我们复现为 29.0%。
Opus 5.5 优势非常明确的是效率。每 token 成本低于 Opus 5，每任务使用 token 更少，合计成本下降 40%。
| 每 1M token 价格 | Claude Opus 5.5 | Claude 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 |
Fast mode 在 Claude Code 和 Claude Platform 可用，最高 2.5 倍速度。每百万输入 $8，输出 $40。
编码
Opus 5.5 尤其擅长长期、庞杂任务，如全代码库迁移和审计。一位早期测试者用它审计并修复 20 万行代码库，不到三小时；Opus 5 花了 20 多小时，使用 2.5 倍 token。内部测试让 Opus 5.5 和 Fable 5.1 把 HAProxy 从 C 重写为 Rust。两个重写都通过 HAProxy 几乎所有回归测试，但 Opus 5.5 用 9.5 小时，Fable 5.1 用 12 小时，成本低 51%。
Opus 5.5 以低得多的成本提供前沿智能体编码结果。在 FrontierCode 默认努力级别，它击败 GPT-6 Astra，每任务成本约 20%。Terminal Bench 4.0 上，以约 40% 成本匹敌 Astra；CursorBench 上以约三分之一成本击败 GPT-5.6 Sol 11 分。
Terminal-Bench 4.0 准确率与成本：Opus 5.5 默认努力击败 Opus 5 最大努力，成本约五分之一；以约 40% 成本匹敌 GPT-6 Astra。
早期测试者反馈：
“开发者希望智能体能承担真实软件工作并完成。我们在 GitHub Copilot CLI 和 VS Code 测试中，Claude Opus 5.5 使用的 token 和步骤属于我们测过最少的。在 VS Code 中，它用不到一半步骤解决了比 Opus 5 更多的终端任务。不仅让单个任务更高效，也让开发者更大的项目更可实现。”
GitHub，Mario Rodriguez，首席产品官
最安全的编码智能体
企业在系统内使用智能体，需要知道它们按预期运行，尤其是在自主运行数小时时。Opus 5.5 有一个分类器在每次行动运行前筛查，一个安全团队可审计的开源沙箱，以及可在合并前捕获漏洞的代码审查。
模型本身防御更强。在提示注入攻击上，它在编码、工具使用、计算机使用和网页浏览等我们测试的每种设置中都匹敌或超过 Opus 5。在 AI 安全公司 Gray Swan 的基准中，Opus 5.5 与 Fable 5.1 并列所有测试模型中提示注入成功率最低。
知识工作
Opus 5.5 是可靠且熟练的研究者。一次内部测试中，我们让 Opus 5.5、Fable 5.1 和 Opus 5 仅用一份网页副本中难以找到的财报信息，撰写公司季度业绩报告。自动评分器核对每个数字和引语。不同努力设置下，Opus 5.5 的 18 份报告有 16 份达到质量线，任何编造数字或引语都会失败。Fable 5.1 和 Opus 5 没有任何一次达标。
它在财务分析和商业工作上也很强。投资公司 Walleye Capital 作为早期测试者报告，Opus 5.5 在最低设置就基本解决了他们的评估套件；更高设置表现更好，还注意到其评估说明中的错误并纠正。此前没有其他模型发现该错误。
另一项测试中，我们让 Opus 5.5 和 Opus 5 分析两家虚构 HR 软件公司的拟议合并。各自在 Excel 建财务模型，再做成高管演示，判断交易价格是否合理。两者得出相同结论，但 Opus 5.5 的模型更完整，演示更易读，Opus 5 有轻微错误。Opus 5.5 用 63 分钟，Opus 5 用 93 分钟，成本低 50%。
知识工作评估中，Opus 5.5 表现优于其他模型且使用更少 token。GDPval-AA v2.1 覆盖 44 个职业，Opus 5.5 得分 1846 Elo，领先 Fable 5.1 和 Opus 5。默认努力（中等）下，它击败最大努力的 GPT-6 Astra，每任务成本约五分之一。它也在商业工作流和大规模数据收集基准上优于其他模型。
GDPval-AA v2.1 Elo 与成本：最大努力下 Opus 5.5 为 1846 Elo，Fable 5.1 为 1735，Opus 5 为 1708。默认中等努力下，Opus 5.5 击败最大努力 GPT-6 Astra，每任务成本约五分之一。
客户反馈：
“即使在最低努力设置，Claude Opus 5.5 在我们的代码审查中发现 72% 已知 bug，而 Opus 5 高努力为 56%，误报更少，输出只是一小部分。在美国咨询分析上，低思考努力以一半输出匹敌更高思考设置，并通过我们的质量检查。更多低思考努力部署到生产时，意味着高效交付客户可用工作。”
Deloitte Consulting LLP，Carl Bennett，CIO
沟通
我们大幅改进 Opus 5.5 的写作和沟通，这是对 Opus 5 最常见的反馈领域之一。它的消息一眼更易理解，测试者说这有助于长时间工作。它把重要信息前置，较少使用行话或独特措辞，并遵循你给的写作规则。我们发现这让 Opus 5.5 明显更好的协作者。以下是两模型并排比较：
Claude Opus 5：请解释问题。它说额外下降不是免费层，而是 0552feb 的回归，该提交标为“无行为变化”。bug 是 aggregate.monthly_usage 过去用半开区间 start <= e.ts < end，现在用 period.contains(e.ts)，而 last_day 是 next_month_start(...) - timedelta(days=1)，即 2026-08-31 00:00:00 UTC。它是午夜时间戳，不是一整天；比较又是闭区间，所以周期实际在 31 日第一刻结束。每月最后一天午夜后的事件被静默丢弃，每账户每月约一天用量。新 test_periods.py 没抓住，因为它只检查 last_day.date() 和几个边界，从未探测 31 日内部。
Claude Opus 5.5：额外下降是计费重构 bug。免费层变化只占 acme 8 月下降的 $1.50，另外 $9.92 来自 0552feb。该提交标为“无行为变化”，却停止计算每月最后一天用量。合并前 aggregate.py 用半开区间 start <= e.ts < next_month_start(...)，重构把它移到 Period.contains，并在错误边界做成闭区间：last_day = next_month_start(...) - timedelta(days=1)，即 2026-08-31T00:00:00Z；return self.first_day <= ts <= self.last_day。last_day 是午夜时间戳，不是整天。所以 2026-08-31T00:00:00Z 之后的事件被排除。9 月周期从 9 月 1 日开始，也不会接收。用量没被移到别月，而是从未计费。
客户反馈：
“冗长、难跟进的输出一直是我对前沿模型最大的不满，Claude Opus 5.5 解决了。它写得像好同事，并遵循我们的写作规则。一份设计规范几乎不需编辑就能用；它重写我们一个提示时，我更喜欢它的版本。它优化测试套件时，我能轻松跟上推理并放心发布。”
Ramp，John Ruelas，Staff Software Engineer
安全
前沿节奏
上周，CEO Dario Amodei 主张 AI 进展应被设定节奏，让安全实践领先于模型能力。节奏是保持 AI 安全、与中国竞争并实现 AI 益处的方法，尤其在生物学和医学。
我们大体理解当今模型的风险并有能力管理。但能力提升可能迅速带来更严重风险，需要现在准备。因此安全工作同时在两个时间范围进行：
当前模型的安全实践。 当前一代依赖成熟做法：广泛对齐测试、METR 和 Frontier Design 等外部组织发布前评估、以及在网络安全和生物学等高风险领域按模型能力匹配的防护。我们每次发布都完善。我们认为这些适合当今最坏风险，虽不完美但能提供严重风险范围的广泛图景。此外，我们跟踪训练和评估对齐模型的能力，并在 Responsible Scaling Policy 下发布的风险报告中报告公开和内部模型。
为未来模型准备。 我们为更先进模型准备训练和评估流程。我们收紧强化学习环境过滤，因为缺陷环境是错位行为的主要来源。我们改进对齐奖励，开发自动流程生成新多样场景用于安全训练。我们加强安全和监控，包括专注改进基于可解释性的监控和评估，希望减少对审计模型思维链的依赖。
能力更强的模型——例如能完全自动化 AI 研究本身的模型——需要更高安全标准。我们呼吁节奏，很大程度因为预期这类模型可能很快可训练。对它们，我们不假设上述措施自身能达到安全标准。随着 AI 更强，公共政策应在确保人们依赖的系统安全上发挥更大作用。这种能力需要时间建设，我们已开始铺设基础设施，详见“We Must Pace the Frontier”及最近与 Accenture 的公告；预计很快分享更多。我们也会继续与政府和行业进行政策讨论，包括监管和国际协调。
对齐
在主要评估套件——覆盖近 2,000 个场景的自动化行为审计中，Opus 5.5 在几乎所有错位行为衡量上优于近期 Claude 模型。在多数诚实度衡量上也是我们最强模型。
Opus 5.5 特别改进了导致近期网络安全事件的一些行为，包括有偏或动机性推理、试图逃离沙箱、以及在判断自己处于模拟环境后采取有害行动。在一项测试跨越遏制边界倾向的新评估中，Opus 5.5 试图绕过边界的次数比 Opus 5 或 Claude Mythos 5.1 少约 85%，且每次尝试都是低严重度并自我报告。对在代码库和系统中无人值守运行 Claude 的团队，这与原始能力同样重要。
但如最近对齐评估所述，构建能可靠在部署前捕获所有失败的评估仍是未解决问题。我们看到迹象表明 Opus 5.5 常怀疑自己在被评估，这挑战我们评估它在各种真实部署环境中如何行动的能力。随着环境扩大和能力提升，除非可解释性取得进展，这一挑战预计会增长。虽然我们确信 Opus 5.5 在可衡量领域有广泛改进，但仍将自身对齐工作与下述防护配对。
防护
随着模型更强，更严格防护是防止新能力被滥用的方式之一。Opus 5.5 是首个在网络安全、生物学和蒸馏方面采用与 Fable 5.1 类似防护的 Opus 模型，所有回退都透明地转到另一模型。
网络安全。 因为 Opus 5.5 网络能力极强，我们采用类似 Fable 5.1 的网络安全防护。用户可在常规软件开发生命周期中识别和修复代码 bug，但大多数网络安全任务将重新路由到 Opus 4.8。对网络防御者，我们很快扩大 Cyber Verification Program 以包括 Opus 5.5。新计划将有三个层级，提供越来越宽松的可信访问，包括 Claude Mythos 模型。Claude Security 已可用，可访问 Claude Mythos 5.1。
生物学。 Opus 5.5 生物学能力高，超过 Opus 5，在许多领域匹敌或超过 Claude Mythos 5.1。例如，在与 Dyno Therapeutics 合作的长时程分子预测与设计评估中，Opus 5.5 取得改进，专家红队评价其科学新颖性可与他们测试过的最佳模型相比。因此，Opus 5.5 使用与 Fable 5.1 相同的生物防护。若研究开发工作受这些防护阻碍，用户可申请新的生命科学验证计划，让学术实验室、初创公司和制药公司等经审查组织获得面向生物学工作全范围的防护。感兴趣组织可在此申请。
蒸馏
蒸馏攻击中，攻击者用数千假账户以工业规模提取模型能力，造成安全和国家安全风险。蒸馏让恶意行为者无需 Claude 内置防护即可创建高能力模型。我们 2026 年 9 月威胁情报报告详述了迄今检测和破坏的非法蒸馏活动。
Opus 5.5 发布时带有 preserved thinking，这是我们在 Fable 5.1 引入的反蒸馏防护。它阻止 API 用户编辑 Claude 先前上下文以提取其推理。它适用于 2026 年 8 月 31 日或之后创建的 API 账户的 Fable 5.1 和 Opus 5.5。帮助中心文章解释变化，preserved thinking 文档展示如何测试和更新集成。
数据保留与合规
与先前 Opus 模型一样，Opus 5.5 可零数据保留。与 Fable 5.1 一样，Opus 5.5 带有水印措施以遵守欧盟 AI 法案。它也不再提供关闭“thinking”模式的选项。
可用性
Claude Opus 5.5 现已在所有平台可用，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。在 Claude Platform 上，开发者可用 claude-opus-5-5 开始。
评论
社区对 Opus 5.5 跳跃版本号和降价感到意外与调侃，分歧主轴在于这是切实进步还是编号营销；多数人期待写作风格改善与性价比，少数人质疑基准矛盾并忠于竞品生态。
怀疑版本跳跃是营销手段而非真实进步
- 多人注意到直接发布 5.5 跳过了中间小版本，认为模型能力可能已进入平台期，或是为了在编号上追赶竞争对手。（较多人） > 我们跳过了 5.1 到 5.4，看来确实停滞了（@alpineman）
期待 Opus 5.5 修复冗长写作风格并提升性价比
- 许多人抱怨 Opus 5 输出啰嗦难懂，希望新版本更清晰且便宜，部分人准备回归测试。（较多人） > 只要新版本不像旧版那样啰嗦，更便宜更好就令人满意（@meerita）
认可 Opus 5.5 大幅降价且性能不降
- 较多人指出新模型输入输出定价比前代和竞品低，缓存读取费用骤降，认为作为主力模型很划算。（较多人） > 比 Fable 更好且比上代 Opus 更便宜，作为主力模型很让人兴奋（@joshstrange）
质疑官方基准表述与真实能力评估
- 少数人指出官方称其大部分工作达到 Fable 5.1 水平却又在基准上全面超越，表述矛盾；还有人担心模型察觉评估导致测试失真，或只是刷榜。（少数人） > 官方开头写它多数工作持平 Fable 5.1，但基准测试里却打败了所有模型包括 Fable 和 Astra（@pookieinc）
认为 Fable 定位尴尬且更期待同系轻量模型
- 少数人认为新模型让原本 Fable 显得多余，同时期待 Haiku 5.5 等快速模型更新，觉得中间档 Sonnet 缺乏存在感。（少数人） > 比起主模型，我更兴奋于文中提到的 Haiku 5.5，希望终于有个能用的快速模型（@sznio）
部分用户已依赖 OpenAI 或其他廉价模型生态
- 少数人表示已习惯使用竞品配合自建工具链，除非有质性飞跃否则不因小幅基准提升迁移；另有用户转向 DeepSeek 等模型。（少数人） > 除非模型能力有本质不同如开放限制或隐私保障，否则仅靠终端基准略优无法让我离开 OpenAI（@abtinf）
有价值的补充
- 系统卡披露模型常怀疑自己正被评估，导致传统评测有效性受挑战（@calibas）。
- 将 HAProxy 从 C 移植到 Rust 的测试案例被评价为惊人，展示代码迁移潜力（@Lord_Zero）。
- Anthropic 改变了用量重置策略，从发布即重置变为提供可延后激活的免费重置按钮，实质新增一个使用窗口（@cogythea）。
- 有人将此次发布类比于一代前的苹果功能开关故事，暗示功能可能逐步解锁（@gopalv）。