Anthropic 发布 Claude Opus 5.5 的宣传视觉
Anthropic 推出 Claude 5.5 家族首发模型 Opus 5.5：对齐审计领先，生物/网络能力配套验证计划与降价。, Anthropic

要点

  • Opus 5.5 自称在多数工作上达到 Claude Fable 5.1 水平，默认工作负载相对 Opus 5 成本约降 40%；输入/输出 $4/$20，缓存读取 $0.20（降 60%）。
  • 因生物与网络能力可比 Claude Mythos 5.1，上线配套 Life Sciences Verification Program，并计划扩展 Cyber Verification Program；评测中护栏介入时任务会回退到 Opus 4.8 / Opus 5。
  • 外评含 Frontier Design、METR；自动化行为审计称其为迄今最强；Terminal-Bench 4.0 66.4%、FrontierCode 54.4%、CursorBench 57.8%（自适应思考、最高努力等条件见官博脚注）。

Anthropic 发布 Claude Opus 5.5，作为 Claude 5.5 家族首个模型，并写进“放慢前沿节奏”（pace the frontier）之后的第一发。页面正文另见 2026年9月22日日期；本轮素材箱以 2026-10-29 作为进入发稿队列的新鲜度节点，不据此发明新事实。

表面叙事是又一次编码与知识工作榜单领先。更值得盯的是产品设计：把高风险能力（生物、网络安全）做成验证计划准入，评测中护栏触发时回退到较弱模型，同时用约 40% 的单位经济性下降——尤其是代理与编码工作中占比很高的缓存读取——把“更强”卖成“更可负担、但仍受闸门约束”。

[1]

官博给出的能力与效率主张包括：多数工作上达到 Fable 5.1 水准、相对 Opus 5 服务算力更低；默认设置下典型工作负载成本约降 40%；输出速度提升逾 30%。定价对照 Opus 5：输入 $4→原 $5，输出 $20→原 $25，缓存读取 $0.20→原 $0.50（降 60%），缓存写入 $5→原 $6.25。另有 Fast mode（输入 $8 / 输出 $40，最高约 2.5× 速度）。Pro/Max/Team 与按席位企业订阅提高五小时用量上限，并提供可留存的速率限制重置。

基准（自适应思考、最高努力等条件见官博；生产护栏开启）：Terminal-Bench 4.0 66.4%、FrontierCode v1.1 Main 54.4%、CursorBench 4.0 57.8%、GDPval-AA v2.1 1846、AutomationBench 40.0%（Zapier；无回退模型时护栏介入计失败）、Humanity's Last Exam 67.7%（含工具）、Terminal-Bench-Science 0.1 58.7%、OSWorld 2.1 81.8% partial、Chartography 89.0%（含工具）。Anthropic 同时提醒：在此能力水平上，基准分差已不如真实差距可靠，自家使用中 Opus 5.5 与 Fable 5.1 的差距小于分数所示。

[1]

安全与准入是这篇发布的结构件，而非附录。公司称 Opus 5.5 在自动化行为审计（近 2000 场景）上是迄今测试过的最强模型，对难以逆转的动作与越权更克制，对提示注入比 Opus 5 更抗；外评包括 Frontier Design 与 METR，细节指向 Opus 5.5 System Card。

因为生物与网络能力被认为可比 Mythos 5.1，部署护栏比照 Fable 5.1：经审查组织可申请 Life Sciences Verification Program 以用于生物学研究；未来数周扩展 Cyber Verification Program，经核实的网络安全从业者可使用 Opus 5.5。评测脚注写明：护栏介入时，网络任务由 Claude Opus 4.8 完成，生物与前沿 LLM 开发任务由 Claude Opus 5 完成——这会压低 Opus 5.5 在这些基准上的分数，也把“回退到较弱模型”写成默认产品行为的一部分。

“Pacing the frontier”一节把发布嵌入 Dario Amodei 上周关于让安全实践跑在能力前面的主张：对当前模型继续外评、对齐测试与高风险护栏；对未来更强模型则强调训练环境过滤、对齐奖励、可解释性监控，并呼吁公共政策扮演更大角色。

[1]

钢人反驳：验证计划与回退机制可能是负责任发布，也可能是把危险能力的真实可用性藏在申请队列与未公开准入标准之后；40% 成本下降在缓存读取主导的代理工作负载上最醒目，未必等于所有产品面的同等降幅；基准领先在“护栏开启 + 介入即回退”条件下报告，独立复现与关闭护栏对照仍缺。

仍待核验：Life Sciences / Cyber 验证计划的公开准入标准与样本量；System Card 中生物/网络能力与 Mythos 5.1 的可比协议；页面内嵌 9 月 22 日与素材箱 10 月 29 日之间的产品变更是否另有更新说明；与 GPT-6 Astra 等竞品数字的同源评测条件。事实置信度高（官博数字可核对）；外推到“准入闸门 + 降价已成 Anthropic 前沿发布范式”置信度中等。

[1]

对代理与编码买家，缓存读取降 60% 直接改写长会话单位经济；对生命科学与安全研究方，能力被绑在验证计划上，意味着“API 已上线”不等于“你的用例已放行”。对同行与监管，把 pacing 写成具体闸门与回退，抬高了“刷榜即全面 GA”的默认预期成本——也给批评者留下“能力在、权限不在”的审计缺口。

[1]

未来六个月应看三件事：两类验证计划是否公布可核验的准入与拒绝理由；护栏回退在真实产品流量中的频率与任务完成率；以及竞争对手是继续同日全面开放刷榜，还是开始用类似的准入闸门加单位经济性叙事对标。

[1]