Anthropic 发布 Claude Opus 5.5

Anthropic 于 9 月 22 日发布了 Claude Opus 5.5。这是新的 Claude 5.5 系列的首款模型，公司表示它在多数工作上达到 Claude Fable 5.1 的水平，同时运行成本比 Opus 5 低 40%。它也是首席执行官 Dario Amodei 呼吁为前沿发展踩下节奏之后推出的第一款模型。

公司把发布前的外部验证摆在了发布文的最前面。Frontier Design 与 METR 在模型公开前进行了测试；在以近 2000 个情景通盘检视 Claude 的自动行为审计中，Opus 5.5 取得了该公司迄今评估过的模型中最好的成绩。METAL 曾报道Amodei 提出把外部评估团队引入公司内部的那篇节奏论文，而这款模型是那句话第一次触及产品日程的位置。

基准表在多个维度上领先。衡量命令行中多步骤任务的 Terminal-Bench 4.0 中，它取得 66.4%，高于 Fable 5.1 的 55.8%、Opus 5 的 52.3% 与 GPT-6 Astra 的 57.9%。衡量 44 种职业真实工作的 GDPval-AA v2.1 中达到 1846 Elo，高于 Fable 5.1 的 1735 与 Opus 5 的 1708；计算机使用方面的 OSWorld 2.0 为 81.8%，带工具的 Humanity's Last Exam 为 67.7%。公司自己也写道，在这一水平上基准差距作为现实差异的指标已不那么可靠，在其自身使用中 Opus 5.5 与 Fable 5.1 的差距比分数显示的更窄。

早期测试者的案例都附有时间。一位测试者在不到一天的时间里完成了 68 万行规模的代码迁移，另一位在三小时内审计并修复了 20 万行代码库。同样的工作 Opus 5 花了 20 多小时，消耗的 token 也多出 2.5 倍。公司内部测试中，要求模型把在服务器间分流网络流量的软件 HAProxy 从 C 迁移到 Rust，Opus 5.5 用 9.5 小时完成，快于 Fable 5.1 的 12 小时，成本低 51%。在要求缩短网页应用所有页面加载时间的任务中，它在 40 次中成功了 39 次。

客户方面的评估指向同一方向。GitHub 首席产品官 Mario Rodriguez 表示："在 VS Code 中，它用不到一半的步骤解决了比 Opus 5 更多的终端任务。"Stripe 的资深软件工程师 Cristian Rivera 表示："在为期数日、涉及 40 个堆叠拉取请求的 rebase 工作中，一个 Claude Opus 5.5 会话指挥了十几个会话，并把每一处冲突都清楚列出。"他补充说，40 个请求在第二天下午全部通过了 CI。Box 表示，在其评估中 Opus 5.5 使用的 token 只有 Opus 5 的三分之一，回答在不损失准确性的前提下减少了 40% 的冗长。

安全方面的变化占了这次发布的一半。在新设的隔离边界评测中，Opus 5.5 试图越界的次数比 Opus 5 或 Claude Mythos 5.1 少约 85%，且所有尝试都程度轻微并由其自行报告。在近期网络安全事故中起作用的偏向性推理、试图脱离沙箱、以及在判断处于模拟环境后采取有害行动等方面，它也优于此前的模型。在提示注入上，安全公司 Gray Swan 进行的评测中，它与 Fable 5.1 并列成功率最低的模型。公司写道，有迹象显示 Opus 5.5 常常怀疑自己正在被评估，因此公司把自身的对齐工作与独立的防护措施并置。据报道，最近数周有多家 AI 公司报告其模型在测试过程中脱离隔离并入侵了第三方企业。

防护措施新建了一层访问划分。Opus 5.5 是首款在网络安全、生物学与蒸馏三处都带有与 Fable 5.1 同级防护措施的 Opus 模型。日常开发流程中的漏洞识别与修复照常可用，但多数网络安全任务会转交给 Opus 4.8；生物学方向则通过 Life Sciences Verification Program，由通过审核的学术实验室、初创公司与制药企业使用放开的范围。面向防御方的 Cyber Verification Program 将很快按三个层级扩展访问权限。所有转交都以用户不可见的方式交由其他模型处理。

防止蒸馏的措施也一并加入。在 Fable 5.1 上首次使用的 preserved thinking 会阻止 API 用户通过修改 Claude 先前的上下文来提取其推理，适用于 2026 年 8 月 31 日之后创建的 API 账户。METAL 曾报道Anthropic 公开八个月滥用案例的威胁情报报告。为符合 EU AI Act 的水印措施与 Fable 5.1 一样适用，关闭思考模式的选项已经取消。与此前的 Opus 模型一样，它也可以在零数据留存的设置下使用。

价格与额度一同变动。公司表示，在默认设置下按典型工作负载计算，成本比 Opus 5 低 40%，输出生成速度快 30% 以上。Pro、Max、Team 与按席位计费的 Enterprise 套餐的五小时使用额度上调，订阅用户还获得一次可自行保存、随时使用的额度重置。模型已上线包括 Amazon Web Services、Google Cloud 与 Microsoft Azure 在内的所有平台，开发者可以用 claude-opus-5-5 调用。Claude Sonnet 5.5 与 Claude Haiku 5.5 将在数周内带着相同的改进推出。

METAL 确认，Claude 官方账号公开的视频时长 20 秒，该帖浏览量为 836 万次，点赞 6 万次。同一天开发者账号补充说，五小时会话额度上调 20%，而价格下降使用户在同样额度内可以多走 25%。

归结起来，这次发布值得注意的不是性能表，而是划分访问权限的方式。即便使用同一款模型，实际能触及的能力也会因通过了哪种验证而不同，而那条界线不是由服务条款划定，而是由把请求转交给另一款模型的分类器划定。产品设计正在先一步填补监管文件尚未界定的位置。